共查询到19条相似文献,搜索用时 125 毫秒
1.
基于RBF的传感器在线故障诊断和信号恢复 总被引:4,自引:0,他引:4
介绍利用径向基神经网络构造了一种在线故障诊断及信号恢复方法,给出了网络的连接结构和学习算法。采用RBF神经网络进行传感器在线故障诊断和信号恢复,其仿真结果表明,该方法具有收敛速度快、信号恢复准确度高、泛化能力强的特点,且可以诊断多种复杂工作系统的传感器在线故障信号,同时进行信号的恢复。实现传感器状态监测、故障诊断、分离和信号恢复。 相似文献
2.
基于自适应神经模糊推理的传感器在线故障诊断 总被引:1,自引:0,他引:1
介绍了一种应用于故障诊断的基于T-S模糊模型的自适应模糊神经网络。给出了网络的连接结构和学习算法以及传感器故障在线诊断原理。仿真结果表明,该方法具有收敛速度快,诊断精度高,泛化能力强的特点,而且可以诊断系统多种工作过程传感器的在线故障。 相似文献
3.
4.
基于DSP的发动机故障诊断研究 总被引:1,自引:0,他引:1
介绍了基于Freescale 16位DSP的发动机故障诊断系统的研究与开发,该系统的功能有数据采集与串行通讯、实时监视和故障诊断.主要进行了:以DSP为核心的传感器信号处理电路设计、DsP和PC机串口通信软、硬件开发,基于VB6-0语言的PC机监控系统开发和故障诊断理论研究.通过台架试验,证明了该故障诊断系统的实用性,以及在线实时诊断方法和模糊神经网络自学习方法用于发动机故障诊断的可行性.本发动机故障诊断系统在电控发动机实验研究中已得到成功应用. 相似文献
5.
6.
基于信息融合方法的电力变压器网络在线监测与故障诊断研究 总被引:4,自引:0,他引:4
针对电力变压器在线监测与故障诊断问题,提出了基于多传感器信息融合与嵌入式网络相结合的解决方案。介绍了变压器油中气体分析的原理及诊断方法,重点论述了基于Webit的嵌入式网络在线监测方法,基于BP网络的混合气体识别方法及多传感器一致性信息融合方法等通过试验,验证了方法的有效性。 相似文献
7.
8.
基于神经网络的无人机传感器故障诊断技术研究 总被引:1,自引:0,他引:1
无人机传感器的故障诊断和容错控制是一项关键技术,为了能够实时监测传感器的运行状态、快速定位故障和控制重构,文章采用BP神经网络设计了一种由主、从神经网络构成的无人机传感器故障诊断算法,其中主网络用于传感器的故障检测,从网络完成对故障的识别;该算法减少了故障诊断运算量,提高了故障诊断的实时性;通过仿真研究表明了该算法可以有效地检测、识别出故障,并能给出故障传感器估计值用于容错控制. 相似文献
9.
10.
基于自适应神经网络的高速数字电路测试的研究 总被引:2,自引:0,他引:2
介绍了神经网络的模型建立。针对高速数字电路故障诊断的特点,提出了基于自适应神经网络诊断方法;与传统的神经网络相比,基于自适应神经网络具有学习速度快、网络能够收敛到最优权值、收敛精度很高、网络的分类能力强等特点,从而很好地提高故障诊断的效率;通过一个测试用例验证自适应神经网络在高速数字电路测试诊断中的应用,可以大大提高故障诊断的效率。 相似文献
11.
BP神经网络在飞控系统传感器故障诊断中的应用 总被引:1,自引:1,他引:0
故障检测和诊断技术对提高系统可靠性具有重要意义,针对飞控系统中常见的传感器故障,提出了基于神经网络观测器的故障诊断方法;通过构造神经网络模型代替解析系统建模,利用神经网络的学习能力在线检测传感器故障,最后,应用BP神经网络算法对故障进行仿真;仿真结果表明,神经网络观测器方法对单一传感器故障及多个传感器故障均能够准确识别,并对故障的定位也有不错的效果。 相似文献
12.
在炼铁高炉热流强度分析系统中要用到温度、流量等传感器,为确保热流分析系统中传感器数据的可靠性及系统的连续、稳定运行,诊断系统用径向基函数(RBF)神经网络对传感器进行故障判断。系统由上位机、温度及流量采集装置、传感器等组成,采用RBF神经网络为每一个传感器建立预测模型,网络的输入为传感器采集信号最近的n个值,输出为该传感器在n+1时刻的预测输出值。网络通过在线学习实现对传感器的在线故障监测,经仿真分析表明:用RBF神经网络构建预测模型可满足实时性的诊断要求,提高了诊断系统的诊断精度。 相似文献
13.
基于SVM 预测器的传感器故障诊断与信号恢复研究 总被引:7,自引:3,他引:7
支持向量机(SVM)是一种新兴的基于统计学习理论的机器学习方法.简要介绍了SVM回归原理,据此建立了基于SVM的时间预测器并用于传感器的故障诊断和信号恢复,阐述了具体的实现方法和步骤.仿真结果表明:SVM预测器有效地克服了神经网络的不足,能准确预测和跟踪传感器的输出信号,并在传感器发生故障后一定的时间段内能较精确的估计传感器的正常输出. 相似文献
14.
Kexin Zhang Bin Lin Jixin Chen Xinlong Wu Chao Lu Desheng Zheng Lulu Tian 《计算机系统科学与工程》2022,42(1):351-360
Deep learning techniques have outstanding performance in feature extraction and model fitting. In the field of aero-engine fault diagnosis, the introduction of deep learning technology is of great significance. The aero-engine is the heart of the aircraft, and its stable operation is the primary guarantee of the aircraft. In order to ensure the normal operation of the aircraft, it is necessary to study and diagnose the faults of the aero-engine. Among the many engine failures, the one that occurs more frequently and is more hazardous is the wheeze, which often poses a great threat to flight safety. On the basis of analyzing the mechanism of aero-engine surge, an aero-engine surge fault diagnosis method based on deep learning technology is proposed. In this paper, key sensor data are obtained by analyzing different engine sensor data. An aero-engine surge dataset acquisition algorithm (ASDA) is proposed to sample the fault and normal points to generate the training set, validation set and test set. Based on neural network models such as one-dimensional convolutional neural network (1D-CNN), convolutional neural network (RNN), and long-short memory neural network (LSTM), different neural network optimization algorithms are selected to achieve fault diagnosis and classification. The experimental results show that the deep learning technique has good effect in aero-engine surge fault diagnosis. The aero-engine surge fault diagnosis network (ASFDN) proposed in this paper achieves better results. Through training, the network achieves more than 99% classification accuracy for the test set. 相似文献
15.
基于智能解析余度的容错飞控系统设计 总被引:2,自引:0,他引:2
常规的解析余度容错方法容易受到不确定因素和随机干扰的影响,本文以飞行控制系统为研究对象,提出基于智能解析余度的容错飞行控制系统设计方案,使用径向基神经网络的在线学习和全局逼近的性能,建立飞行控制系统传感器之间的解析余度关系,利用不相同传感器之间的解析关系进行残差分析从而进行传感器的故障隔离与信号重构.这样有效地抑制了测量噪声和模型不确定性.应用某型飞机进行仿真,实现了传感器的在线故障隔离与重构,验证了该方法的有效性. 相似文献
16.
基于支持向量机的机械故障智能分类研究 总被引:7,自引:0,他引:7
故障样本不足是制约故障诊断技术向智能化方向发展的主要原因之一,支持向量机(SVM)是一种基于统计学习理论(SLT)的机器学习算法,它能在训练样本很少的情况下达到很好的分类效果,从而为故障诊断技术向智能化发展提供了新的途径.本文介绍了支持向量机分类算法,以滚动轴承的故障分类为例,探讨了该算法在故障诊断领域中的应用,并与BP神经网络分类方法进行了对比研究,结果表明,SVM方法在少样本情况下的分类效果优于BP神经网络分类方法. 相似文献
17.
本文提出了一种用于水下航行器噪声源识别的RBF模糊神经网络模型。该模型采用PCM聚类算法并具有增量学习能力,网络输出节点在线可调,保证了网络具有较高的泛化能力和一定的学习新故障模式的能力。仿真结果表明,该模型是有效的。 相似文献
18.