基于R-NN的可控硅励磁系统故障诊断

基于同步发电机可控硅励磁系统经常发生故障,提出一种基于粗糙集—神经网络(Roughset-NeuralNetwork)相结合的故障诊断方法。以励磁系统中三相桥式可控硅整流回路为核心进行故障诊断研究,对整流回路故障波形的采样数据样本信息进行预处理,通过运用粗糙集理论的知识约简方法形成故障诊断的确定性规则,从而实现故障分类;然后将其结果与故障信息中的输出样本值作为神经网络的输入,实现故障元的定位。通过计算机仿真,结果表明:该方法对三相桥式可控硅整流回路故障诊断简便准确,诊断速度快。     

ANFIS模糊神经推理机在故障诊断中的应用

传统的故障诊断专家系统大多是基于知识的故障诊断系统，有一定的局限性。模糊神经网络技术的引入，给故障诊断专家系统带来了新的思路，将模糊理论与神经网络融合，利用神经网络来实现系统的模糊逻辑推理，建立了一种基于模糊系统（FS）与神经网络（NN）融合的系统故障诊断方法，并利用MATLAB中的ANFIS模糊工具来实现其模糊神经推理过程，通过对系统进行仿真，得到了比较满意的结果，实例表明，该工具用于故障诊断的模糊推理是高效可行的     

多传感器数据融合技术在故障诊断中的应用

利用多传感器数据融合的方法进行故障诊断,建立融合故障诊断系统.将故障诊断系统按数据融合的方法分为数据级融合模块、特征级融合模块和决策级融合模块.数据级融合模块主要对多传感器的测量信号进行处理,提取出故障诊断的特征信息.特征级融合模块采用3个结构相同的并行神经网络,一是进行局部诊断;二是获得决策级D-S证据理论的基本概率赋值.决策级采用D-S证据理论的方法对特征级局部诊断的结果加以融合,得到最终的诊断结果.利用此系统在汽轮机转子试验台架上进行了故障诊断,得到了令人满意的结果.     

粗糙集与模糊神经网络集成在故障诊断中的研究

考虑模糊聚类的数据离散功能，粗糙集理论对决策系统的约简能力，以及模糊神经网络在模式识别方面具有的优势，提出了粗糙集一自适应模糊神经网络推理系统（ANFIS）集成进行故障诊断的方案：首先，应用SOM方法离散故障诊断数据中的连续属性值；然后,基于粗糙集理论计算诊断决策系统的约简，按照实际需要确定诊断条件；最后，根据系统约简设计ANFIS进行故障诊断。4135柴油机的实际诊断结果验证了文中提出集成故障诊断方案的可行性。在数据充分的条件下，该方案可以推广应用于其它机械设备。     

飞机系统的智能化故障诊断研究

通过分析民航外场维修诊断现状，综合运用人工智能，模糊逻辑和神经网络等先进理论，提出了一种基于模糊系统与神经网络融合的飞机系统智能故障诊断方法，该方法经对A320飞机故障实例的诊断仿真，得出了比较满意的结果。     

基于信息融合技术的某新型自行火炮发动机电控系统故障诊断

多传感器故障诊断过程中,由于多方面的原因,如测量噪声的存在、诊断知识的不完全等等,使得故障诊断存在着不确定性,影响到诊断结果的可靠性和准确度;通过分析某新型自行火炮发动机电控系统的故障特点,研究了一种基于BP神经网络及信息融合技术的多传感器故障诊断方法,将该自行火炮发动机电控系统的故障诊断过程分为子系统和系统级两级诊断,子系统采用BP神经网络实现故障模式分类,系统级运用D-S证据理论对整个系统故障进行综合决策评判;应用表明,在某个子神经网络识别存在差异的情况下,采用D-S证据理论进行融合可以有效地提高识别的准确性。     

模糊神经网络在发动机故障诊断中应用研究

本文对模糊逻辑和神经网络故障诊断方法做了研究。根据这两种方法各自的优缺点,采用串联方法将二者相结合,用模糊信息处理方法对输八信号进行预处理,然后利用神经网络的逼近能力来实现对故障的诊断。将该方法构建的推理系统应用于汽油发动机偶发性疑难故障诊断。利用Matlab进行软件仿真,仿真结果表明该方法可以给出较高精度的诊断结果,与单纯使用模糊逻辑方法或神经网络方法都有较大改进,尤其列于单一系统的复杂故障具有很好的识别能力,有良好的应用前景。     

基于模糊神经网络的连铸机故障诊断研究

针对连铸机结晶器液压振动系统故障特点,采用模糊理论与神经网络相结合的方法对其进行故障诊断,用模糊信息处理方法对输入信号进行处理,然后采用神经网络的逼近能力实现连铸机结晶器液压系统振动故障诊断,利用现场数据进行了仿真实验,仿真结果表明该系统具有很好的识别能力,可以对不确定行知识进行很好的处理,提高故障诊断的精度。     

嵌入式系统在液压状态监测与智能故障诊断中的应用

针对国产地F元轨采矿设备液压系统故障率高，而其检测和故障诊断手段落后的背景，提出了一种基于嵌入式系统的液搓状态监测与智能故障诊断模型，陔故障诊断模型通过没置在液压系统中的多源异质传感器实时采集设备特征信息，并采用模糊神经网络来实现数据的融合处理，诊断结果通过界而友好的LCD显示，实现了故障状态的实时岭测和故障的智能诊断。通过该故障诊断模型，有效地解决了无轨采矿没备液搓系统故障率高而其检测和故障诊断手段落后的问题。提高了设备故障诊断的自动化和错能化．增强了设备的市场竞争力。     

电能计量互感器二次回路故障远程诊断方法

为保障电量计量设备平稳运行,提高二次回路故障诊断准确率,提出了电能计量互感器二次回路故障远程诊断方法,提高不同原因导致的二次回路故障诊断效果。在电能计量二次侧的电压、电流二次回路上布置各检测点,通过远程诊断设备的PT监测单元、CT监测单元、多路模拟采集器采集各检测点的电参量数据,传输至远程诊断设备的故障诊断单元,故障诊断单元综合处理接收的各数据信息,利用基于改进粒子群优化的BP神经网络故障诊断模型诊断互感器二次回路故障,并输出故障诊断结果。实验结果表明：该方法经80次迭代后,适应度曲线达到最佳收敛效果,获得最小MSE值,可有效识别电流信号的波形变化,实现不同原因导致的互感器二次回路故障的远程诊断,且故障诊断准确度高。     

基于神经网络专家系统的钻井事故诊断

结合石油钻井工程的实际情况,依据钻井过程的监测参数,设计了利用神经网络进行知识获取、专家系统进行事故诊断的钻井工程事故智能诊断系统。通过神经网络对钻井复杂问题实例的不断学习训练,获得用于智能诊断的知识,完成对事故发生可能性的初步诊断。经过专家系统的进一步启发式反向推理验证事故是否存在,给出最后确诊,以此监控钻井参数,指导钻井参数调整的实施。应用实例结果表明,该智能诊断系统应用于钻井事故诊断是有效的,对减少钻井事故的发生与发展具有重大的实际应用价值。     

Forecasting of Software Reliability Using Neighborhood Fuzzy Particle Swarm Optimization Based Novel Neural Network

This paper proposes an artificial neural network (ANN) based software reliability model trained by novel particle swarm optimization (PSO) algorithm for enhanced forecasting of the reliability of software. The proposed ANN is developed considering the fault generation phenomenon during software testing with the fault complexity of different levels. We demonstrate the proposed model considering three types of faults residing in the software. We propose a neighborhood based fuzzy PSO algorithm for competent learning of the proposed ANN using software failure data. Fitting and prediction performances of the neighborhood fuzzy PSO based proposed neural network model are compared with the standard PSO based proposed neural network model and existing ANN based software reliability models in the literature through three real software failure data sets. We also compare the performance of the proposed PSO algorithm with the standard PSO algorithm through learning of the proposed ANN. Statistical analysis shows that the neighborhood fuzzy PSO based proposed neural network model has comparatively better fitting and predictive ability than the standard PSO based proposed neural network model and other ANN based software reliability models. Faster release of software is achievable by applying the proposed PSO based neural network model during the testing period.      

基于神经网络的数模混合电路故障诊断模型设计

神经网络是智能故障诊断中运用最为广泛的诊断方法之一,能应对复杂数字电路和模拟电路故障诊断;基于VC++的神经网络诊断系统具有运算速度快、输入输出界面丰富、易于实现在线故障诊断等特点,而Matlab提供强大的神经网络工具箱,在网络训练方面有优势;利用参数文件将二者优势结合起来,可实现功能完善的数模混合电路智能故障诊断系统;诊断实例表明,使用该方法实现数模混合电路故障诊断系统,具有高建模速度和高诊断精度的特点。     

基于T-S模糊神经网络的抽油机井故障诊断

针对油田抽油机井故障的特点,提出了基于T-S模糊神经网络的抽油机井故障诊断方法。即将神经网络的学习能力引入到模糊系统中,将模糊系统的模糊化处理、模糊推理、精确化计算通过分布式的神经网络来表示,从而提高系统的学习能力和表达能力。提出了基于LM优化的BP算法以提高网络收敛速度,利用MATLAB神经网络工具箱建立模糊神经网络诊断模型,经仿真测试表明,所提出的故障诊断方法能有效地对抽油机故障识别,正确率较高、效果较稳定,可提高网络训练及诊断速度。     

基于分形和FNN的水轮机组振动故障在线诊断*

水轮发电机组的故障诊断具有模糊性和耦合性,提出一种基于模糊神经网络FNN的水轮发电机组振动故障在线诊断方法。首先,对反映转子振动状态的轴心轨迹用分形维数提取其结构特征,实现图形量化,以便FNN在线识别;接着,以6种典型振动故障为研究对象,在总结了包括轴心轨迹在内4类共14种故障征兆的基础上,分析各故障征兆的模糊属性,给出它们的模糊处理;然后,建立一种六层的前向FNN映射征兆到故障间的模糊推理,并给出学习算法修正网络参数;FNN通过自学习可保证良好的在线诊断精度。实例分析结果验证了其可行性。     

基于角度修正迭代学习的离散时变系统故障诊断

针对一类非线性离散时变系统的故障诊断问题,提出了一种新的故障检测与估计算法.该算法在选取的优化时域内,利用残差信号通过迭代学习方法调整引入的虚拟故障,并利用实际输出和故障跟踪估计器输出向量空间的角度关系,来修正虚拟故障的迭代学习律,以此来加快算法的收敛速度.该算法不仅能够实现不同类型故障信号的检测与估计,而且还充分利用了估计器输出信号中的新信息,使得算法的收敛速度得到明显提高.最后仿真结果验证了该方法的有效性.     

一种基于模糊神经网络的故障分类器及其在多传感器故障诊断中的应用􀀁

提出了一种应用模糊神经网络进行故障诊断新方法．采用模糊神经网络作为故障分类器,离线地自适应从学习样本数据中提取各个用以描述故障状态的模糊参考模型．在诊断时,此模糊神经网络在线地得到当前系统的模糊模型描述,并将与各个参考模型相匹配,从而得出正确的诊断结果．它适用范围广泛,如用于控制系统的过程对象以及传感器、执行器故障的检测与诊断．通过对燃汽轮机控制系统多传感器故障诊断的仿真证明了此法的有效性和优越性．     

基于故障树分析和模糊综合评判的某雷达故障诊断方法

针对大型雷达电磁环境复杂、设计预留检测接口不足、状态不容易检测等特征,为既提高雷达保障能力,又减少检测电路(设备)、降低成本、提高全机可靠性,考虑到故障与故障征兆问存在着模糊关系,提出了采用基于故障树分析和模糊综合评判相结合的故障诊断方法,通过分析某雷达故障树故障论域的子域,提取故障征兆集和原因集,利用模糊关系矩阵得出故障隶属度输出,最后根据判断法则确定故障位置,给出了具有法则优化和自学习功能的模糊故障诊断流程;诊断应用表明,该方法可充分利用已有的故障信息,有效提高雷达的故障诊断效率.     

Intelligent Fault Diagnosis in Lead-zinc Smelting Process

According to the fault characteristic of the imperial smelting process (ISP), a novel intelligent integrated fault diagnostic system is developed. In the system fuzzy neural networks are utilized to extract fault symptom and expert system is employed for effective fault diagnosis of the process. Furthermore, fuzzy abductive inference is introduced to diagnose multiple faults. Feasibility of the proposed system is demonstrated through a pilot plant case study.     

基于遗传模糊神经网络的煤气鼓风机故障诊断

为充分利用遗传算法的全局搜索能力和BP算法的局部搜索能力,提出了基于遗传算法的遗传模糊神经网络模型,研究了故障特征参数模糊化处理和利用遗传算法优化神经网络权重的方法,加快了网络收敛速度,提高了收敛精度.在煤气鼓风机故障诊断中的应用表明,遗传模糊神经网络克服了BP算法中存在的网络学习收敛速度慢,以及容易陷入局部极小的问题,有效提高了故障诊断的精度.