基于LVQ神经网络风电机组齿轮箱故障诊断研究

针对风电机组齿轮箱故障诊断技术的不足,提出一种基于LVQ神经网络的故障诊断方法,利用小波分析方法对某风电机组齿轮箱正常状态、磨损故障和断齿故障状态下的振动信号进行降噪处理,在时域和频域内提取了5个特征参数对所建立的模型进行训练。为了检验模型的实际诊断能力,与标准BP神经网络的诊断结果进行对比。仿真结果表明:基于LVQ神经网络的故障诊断速度更快、准确率更高、泛化能力更强,验证了所提出方法的实用性和有效性。     

基于改进的LVQ神经网络的发动机故障诊断

学习向量量化(LVQ)神经网络可以通过监督学习完成对输入向量模式的准确分类,提出了一种基于改进的LVQ神经网络的发动机故障诊断方法,介绍了LVQ神经网络及其改进的学习算法。以长城哈佛GW2.8TC型发动机为实验对象,让发动机在怠速状况下,对发动机进行故障设置,利用金德KT600电脑故障诊断仪采集发动机数据流,运用改进的LVQ神经网络建立诊断模型,诊断结果表明,改进的LVQ神经网络能对发动机故障做出正确分类,准确率比较高。     

嵌入式LVQ技术在通信电源故障诊断中的应用

为了能够快速诊断出通信电源故障产生的原因,文章把LVQ神经网络模型和分类诊断理论运用到了通信电源的故障诊断中。文中以多个故障模式为实例,通过运用Matlab仿真技术,验证了此方法的故障诊断的准确性,结果表明基于LVQ神经网络模型的故障分类诊断方法能够为通信电源维护人员和开发人员提供准确的信息,提高了电源系统的鲁棒性和稳定性。     

基于PCA-LVQ的模拟电路故障诊断

为了解决模拟电路故障难于识别的问题,提出一种基于主成分分析(PCA)和学习矢量量化神经网络(LVQ)的模拟电路故障诊断新方法。该方法用PCA提取模拟电路故障特征,然后将降维后的故障特征信息输入LVQ网络训练和故障模式的分类识别。通过对Sallen-Key带通滤波器电路的故障诊断实例表明,该方法是有效的,具有较高的故障诊断率。     

遥感图像分类中的遗传算法LVQ神经网络运用

对于遥感图像分类过程中的问题,提出遗传算法LVQ神经网络来实现遥感图像的分类。将LVQ神经网络结合遗传算法,使用遗传算法最优阈值与权值实现网络训练,使分类精度得到提高。之后融合相似灰度值创建分类图像特征矢量,使特征矢量在神经网络中输入实现训练。学习矢量量化神经算法对初值非常敏感,对遥感图像分类精度具有一定影响。最后,为了对性能进行测试,在实验过程中对比本文分类方法和SVM决策树分类方法,通过实验结果表示,文中提出的分类方法的遥感图像分类精度为95.82%,与其他分类方法相比,分类精度得到进一步提高。     

基于故障树和神经网络的飞机电源系统故障诊断研究

介绍了基于故障树模型的故障诊断技术和基于神经网络的故障诊断技术，提出了基于故障树和神经网络的集成故障诊断思想。在此基础上，以交流发电机旋转整流器二极管开路故障为例进行了实例分析，说明了故障树和神经网络集成故障诊断技术对此故障的诊断，结果表明该方法用于解决此类问题是有效的。     

BP神经网络专家系统在故障诊断中的应用

介绍了一种基于BP神经网络故障诊断专家系统 ,给出了系统的结构 ,具体描述了神经网络专家系统的基本原理。并以船舶柴油机冷却系统故障诊断为例说明了神经网络故障诊断的推理过程。诊断结果表明了该方法的有效性。     

遗传小波神经网络的非线性模拟电路故障诊断方法

提出了一种将遗传算法(GA)、神经网络与小波变换相结合对非线性模拟电路进行故障诊断的方法;分析了传统BP型神经网络在非线性模拟电路故障诊断中存在的缺陷;提出了一种新的解决方法--利用小波变换对非线性电路故障信号进行预处理,对故障信号中的冗余信息进行剔除,然后利用遗传算法优化BP网络参数,如网络权值、阈值等.利用该方法对非线性电路进行故障诊断,有利于提高神经网络对电路故障诊断的智能性及识别故障类别的能力,提高故障诊断的精度与速度.实验结果表明,该方法是可行的.     

基于NMF和LVQ神经网络的人脸识别

提出一种新颖的基于LVQ网络的人脸识别方法.以NMF提取人脸子空间特征,使用LVQ网络对人脸进行分类.LVQ网络结构简单,但却表现出比BP神经网络更强的有效性和鲁棒性.实验结果表明,提出的算法利用较少样本数据即可快速地进行人脸识别.     

基于加权D-S证据理论与共轭梯度下降BP神经网络结合的柴油机故障诊断

针对在柴油机故障诊断中,传统的D-S理论无法解决证据冲突问题,以及传统BP神经网络存在局限性,本文以某大功率柴油机为例,提出一种将加权D-S证据理论与共轭梯度下降BP神经网络相结合的新的柴油机故障诊断方法,通过对V12四缸柴油机的进行数据测量与实验对比,证明该方法中加权证据理论能有效地处理存在冲突证据时的融合问题,避免了传统BP神经网络存在的局限性,将两种改进后的方法相结合也避免了构造D-S证据理论的基本概率赋值函数的困难性,同时利用神经网络大规模并行工作方式增强了信息处理的快速性,并且可以尽量减少不确定性因素的影响,说明本文提出的方法是非常有效可行的。     

SVM技术与ANN方法对旋转机械故障诊断性能的比较

论述了基于支持向量机故障诊断技术的基本原理；介绍了传统的基于人工神经网络的故障诊断方法；以旋转机械故障诊断为例对两种诊断方法进行了比较，实验结果表明，与神经网络相比，基于支持向量机的故障诊断方法在训练速度、诊断精度、可靠性等方面都表现出了优越的诊断性能。     

基于自适应神经网络的组合导航故障诊断技术研究

针对传统组合导航故障诊断算法对系统模型精度要求较高,对非线性组合导航系统处理能力有限的问题,提出了自适应神经网络的SINS/GPS/DVL组合导航系统故障诊断。算法首先对组合导航故障诊断进行数学建模和故障信息提取,然后再采用遗传算法对基于BP神经网络进行故障诊断过程中容易遇到的局部极小值问题和网络结构进行自适应优化处理,有效提高了BP神经网络在进行组合导航故障诊断时的执行速度和效率,同时,也增强了系统故障诊断的准确性和可靠性。仿真试验有效验证了算法的有效性。     

基于模糊神经网络的执行器故障诊断

针对神经网络在故障诊断中的局限性,提出了一种将模糊理论与BP神经网络结合的故障诊断方法,使其应用到执行器故障诊断中.通过和BP神经网络学习算法对执行器故障诊断的结果比较来证明模糊神经网络算法的优越性.首先介绍执行器常见故障;其次对故障征兆进行模糊化预处理,获得了神经网络训练样本,最后应用Matlab软件进行了系统仿真.仿真结果表明:该方法收敛速度快、诊断精度高、自适应性强,能够有效地诊断执行器故障.     

基亏改进神经网络的柴油机系统故障诊断

BP神经网络可以利用其高度的非线性映射和自组织能力有效解决柴油机系统的故障诊断定位问题。但是标准的BP网络有自身无法克服的一系列问题,因此对标准BP网络的学习方法做出改进．并以此理论建立柴油机系统故障诊断的整体模型。为了检验改进理论的准确性,根据柴油机燃油系统的故障建立网络模型并诊断进行检验．MATLAB仿真结果表明,改进算法有效地提高了学习的效率与稳定性,加快了收敛速度,能有效解决故障的诊断与定位．并且具有良好的稳定性。     

基于LVQ网络优化的雷达目标识别算法

目标一维距离像在雷达目标识别领域中具有很高的研究价值,神经网络有很强的自适应能力,被广泛应用于目标识别领域中。通过研究分析,将学习向量量化（Learning Vector Quantization, LVQ）神经网络应用于雷达目标一维距离像识别。针对LVQ神经网络对初始连接权值敏感的问题和如何增强网络的分类识别性能,提出利用粒子群优化（Particle Swarm Optimization, PSO）算法对其进行优化。在此基础上提出了基于PSO-LVQ神经网络的雷达目标一维距离像识别新方法。通过3类飞机实测数据实验,验证了PSO算法优化LVQ神经网络初始连接权值的可行性和PSO-LVQ识别算法的有效性。     

基于CBR的雷达故障诊断专家系统研究

以故障诊断的理论和方法为基础,综合运用神经网络、基于案例推理和专家系统理论,对雷达装备的故障诊断问题进行研究,形成一个集成的智能诊断专家系统.介绍了系统的总体结构和工作原理,并给出具体的诊断实例,此方法充分利用神经网络和CBR的优点,将提高雷达装备故障诊断的正确性和效率.     

模拟电路故障诊断的神经网络优化方法综述

对故障诊断和模拟电路的特点做了简要介绍,分析了故障诊断的现状和相关研究方法。针对目前用于模拟电路故障诊断的神经网络,阐述了优化神经网络的方法--小波变换、遗传算法、模糊理论、粒子群算法和聚类算法等,并对未来的发展方向进行了展望。     

NNWA-PF算法在柴油机故障诊断中的应用

针对柴油机故障诊断的效率与准确度,以某大功率柴油机为例,提出一种新的粒子滤波技术NNWA-PF,对经过此粒子滤波降噪的数据和没有经过处理的数据分别用BP神经网络进行训练、测试和诊断,结果说明经过NNWA-PF降噪后的数据诊断效果比较好,也证明了基于神经网络粒子滤波降噪的效果较好。     

基于神经网络的电子设备故障诊断专家系统

对复杂的电子设备的故障进行快速准确的诊断和维护是一个急待解决的重要问题。在分析了单独应用专家系统和神经网络的优缺点的基础上,提出了一种集成式诊断专家系统模式,将神经网络与传统的专家系统进行有机结合。经实验证明,系统的推理效率明显提高,且具备良好的鲁棒性、启发性和透明性。由此可见,该集成方法对故障诊断十分有效。     

神经网络在心脏病诊断上的应用

神经网络凭借自身的优点被应用于医学领域的信号处理、特征提取和模式识别等方面。文章处理的心脏病诊断问题,属于模式识别问题。分别建立误差反向传播(BP)、径向基函数(RBF)和学习向量量化(LVQ)神经网络三种诊断方案。运用Matlab软件实现三种网络方案,对仿真结果进行分析,并针对该问题比较出相对最优的神经网络。