基于模糊神经网络的故障诊断在永磁直线同步电动机中的应用

针对永磁直线同步电机的特点，应用基于模糊神经网络的故障诊断方法，将模糊理论与神经网络融合在一起，实现了对该电机故障的模糊诊断。介绍了模糊神经网络的结构和学习方法，利用了一种阈值向量故障判别方法，使永磁直线同步电动机的故障判别灵活、可靠。仿真结果表明，该方法是行之有效的。     

无刷励磁同步发电机旋转整流器故障的模糊神经网络诊断

模糊神经网络是模糊逻辑与神经网络相结合而构成的 ,具备模糊技术和神经网络技术的优点 ,应用于电力系统故障诊断中 ,是一种使用方便的人工智能处理系统。基于模糊神经网络对无刷励磁同步发电机旋转整流器故障诊断进行研究。经过训练后的模糊神经网络 ,在对旋转整流器故障进行诊断时 ,有较高的准确性和有效性     

导弹测发控系统智能故障诊断技术

为了实现对导弹测发控系统的故障诊断,在深入分析导弹测发控系统故障特点和机理的基础上,研究了当前几种常用的故障诊断技术,根据神经网络、专家系统和模糊逻辑的各自优点和特点,以互为补充为原则,给出了一种基于模糊神经网络的故障诊断专家系统的构建方法.通过将传统的专家系统技术与模糊神经网络技术相融合,构造出某型导弹测发控系统智能故障诊断系统,验证了方案的可行性,为类似系统的进一步实现提供了有益的借鉴.     

无刷励磁同步发电机旋转整流器故障的模糊神经网络诊断

模糊神经网络是模糊逻辑与神经网络相结合而构成的,具备模糊技术和神经网络技术的优点,应用于电力系统故障诊断中,是一种使用方便的人工智能处理系统.基于模糊神经网络对无刷励磁同步发电机旋转整流器故障诊断进行研究.经过训练后的模糊神经网络,在对旋转整流器故障进行诊断时,有较高的准确性和有效性.     

神经网络在故障诊断中的应用

从神经网络充当广义模式匹配器进行故障诊断以及神经网络与基于模型故障诊断的融和两方面介绍了神经网络在故障诊断中的研究及应用现状。此外,还介绍了神经网络与模糊技术相结合以及神经网络与专家系统相结合而成的智能故障诊断系统。最后,探讨了神经网络故障诊断的新近发展趋势。     

模糊神经网络在变压器故障诊断中的应用

提出了与神经网络结合的模糊变压器故障诊断新方法 ,克服了一般模糊诊断学习困难的局限 ;通过与模糊判决矩阵的对应关系 ,发现神经网络系统的权值矩阵就是模糊诊断里面的判决矩阵。模糊神经网络、组合神经网络和判决树 3种方法对故障样本的正判率分别为 90 .4 %、75 .4 %、83.3% ,这表明模糊神经网络方法的有效性与可行性 ,它弥补了DGA试验相近故障识别率低的不足 ,克服了组合神经网络无“可塑性”的缺陷 ,避免了判决树对样本选择的强烈依赖 ,使故障诊断准确度大为提高 ;也说明了DGA和其它电气试验相结合综合分析的必要     

汽轮机组凝汽器故障诊断方法的分析研究

结合凝汽器的实际运行状况和现场专家经验，介绍了3种凝汽器故障诊断方法：模糊模式识别、神经网络、模糊神经网络。用实例对几种方法进行分析比较，指出了凝汽器故障诊断方法的发展趋势。     

基于模糊遗传神经网络的信息融合故障诊断技术及其应用

在基于广义模糊加权型推理的模糊神经网络基础上,融合非一致性遗传算法,建立了一种模糊遗传神经网络。利用模糊遗传神经网络技术建立信息融合中心,对多传感器数据进行融合处理,通过多源互补信息减小故障诊断系统的不确定性。讨论了模糊遗传神经网络多传感器信息融合方法中数据处理、特征向量维数压缩与关联、归一化处理方法等。同时,对模糊遗传神经的构造以及学习训练等内容,也作了较为详细的讨论。并对模糊遗传神经网络信息融合技术应用于变压器状态的实时监测的应用前景进行了初步探讨。     

模糊输入的概率神经网络在变压器故障诊断中的应用

将概率神经网络引入到电力变压器的故障诊断中,并提出了利用模糊数学的知识对神经网络输入进行预处理的方法.采用改良的三比值方法来实现故障诊断,建立了基于模糊输入的神经网络故障诊断模型.通过对神经网络模型的实例训练及仿真,证明了此方法有较好的收敛性,提高了故障诊断的有效性和准确性.     

模糊神经网络在变压器油中溶解气体故障诊断中的应用

基于模糊隶属度和BP神经元网络,提出了将模糊神经网络应用于变压器油中溶解气体故障诊断的方法。该方法采用了由输入层、输出层、隐含层和模糊化层组成的一种四层前向模糊神经网络,并利用模糊理论预处理数据,建立了基于模糊神经网络的变压器故障诊断模型。结果表明,该方法对变压器进行故障检剥诊断是有效的。     

一种改进的小波神经网络应用于电动机故障诊断

对基本的小波神经网络进行改进,用遗传算法取代传统的梯度下降法,对小波神经网络中的初始参数进行全局优化.将经过改进的小波网络应用于电动机的故障诊断,并对5组电动机故障数据进行验证.实验结果表明,该算法具有较快的收敛速度和较高的计算精度,证实了此方法应用于电动机故障诊断的正确性和有效性.     

基于卷积神经网络的直线同步电动机电枢绕组故障诊断

通过绕组函数理论对直线同步电动机进行分析,提出一种基于卷积神经网络(CNN)的直线同步电动机故障诊断方法。从直线同步电动机的数学模型出发,基于绕组函数理论对电动机正常状态和匝间短路故障状态进行仿真,对电流波形图进行快速傅里叶变换(FFT)得到不同状态的数据集。利用CNN中的GoogLeNet网络结构,在保持网络空间维度的同时不增加故障诊断的计算量。将数据集输入到网络模型进行故障诊断,仿真结果表明GoogLeNet网络结构对直线同步电动机电枢绕组的短路故障识别率达到了96.5%以上。     

三种变压器故障诊断方法比较研究

变压器常规诊断的油中溶解气体的三比值法(IEC),在目前变压器故障诊断中有着广泛的应用,许多人工智能技术在电力变压器故障诊断中的应用都是基于IEC法进行研究的,并在此基础上提出了基于神经网络和模糊神经网络的变压器故障诊断专家系统。该文将传统IEC三比值法、神经网络法和基于IEC三比值法的模糊神经网络法进行了比较。本文结合实例对这三种诊断方法进行了分析与探讨,指出了传统的IEC三比值法的不足,神经网络法和基于IEC三比值法的模糊神经网络法的优点等。     

电机故障诊断的人工智能方法综述

在分析电机故障诊断传统方法的基础上,讨论了近年来电机故障诊断领域的智能控制手段和最新进展:即神经网络、模糊逻辑、模糊神经和遗传算法等,给出了详细的图表和简化的应用实例,并比较了各方法的优缺点。     

基于非线性主分量分析-多层感知器网络的变压器油中溶解气体数据分析

采用人工神经网络进行变压器DGA数据的分析与诊断。为全面评价变压器的实际运行状况，综合利用了各特征气体含量及其比值信息，并借鉴模糊数据处理思想构造初始输入特征集合。借助一个特殊的复合神经网络进行数据分析与故障诊断。其中，非线性主分量分析网络执行多元输入特征信息的融合及主特征选择，形成待识别故障类的敏感特征量；随后的多层感知器执行故障模式识别。试验结果表明，在DGA分析的基础上，应用非线性主分量分析－多层感知器复合神经网络可有效实现变压器不同故障模式的智能化识别，获得较好的诊断结果。     

基于改进遗传小波网络的电机故障诊断研究

用频谱分析方法提取了无刷直流电动机的正常工作状态和几种常见的故障(位置传感器一路故障、A相绕组断路故障和驱动开关断路故障)时的特征信号,进行了诊断算法研究,提出了用改进遗传算法优化小波神经网络参数的调整过程,并用改进遗传小波神经网络对无刷直流电动机进行故障诊断。仿真结果表明,与经典遗传小波神经网络、小波神经网络和BP神经网络等方法进行比较,该方法在无刷直流电动机故障诊断中具有更快的收敛速度和更高的诊断精度。     

基于模糊神经网络的燃气轮机热力部件故障诊断研究

针对燃气轮机热力部件故障,提出了基于模糊神经网络的故障检测和诊断方法。在利用模糊规则描述系统故障状态的基础上,通过建立故障诊断目标函数,利用误差反向梯度算法实时修正神经网络连接权值和阈值。仿真结果证明与传统BP神经网络相比,模糊神经网络在对燃气轮机热力部件故障的识别中,具有更高的准确率。     

基于粗糙集与模糊神经网络的变压器故障诊断方法

将基于粗糙集理论的模糊神经网络，应用于变压器故障诊断中，充分利用粗糙集理论对知识的约简能力模糊神经网络优良的分类能力，首先利用粗糙集方法对原始数据进行约简，形成精简的规则集，以此基础构建的模糊神经网络结构完全是由粗糙集最终约简规则决定的，具有良好的拓扑结构，网络规模大大减少，学习速度大为提高，而且保持了网络较好的分类能力。