智能故障诊断技术的发展及应用

介绍了国内外机械设备智能故障诊断技术的发展状况,并分别对基于模糊理论、基于实例、基于专家系统、基于神经网络以及神经网络与专家系统相结合等多种智能故障诊断系统进行了分析和评述。     

神经网络控制在火电机组的研究综述

介绍了神经网络控制技术的研究与发展,重点阐述神经网络控制系统在火力发电的主要控制系统中的研究,并简述了神经网络控制系统在火电中故障诊断与故障预测,以及系统模型识别的研究。     

基于神经网络的水轮发电机组振动故障诊断专家系统

本文介绍了以水轮发电机组振动故障诊断为研究对象,基于神经网络的专家系统的研究与实现。结合盐锅峡水电站5#水轮发电机组的真机试验研究,通过对试验数据的分析和诊断,结果表明用神经网络专家系统进行方法水轮发电机组振动故障诊断是可行和有效的。这里着重介绍试验研究过程,以及如何用本文所设计的软件进行分析和诊断。     

基于模糊神经网络的分段式直线电机提升系统的故障诊断

针对分段式直线提升系统的特点,应用基于模糊神经网络的故障诊断方法,将模糊逻辑与神经网络融合在一起,实现了对这一复杂系统的故障诊断。侧重介绍了模糊神经网络的结构和学习方法,并利用这些原理对直线电机本体进行故障诊断。仿真结果表明,该方法是有效的。     

RBF神经网络在凝汽器故障诊断中的应用

针对BP神经网络计算过程存在收敛速度慢的缺点,提出了RBF神经网络应用于凝汽器故障诊断的基本方法。介绍了RBF神经网络的结构、凝汽器的故障类型和征兆集的建立方法。对比了RBF神经网络与BP神经网络的诊断结果,证明RBF神经网络的在线诊断速度、诊断精度均优于BP神经网络,对凝汽器的故障诊断准确可靠。     

智能故障诊断集成系统的研究

阐述了专家系统及神经网络用于故障诊断时集成的必要性,归纳了常见的专家系统与神经网络的集成结构及方法,总结了基于事例推理的优越性。采用嵌入式结构,将基于事例推理与ＢＰ神经网络相结合,提出了一种智能故障诊断新方案,对此方案进行了论证,详细介绍了方案的各个组成部分及实现方法。最后将该方法应用于某液压能源系统的故障诊断中,结果令人满意。     

基于径向基函数网络的大型电力变压器故障诊断

研究了径向基函数（RBF）神经网络的模型结构及其在电力变压器故障诊断中的实现方法,介绍了变压器故障诊断的RBF模型.通过故障诊断及仿真实例分析,将RBF网络与BP网络的性能进行比较,得出RBF神经网络训练速度快、逼近误差小、能够更有效地解决电力变压器故障诊断问题的结论.     

基于时变时滞模糊双曲神经网络的配电网故障定位方法的研究

首次在理论上将时变时滞模糊双曲神经网络应用于配电网故障诊断领域,阐述了时变时滞模糊双曲神经网络的拓扑结构以及相关算法;构建配电网拓扑结构以及相应的故障训练样本;基于时变时滞模糊双曲神经网络进行配电网故障诊断的研究,并通过计算机仿真进行验证,仿真结果表明了该配电网故障定位方法的可行性与有效性。     

智能故障诊断技术研究综述

在简单介绍故障诊断理论的基础上,重点评述了智能故障诊断技术的发展状况,并简要介绍专家系统故障诊断方法、模糊逻辑故障诊断方法、神经网络故障诊断方法、故障树故障诊断方法和基于案例的故障诊断方法,对每种方法均介绍了它的诊断原理与步骤,分析了它的特点及缺陷,最后指出了这一领域中有待进一步研究的若干问题和发展趋势.     

数据驱动的航天器故障诊断研究现状及挑战

总结了基于数据驱动的故障诊断技术理论、方法及其在航天器上的应用现状,指出其面临的挑战并提出一种解决方案。将基于数据驱动的故障诊断方法按照技术发展顺序分为基于传统机器学习的方法、基于深度学习的方法以及基于迁移学习的方法。基于传统机器学习的方法需要大量的人工参与和丰富的专家经验,在小样本数据上有着优异的性能,但不适合处理大数据。在大数据背景下,重点介绍了卷积神经网络、循环神经网络、深度自编码器以及深度信念网络的基本概念以及原理,对其在航天器故障诊断领域的研究现状进行了阐述和总结。针对深度学习严重依赖于带标签数据这一问题,介绍了基于迁移学习的故障诊断技术,并提出适应航天器应用的场景,为数据驱动的故障诊断技术工程应用提供了一种方法和思路。     

神经元网络故障诊断技术的发展和应用

本文介绍了神经元网络故障诊断系统的基本特征,并着重阐述了神经元网络故障诊断专家系统的组成、结构和设计,最后概要介绍了模糊理论与神经元网络故障诊断系统的结合。     

基于信息融合技术的电机故障诊断

为了从多方面反映电机系统状态,实现对电机故障模式的自动识别和准确诊断,将数据融合技术与神经网络相结合,建立电机故障诊断系统。首先在数据融合级上对故障特征量进行分类处理,然后采用多层神经网络进行故障特征级融合和电机故障的局部诊断,获得彼此独立的证据,再运用DS(DempserShafer)证据理论融合算法对各证据进行融合,最终实现对电机故障的准确诊断。诊断测试试验证明,该诊断系统提高了电机故障诊断的精度,能够满足诊断的实时性要求。     

基于信息融合技术的电机故障诊断

为了从多方面反映电机系统状态，实现对电机故障模式的自动识别和准确诊断，将数据融合技术与神经网络相结合，建立电机故障诊断系统。首先在数据融合级上对故障特征量进行分类处理，然后采用多层神经网络进行故障特征级融合和电机故障的局部诊断，获得彼此独立的证据，再运用D-S（Dempser sha-fer）证据理论融合算法对各证据进行融合，最终实现对电机故障的准确诊断。诊断测试试验证明，该诊断系统提高了电机故障诊断的精度，能够满足诊断的实时性要求。     

基于二阶BP神经网络的旋转机械故障的智能诊断

针对旋转机械故障的智能诊断问题,提出了结合二阶BP神经网络和模糊网络的集成诊断方法。系统由信号处理子系统和故障诊断子系统两大部分组成。信号子系统负责信号的提取和预处理,诊断子系统则是诊断的核心,不同信号送入不同子神经网络进行诊断,结果通过决策神经网络进行数据融合,做出最后的诊断。该系统具有知识自动获取、识别速度快、鲁棒性及容错能力强等特点。实例证明该系统是有效的。     

基于粗糙集和RBF神经网络的变压器故障诊断方法研究

针对变压器故障诊断神经网络模型存在网络结构复杂、训练时间长等问题,提出基于粗糙集及RBF神经网络的变压器故障诊断方法。运用粗糙集理论中无决策分析,建立基于可分辨矩阵和信息熵的知识约简算法,进行数据挖掘,寻找最小约简;以处理后的数据集合作为训练样本,采用高斯函数作为径向基函数,分别求解方差及各层权值,建立变压器故障诊断模型。通过测试对比,此算法虽然略微降低诊断正确率,但网络结构简单、训练速度快、泛化能力强,对提高神经网络在变压器故障诊断中的应用性能有较好的指导意义。     

两种基于神经网络的故障诊断方法

复杂设备或系统的故障诊断中常采用神经网络构建故障映射关系，针对实际应用中神经网络存在收敛速度慢、学习记忆不稳定等不足，以一电站锅炉送风机为诊断对象研究了基于带有偏差单元的递归神经网络故障诊断方法。对状态检测系统采集的信号进行逻辑处理，分离出8个故障特征参数。以8种常见故障模式作为BP网络和递归神经网络的训练样本，对训练过程和仿真结果作了对比分析，结果表明该诊断方法在收敛速度、精度和稳定性能等方面均有良好改善，满足了系统在线故障诊断的需求。     

基于量子神经网络和证据融合的小电流接地选线方法

在研究基于集成量子神经网络和Dempster-Shafer (DS) 证据理论故障诊断模型的基础上,提出将该模型应用到小电流接地选线中.利用快速傅里叶变换和小波包变换从零序电流信号中提取故障特征量来训练多个量子神经网络,再用DS证据理论对各个神经网络的输出结果进行全局融合,得到综合选线结果.仿真结果表明该模型对小电流接地选线具有很强的适应性,且不受系统接地方式、合闸角、过渡电阻等因素的影响,解决了单一判据选线准确率低和高维输入神经网络训练收敛速度慢、诊断时间长等问题.     

神经网络在变压器故障诊断中典型算法研究

为了随时检测变压器状态,及早发现并排除变压器可能存在的故障,笔者将3种不同的神经网络(即BP网络、GA-BP网络与RBF网络)应用于变压器故障诊断中,分别介绍了这3种网络的结构及原理,故障诊断采用MATLAB语言编程实现。大量实验数据结果分析表明,RBF网络在诊断准确率相比其他两种网络具有一定的优势。     

基于改进PSO-BP混合算法的电力变压器故障诊断

采用粒子群算法和反向传播神经网络建立一种新型变压器故障诊断网络模型,设计故障诊断方法.仿真分析结果表明:基于该网络模型的诊断方法与传统的三比值法相比较,具有较好的故障识别与分类能力,显著提高了诊断准确率,将在电力设备故障诊断中有良好应用前景.     

基于神经网络的变压器故障诊断

为了保障变压器在电力系统中能够安全有效的运行,提出了一种将RBF神经网络与模糊控制算法相结合对变压器进行故障诊断的方法。设计了具有6层神经网络的学习体系,并且将模糊隶属度函数引入到第2层中,加快了神经网络的学习速度。基于变压器故障的数据统计,通过对其内部的气体含量进行分析对故障类型进行分类。通过样本数据对所设计的模糊RBF神经网络进行故障诊断训练。实验结果表明,通过训练后的该模型对变压器的故障诊断具有更好的效果。