基于神经网络的雷达故障诊断方法研究

雷达装备可更换单元上故障模块和元器件的检测,诊断难度较大,影响战斗力的发挥。为了准确快速定位可更换单元上的故障模块和元器件,提高雷达装备的保障能力,将神经网络用于故障诊断;分析了神经网络进行雷达可更换单元故障元器件诊断的原理;建立了故障诊断样本训练和测试平台;并以实例在该平台上对建立的网络进行训练和实际诊断。结果表明,该方法智能化程度高,较好地解决了雷达可更换电路的故障诊断问题。     

粒子群RBF神经网络电力电子电路故障诊断

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.     

一种基于小波预处理的模拟电路故障诊断方法

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。     

基于PCA和PNN的模拟电路故障诊断

为了解决模拟电路故障识别困难的问题,提出一种基于主成分分析和概率神经网络的模拟电路故障诊断方法。该方法对采集到的模拟电路故障信息进行特征提取,将提取的故障特征归一化处理后输入概率神经网络,进行训练和故障模式的分类识别。实验结果表明,该方法是有效的,具有较高的故障诊断率。     

基于PCA和PNN的模拟电路故障诊断

为了解决模拟电路故障识别困难的问题,提出一种基于主成分分析和概率神经网络的模拟电路故障诊断方法。该方法对采集到的模拟电路故障信息进行特征提取,将提取的故障特征归一化处理后输入概率神经网络,进行训练和故障模式的分类识别。实验结果表明,该方法是有效的,具有较高的故障诊断率。     

基于小波径向基网络的电力电子电路故障诊断

提出了一种基于小波径向基神经网络和主成分分析的电力电子故障诊断方法,该方法用小波变换和主成分分析对数据进行预处理,提取出有效故障特征信息,实现数据压缩,减少了神经网络的训练时间,选用径向基(RBF)网络为故障分类器,解决了BP网络容易陷入局部极小点的问题,提高了训练速度,并且具有诊断率高的特点.实例证明了该方法的有效性,并与其他诊断方法进行了对比.     

基于Takagi-Sugeno型自适应模糊神经网络的模拟电路故障诊断

该文提出了一种基于Takagi-Sugeno型自适应模糊神经网络故障诊断方法。首先通过电路仿真获得故障样本,其次利用主成分分析对故障样本进行降维处理,减少自适应模糊神经网络的输入,降低训练时间,然后采用BP算法与最小二乘法相结合的混合学习算法训练自适应模糊神经网络的连接权值和隶属度函数。仿真结果表明,此方法能够快速有效地对模拟电路的故障进行诊断和定位,表现出了很好的应用潜力,在容差模拟电路故障诊断领域具有较好的应用前景。     

基于小波神经网络的模拟电路故障诊断研究

文章提出了一种基于小波神经网络的模拟电路故障诊断方法。这种方法采用正弦信号作为被测电路的输入激励,在时域中对输出信号采样来构造神经网络的训练和测试样本,将自适应学习率及附加动量BP算法训练后的小波神经网络应用于容差模拟电路故障诊断中。仿真试验表明,该方法减少了故障诊断时间和提高了网络的平均诊断正确率。     

SOM神经网络在风力发电机组故障诊断中的应用

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。     

BP神经网络在设备故障诊断方面的应用

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。