共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
为检测和诊断电力电子电路中的故障,获得更高的诊断精确度,提出粒子群算法优化RBF神经网络的故障诊断方法.与基本RBF神经网络相比,粒子群RBF神经网络可以提高系统的收敛速度和精度.把通过特征提取获得的电力电子电路故障特征量作为神经网络的输入,利用训练好的粒子群优化后的RBF神经网络进行故障诊断.仿真结果表明,实际输出与期望输出基本吻合,具有良好的分类效果,能够提高诊断精确度,对于电力电子电路的故障诊断是一种有效的方法. 相似文献
3.
文中提出了一种基于小波预处理的模拟电路故障诊断方法。由于小波分析具有数据压缩和特征提取的特性,我们利用小波变换对电路脉冲信号进行多尺度分解,提取特征向量输入神经网络进行训练。实验表明,该办法可以有效地减少神经网络的训练时间,提高模拟电路故障诊断的准确率。 相似文献
4.
5.
6.
7.
8.
9.
《电子技术与软件工程》2016,(10)
风力发电正在电力行业中占有越来越重要的位置。然而因为所处的环境条件恶劣,风力发电机经常容易发生故障。传统的状态监测与故障诊断方法较为费时费力,又因为无法采集到所有的故障信息,所以BP神经网络无法做出正确诊断。因此,将SOM神经网络应用于风力发电机组的振动故障诊断中。用正常运行的样本数据对网络进行训练,根据检测样本输出神经元在输出层的位置对是否发生故障进行判断。经实例分析证明,该方法可对风电机组的故障进行有效诊断。 相似文献
10.
BP神经网络在设备故障诊断方面的应用 总被引:4,自引:2,他引:2
电子设备逐渐成为越来越复杂的大系统,因此如何对其进行高效快速的故障诊断,使其保持良好的工作状态,具有重要的意义。针对传统故障诊断技术的局限性,探讨了基于BP神经网络的故障诊断方法;并基于该诊断方法利用VC++和Matlab混合编程开发了故障诊断软件。同时以雷达系统上的某些部件为例,对该软件在故障诊断方面的正确性及可靠性进行验证:将代表故障的信息输入训练好的神经网络后,由输出结果便可以判断发生故障的类型,从而实现对故障模块的精确定位。实验结果表明,该诊断软件提高了电子设备故障诊断的效率,具有一定的应用价值。 相似文献