小波神经网络在模拟电路故障诊断中的应用

介绍了模拟电路故障诊断的神经网络方法及小波神经网络结构和原理,以一带通滤波器为例,提出了一种基于输出灵敏度分析,利用多频测试生成故障特征向量训练小波神经网络进行故障诊断的方法,仿真结果表明小波神经网作为故障分类器具有收敛速度快,诊断准确等特点。     

基于肤色和模板的人脸检测

针对彩色图像提出了一种基于肤色和模板的人脸检测方法,由肤色分割、模板匹配和人工神经网验证3部分组成.首先使用HSI空间的肤色统计模型分割出可能包含人脸的区域,然后使用平均脸模板匹配和人工神经网验证的方法在这些区域中搜索人脸.该方法将彩色图像的肤色信息和灰度图像的模板匹配及人工神经网分类模型综合起来,既极大地提高了速度,又具有较强的鲁棒性.实验结果表明,该算法是快速而有效的.     

人工神经网在二维PSD器件非线性修正中的应用

介绍了一种应用人工神经网对二维PSD器件非线性进行修正的方法。对光斑在二维PSD光敏面上的横向位移，以光斑的二维坐标集合为神经网的期望输出，以PSD输出的二维坐标集合为神经网的训练样本，对神经网络进行训练。利用神经网络所具有的非线性映射能力，在训练结束后即可建立PSD输入与输出的近似线性关系。结果表明修正后的PSD器件可以实现任意输入的实时非线性修正。     

BP神经网络的汽车故障诊断系统

汽车发动机故障呈现多部位、多现象、非线性等特点,因此诊断汽车发动机故障较为困难.经过对汽车发动机故障的诊断以及BP神经网络理论的研究.将BP神经网络的联想、推测、记忆、学习等优点和误差反向传播算法应用于汽车故障诊断.分析了系统网络结构和性能,利用实际测试的故障样本训练网络并进行测试.结论证明,BP神经网络应用于汽车故障诊断,效果良好.具有较高的诊断效率和准确度.     

复杂电力设备突发故障诊断方法研究与仿真

研究复杂电力设备突发故障的准确诊断问题.大型电力设备中,突发性的故障越来越多,故障的状态往往呈现较强的非线性关系,造成用于预判的相关电磁特征极其的不明显.传统的故障预测方法往往根据故障状态的预判性特征进行合理的预判断.大量的非线性信号特征给正常的电网故障状态带来了较大干扰,造成诊断精度不高.为了解决上述问题,提出一种改进人工鱼群算法的电力设备故障诊断方法,通过引入神经网络的优势,对人工鱼群算法进行优化,利用人工鱼群中的各种行为对神经网络进行有效的反馈,对干扰数据进行进一步的排除,实验结果表明,改进后的人工鱼群算法提高了复杂电力设备的故障诊断准确度.     

神经网络分类器的快速构造算法

使用ＢＰ算法训练多层网络的速度很慢而且事先难于确定隐节点和隐层的适当数目。本文提出一个有效的算法，先构造决策树，然后将构造的决策树转换为神经网。文中使用一个全局准则函数控制决策树的增长，它较好地匹配了树的复杂性和训练样本量及错分率界。实验结果，本文的算法比用ＢＰ算法训练多层网络要快，而其分类精度不低于用ＢＰ算法训练的多层神经网。     

极限学习机在电机故障智能诊断中的应用

针对传统的电机故障诊断方法往往采用单一信号作为诊断依据,以及利用传统的BP神经网络进行故障诊断时存在的训练速度慢、易陷入局部极小值的缺点,提出了一种基于极限学习机和多源信息融合的电机故障诊断方法.首先将定子电流信号做陷波处理,滤除基波分量;然后对电流及振动信号进行小波包分解和重构,以各频带的小波包能量谱作为故障特征向量训练极限学习机模型;最后将训练好的极限学习机模型作为诊断决策分类器来判断电机的运行状态.实验结果表明,此方法能够准确地诊断电机的故障类型,具有运行速度快、故障诊断准确率高的特点,满足了系统在线实时诊断的要求.     

BP身经网的比例训练

在图像处理、语音和模式识别技术中,基于高分辨率需要构造大型BP神经网,本文提出一种训练大型BP神经网的方法,即比例训练法,其特点是训练速度快、特征抽取能力强。     

实现模拟电路高诊断率的方法

针对神经网络诊断模拟电路故障中可能存在误诊这一不足,从多分辨分析理论出发,将一维小波的尺度函数和小波函数进行张量积,把得到的张量积小波的尺度函数和小波函数共同作为网络的激励函数,构造了一种小波神经网络,并用该小波神经网络诊断实例模拟电路.仿真结果表明,该小波神经网络不仅能够诊断出已训练的故障类型,而且还能对新故障进行正确的分类,避免了误诊情况的出现.     

基于联合神经网络的冗余传感器故障诊断和信号重构

本文提出一种基于联合神经网络的传感器故障诊断和信号重构的方法．联合神经网 络的初级神经网络实现冗余信息的压缩，利用冗余信息把故障信息过滤掉，第二级把压缩后 的非故障信息复原，然后通过SPE图来诊断故障．发现故障后利用冗余信息实现信号重构．