FTA与BP神经网络结合的地平仪故障诊断方法研究

为了提高某型地平仪常见故障的诊断效率与准确率，研究了故障树分析(FTA)与反向传播(BP)神经网络相结合的地平仪故障诊断方法。根据地平仪的结构原理，首先采用FTA法得到了该型地平仪的所有故障模式及最小割集，建立了故障树的结构函数。然后按照最小割集重要度，筛选出BP神经网络训练样本的主要故障模式。最后以某单位该型地平仪的故障统计数据为基础，运用BP神经网络的方法建立了地平仪的故障诊断模型，并对模型进行了验证。验证结果表明，采用FTA法与BP神经网络相结合的故障诊断方法，弥补了2种方法单独诊断时的固有缺陷，提高了故障诊断的准确性和效率。     

基于故障字典和神经网络理论的故障诊断方法

鉴于传统的故障诊断方法对复杂系统或设备进行故障诊断时,有诊断速度慢、对多故障同时发生的情况难以准确定位等缺点,提出了基于故障字典法和神经网络理论的综合故障诊断方法;在叙述该综合诊断方法的基础上,以某型飞机自动驾驶仪飞控盒的主要故障为例,分析说明了运用该方法进行设备故障诊断的具体过程,并进行了仿真研究;实现了对此设备单故障和多故障的快速准确定位;结果表明该综合故障诊断方法解决此类故障诊断问题是有效的.     

基于人工神经网络的发射塔平台设备故障诊断

发射塔平台设备的稳定运行是航天发射任务成功的前提,因此需要对平台设备的状态进行监视,基于设备平台参数进行故障诊断和预测。本文给出了发射塔平台设备的数据采集方案,提出了基于BP人工神经网络的发射塔平台设备故障状态诊断方法,基于历史数据训练形成了双层神经网络模型。仿真结果表明,该方法能够提高故障诊断的效率,准确定位设备故障,消除发射塔平台设备事故隐患。     

基于遗传算法和神经网络的导弹故障诊断专家系统

首先简要介绍遗传算法原理,然后在搜集专家经验和专业知识的基础上,提出导弹故障智能诊断方法,设计BP算法以及遗传算法,最后研究基于遗传算法神经网络的导弹故障智能诊断专家系统的结构,并对某导弹发射控制系统进行故障分析,给出具体的诊断实例将此方法应用于导弹武器系统故障诊断中,提高了诊断的智能性.     

BP神经网络在负载管理中心故障诊断中的应用

在分析电气负载管理中心故障特点的基础上,利用神经网络权值和阈值能够随实际的排故结果不断更新及正向推理速度较快的特性,提出了基于BP神经网络的负载管理中心故障诊断方案,并确立了故障诊断BP网络模型.借助于MATLAB的神经网络工具箱,采用两种改进的训练算法对网络进行训练,得到了用于诊断的BP神经网络模型,为检验该模型故障诊断的准确性,采用大量的数据样本进行了仿真.结果表明：基于神经网络的诊断方法故障识别率高、快速有效,具有良好的实用价值.     

装甲车辆电源系统智能故障诊断方法研究

针对电源系统建模复杂的问题,通过Matlab/simulink建立装甲车辆电源系统仿真模型,应用小波包能量法提取电源系统在各种状态下电压及电流信号的能量特征向量,并将其作为故障分类器的输入向量;结合SOM神经网络无监督聚类和BP网络有监督学习的能力,构建两层的故障分类器对各种故障状态进行识别和诊断;以车辆电源系统中整流桥故障为例进行仿真分析,结果表明该方法具有快速准确的故障诊断能力。     

基于BP神经网络的装甲车辆电源系统故障诊断方法研究

为实现装甲车辆电源系统故障诊断的智能化,在Simulink中建立爪极同步发电机数学模型和桥式不可控整流电路来构建装甲车辆电源系统基础模型,通过设置各类故障,采集不同的电压故障波形中的数据并进行归一化处理;在Matlab中编写、运行BP神经网络训练程序,得到网络模型,并取测试样本进行验证;结果证明了该训练后的神经网络的正确性,表明了BP神经网络在装甲车辆电源系统故障诊断中具有可行性,达到了对整流器故障诊断的目的。     

基于故障树和模糊推理的故障诊断研究

针对地空导弹武器装备结构复杂,用传统专家系统进行故障诊断时存在知识获取困难和推理效率低的问题,提出了一种基于故障树分析和模糊推理相结合的智能故障诊断方法。对某型地空导弹武器装备的故障分析诊断表明,该方法具有诊断速度快、诊断结果准确率高的特点,有效实现了装备故障的智能分析诊断。     

基于BP神经网络的电子设备故障诊断技术

故障诊断涉及模式分类与识别问题,神经网络对外界输入样本有很强的识别分类能力,能很好地实现非线性曲面的逼近.因此神经网络在设备故障诊断中能很好地得到应用,BP神经网络是目前最为广泛和成功的神经网络之一.介绍了BP神经网络在电子设备故障诊断技术中的应用,讨论了BP神经网络的算法和改进算法及其诊断过程,并对某型电台的故障诊断进行了MATLAB仿真.     

基于自适应神经网络加权模糊故障诊断研究

研究故障诊断问题;针对传统Petri网难以精确地描述故障现象和故障原因之间的复杂关系,基于模糊逻辑BP神经网络和传统Petri网模型结合,提出了一种新的自适应的加权模糊神经网络Petri网模型故障检测方法;该方法首先采用改进的BP神经网络算法对模型的权值进行训练,然后采用构造的自适应模糊Petri网模型对故障进行诊断;在柔性制造系统实例中进行了故障诊断,实验结果表明,该方法具有很强的故障推理能力以及自适应能力,能有效地对故障进行诊断,具有一定的实际应用价值。     

基于电流源激励的BP神经网络模拟电路故障诊断

针对传统故障字典法对模拟电路故障诊断时存在的缺陷提出了新的故障字典法;将电流源激励下二端口网络输入端和输出端的电压增益比作为故障特征信息,在此基础上先直流测试,后利用BP神经网络交流测试;该方法充分考虑了电路元件的容差,减轻了BP神经网络诊断故障的负担,提高了故障诊断的速度、准确率以及故障覆盖率;利用MATLAB和PSPICE工具对该方法进行实例仿真,结果表明其能够实现快速、准确的故障定位。     

小波包特征熵在级联式变频器故障诊断中的应用

为精确诊断级联式变频器功率器件开路故障,提出了一种基于小波包特征熵的故障信号提取方法.对采集到的级联式变频器相电压信号进行三层小波包分解,提取特征熵构造电压信号的特征熵向量,并以此作为故障诊断样本,利用概率神经网络进行故障诊断.仿真结果表明,基于小波包特征熵的信号提取方法在级联式变频器故障诊断的应用中具有较高的有效性与可行性.     

基于多分类SVM的航空逆变器故障诊断

航空逆变器的可靠性对飞机供电系统的安全性和稳定性尤为重要,但当前对于航空供电器的故障诊断的研究较少,无法为航空逆变器提供有效保障。因此,提出基于多分类支持向量机的故障诊断方法,对航空逆变器的多种故障模式进行诊断。针对故障特征耦合性高的问题,采用主成分分析方法提取故障特征,获取低维度的关键特征。由于逆变器具有多种故障模式,且具有非线性的特点,故采用多分类支持向量机算法进行故障诊断。该算法具有极强的分类能力,是处理小样本、非线性问题的有力工具。实验结果表明,该算法模型可对航空逆变器多种工况条件下的15种故障模式进行有效诊断,并且方法诊断速度快,提高了航空供电系统的安全性。     

基于BP神经网络的某防空导弹发射机构故障分析

在武器装备维修与技术保障领域中,普遍存在故障模式复杂、分析定位繁琐等问题,一定程度上影响了装备维修工作的效率。为解决上述问题,以陆军某型便携防空导弹发射机构为典型研究对象,设计了一种基于人工神经网络的故障分析方法,研究了神经网络在装备技术保障领域中的应用。该方法以BP神经网络为基础,利用历史维修数据确定网络的正反向传播矩阵,在后期采取一定措施对预测准确率进行了优化,整套方法利用Python环境进行了实现。通过实验验证,该方法对发射机构故障进行定位时,速度快、效率高,准确率超过96%,因此可知该方法对于多种故障现象影响下的故障模式分析具有较高的预测准确率,能满足装备维修中故障模式的快速分析定位,并且具有较强的通用性。     

基于EEMD和GA-BP的列车辅助逆变器开路故障诊断研究

地铁列车随着运营年限增加,辅助逆变器故障频发,严重制约轨道交通安全运营,故障及时诊断至关重要。针对列车辅助逆变器典型的大功率器件开路故障,提出了一种基于集合经验模态分解(EEMD)和遗传算法优化的BP神经网络(GA-BP)的故障诊断方法,该方法以辅助逆变器输出的三相半波电压值为监测信号,通过EEMD分解采用能量矩的方法提取故障特征向量,基于GA-BP神经网络实现故障智能诊断。仿真实验结果表明该方法故障诊断准确率能达到95.5%。     

基于改进BP神经网络的某型装备故障诊断专家系统

分析神经网络和专家系统的特点．提出基于BP神经网络与专家系统结合的某型装备的故障诊断方法,构造BP神经网络的装备故障诊断专家系统的诊断模型,克服传统专家系统在知识获取和表达的薄弱环节,并用某型装备的故障实际数据进存验证,结果表明神经网络与专家系统结合是一种有效的诊断方法。     

基于半动态拓扑优化算法的地铁车辆高压供电电路过流故障同步诊断方法

地铁车辆处于复杂的运行环境中,高压供电电路很容易发生过流故障,为迅速辨识过流故障类型,设计了一种基于半动态拓扑优化算法的地铁车辆高压供电电路过流故障同步诊断方法。应用半动态拓扑优化算法,构建模态坐标空间内高压供电电路的电流微分运动模型。结合粒子群算法与优化VDM分解方法,提取模型的过流故障特征。基于BP神经网络与遗传算法构建过流故障同步诊断模型,实现高压供电电路过流故障的同步诊断。案例测试结果表明,该方法对于变压器过流故障、变流器过流故障以及弓网接触不良故障的诊断都比较准确,特别是对于变压器与变流器的过流故障诊断十分准确。     

基于GA-BP的移动通信设备故障诊断

针对通信设备故障发生随机性强,影响因素多,对应的故障诊断有高度非线性和不确定性的特点,采用BP神经网络算法,优化的GA-BP神经网络算法和POS-BP神经网络算法分别搭建基站设备故障诊断模型,提取设备故障历史数据进行MATLAB仿真,准确预测设备故障类型,帮助提高代维公司调度管理的智能化水平,提高基站设备运维的执行效率。仿真结果表明：本文的BP,GA-BP和POS-BP神经网络算法都能够实现设备故障类别的预测,且GA-BP神经网络算法相比BP和POS-BP神经网络算法对通信设备故障诊断有更好的适应性。     

基于光伏组件内部参数辨识的故障诊断模型

光伏组件出现故障时,其内部参数应该最能反映其故障特性,基于此通过比较不同故障状况下的光伏组件内部参数特性,提取相应的故障特征;首先通过MATLAB建立光伏组件各故障模型,通过改进量子粒群算法对不同故障类型下的光伏组件进行参数辨识并获取相应的数据,利用数据建立BP神经网络故障诊断模型并对故障类型进行诊断;仿真结果证明所用参数辨识方法可以准确对光伏组件内部参数进行辨识,诊断结果也表明所选取的故障特征是合理的,通过此模型可以准确的对光伏组件故障进行诊断。