模拟神经网络VLSI脉冲流技术在故障诊断中的应用分析

介绍了模拟神经网络VLSI脉冲流技术实现神经网络模式识别硬件电路的方法，并且直接将故障分类。提出利用包含有故障信息的原始模拟噪声信号，经过前置信号处理和神经网络运算，得出VLSI电路输出端电容的电压值－代表待识别信号与模板故障信号的“欧氏距离”，以实现噪声故障信号的实时硬件在线识别。     

谈VLSI在通信系统中的应用

研究VLSI在通信系统中的应用,讨论了实时数字信号处理的VLSI实现、CMOS的实现等问题,VLSI在通信系统的中的应用是提高通信质量和通信设备便携性的主要技术手段,是有望改变通信系统形式的核心技术。     

小波神经网络在齿轮故障诊断中的应用

提出了基于小波分析和SOM网络相结合的故障诊断方法,利用小波分析技术采集拖拉机齿轮故障特征信号,然后利用SOM神经网络对采集到的故障数据进行建模诊断.实验表明,该方法能有效提高齿轮故障诊断的准确率.     

BP神经网络在室内甲醛定量分析中的应用

针对室内低浓度甲醛气体的定量分析中,反向传播(BP)算法初始权重敏感性、容易陷入局部极值等问题,以遗传算法优化BP网络,对浓度范围在(0.002~0.06)×10 -6的30组不同浓度的甲醛气体进行定量分析.通过对室内气体中的甲醛气体的初始数据进行优化,将优化的权值阈值代入BP网络,进行浓度的回归分析,并与BP神经网络模型回归效果对比,结果表明:遗传算法优化BP网络方法运行时间约为BP网络的1/2,且预测精度明显高于BP网络.相较于BP网络,遗传算法与BP网络结合更适合处理甲醛气体定量分析问题.     

基于学习矢量神经网络的电力变压器故障诊断

提出了一种基于学习矢量化(Learning Vector Quantization)神经网络分类器结合油中溶解气体分析(DGA)的变压器故障诊断方法,把故障信号的训练样本输入到LVQ网络中进行训练,利用网络的竞争性将分类信息转变成使用者所定义的类别.训练和测试结果表明了该方法的有效性.     

改进的ART2型神经网络在故障诊断中的应用

针对传统ART2型神经网络的缺点,提出了一种增强了网络执行速度的改进的ART2型神经网络。改进后的算法避免了传统ART2因输入次序不同而导致的输出结果不同的缺陷。应用了一种新的方法计算输入模式与所有模式的相似度。为了解决传统ART2型神经网络的模式漂移问题引入了激活深度的概念。改善了ATR2型神经网络的适用性。     

递归在故障诊断专家系统设计中的应用

在智能故障诊断中,C(C )语言具有多方面优于传统人工智能语言(如LISP、PROLOG)的特性,它对递归的支持使得用其来开发故障诊断专家系统成为可能.本文研究了故障诊断专家系统开发中用到的递归方法及其基于C(C )的实现,具体包括:动态数据库设计中结构体的递归定义,推理机设计中函数的递归调用等.针对知识推理中易出现的"循环递归"问题,提出了一种基于"因果网络直观图"的解决方法.     

VB调用Matlab在凝汽器故障诊断中的应用

将VB调用Matlab方法应用到凝汽器故障诊断中,介绍了利用ActiveX技术实现VB调用Matlab的详细编程步骤,以VB编写诊断系统主界面,利用Matlab神经网络工具箱完成对凝汽器的故障诊断,两者相互取长补短,从而缩短了程序开发周期、减少了程序员的工作量.该系统具有良好人机交互界面,实例验证表明利用VB调用Matlab方法开发凝汽器故障诊断系统,其诊断结果可靠,且能够满足对凝汽器进行实时故障诊断的要求,可对现场运行起到一定指导作用.     

小波神经网络在滚动轴承故障诊断中的应用

结合小波变换和神经网络的优势给出小波神经网络的结构模型,研究了小波神经网络的学习算法;针对传统算法收敛速度慢等问题,从学习率和引入动量项两个方面对算法进行改进。应用小波网络对滚动轴承的典型故障进行实例诊断。以7216圆锥轴承在实验台上所测取的数据进行网络训练。用振动信号为网络输入向量,给出训练结果。仿真实例表明,采用小波神经网络能够很好地对故障进行分类,其收敛速度明显要快于相同条件BP神经网络,有效地实现了滚动轴承的故障诊断。     

概率神经网络在发动机故障诊断中的应用

由于发动机运行系统结构的复杂性,传统方法很难及时找出故障发生的原因,因此,提出采用概率神经网络PNN来实现对发动机运行系统的故障诊断.PNN是一种训练速度快、结构简单和应用广泛的人工神经网络,它采用贝叶斯分类决策理论建立系统的数学模型;以高斯函数作为激励函数,具有非线性处理和抗干扰能力强等特点.Matlab仿真结果表明,该诊断方法快速准确且易于工程实现.     

基于神经网络VLSI与噪声信号的故障诊断

为了改变传统的基于软件的机械故障诊断模式，以及发挥神经网络超大规模集成电路(vLSI)的优势，提出了一种用于故障诊断识别的脉冲频率调制(PFM)模拟神经网络脉冲流vLSI电路。实现了一种脉冲流数字模拟混合突触乘法／加法器电路，而且该神经网络电路的突触权值不需要学习调整．降低了电路的复杂性。以此电路为基础．设计了进行主轴承磨损故障诊断的神经网络故障识别系统。利用含有故障信息的噪声信号代替传感器安装困难的基于振动信号的特征值提取，最后．根据代表待识别信号与标准故障模板之间欧氏距离的电路输出端电容电压值可以判断出故障类别。该电路具有较高的识别精度．可以实现噪声故障信号的实时在线识别。     

基于PNN的飞机发动机故障诊断研究

鉴于概率神经网络良好的分类性能,提出一种基于PNN的飞机发动机故障诊断方法,成功对三种典型飞机发动机转子故障做出了正确诊断。研究表明,PNN网络诊断准确,对测量噪声有良好的鲁棒性,具有较好的工程应用前景。     

基于BP神经网络的故障诊断技术研究

分析了传统的故障诊断方法的特点和缺点,在此基础上选择BP神经网络应用于故障诊断,详细探讨了BP神经网络的建模方法,根据设备的层次结构和特点,将集成神经网络应用于故障诊断,有效地克服了单一神经网络故障诊断的一些缺点,大大提高了故障诊断的效率和准确率.     

基于模糊神经网络的复杂网络故障诊断设计

针对雷达等复杂大型电子装备网络系统的故障定位难、影响关系不清晰的问题,采用了基于模糊神经网络的故障定位方法,提高了网络故障定位的快速性与准确性：首先介绍了模糊隶属度及模糊神经元等理论,接着基于模糊理论将网络监测信息进行模糊化处理,并利用神经网络模型对模糊后的信息进行训练与学习,参数训练达到设置的期望误差0.01;最后利用训练好的模型对随机抽取的2组网络故障实例进行了验证,软件执行单次诊断耗时3.5s;结果表明采用基于模糊神经网络的诊断方法,能够较好解决网络故障耦合复杂、故障现象与故障原因关系不清晰等难题,对网络故障快速排除与恢复具有重要意义。     

基于改进BP神经网络的网络故障诊断研究

针对网络故障诊断过程中故障规则难以提取的问题,提出一种基于改进BP神经网络的故障诊断方法。以网络故障信息为样本对BP网络进行训练,利用其强大的自适应能力和非线性映射能力,建立起网络故障信息与故障模式输出之间的映射。同时,为了避免BP网络的学习算法陷入局部极小值,提高故障诊断的效率和精确度,采用L-M优化算法来对网络进行训练。另外,采取初期终止的方法提高BP网络的泛化能力。实例表明,该方法有效提高了网络故障诊断的有效性。     

基于粗糙集-神经网络集成的故障诊断

综合粗糙集和神经网络的优点,提出一种基于粗糙集-神经网络集成的智能故障诊断模型.在数据采集和预处理的基础上,利用粗糙集(RS)理论对原始故障诊断样本进行离散化处理,并根据条件属性(集)对决策属性的正域的大小来选择属性,提取出对诊断故障贡献最大的最小故障特征子集,从而确定神经网络的拓扑结构;通过网络训练建立故障特征与故障之间的映射关系,采用神经网络集成的方法实现故障的诊断.通过热电厂发电机组的故障诊断实例,表明了这种故障诊断方法的工程有效性.     

基于神经网络的设备故障诊断

文中介绍了一种基于人工神经网络的设备故障检测和诊断方法,其ANN集是用基于知识的解析冗余关系组织的,并用遗传算法进行ANN的设计和训练。将该方案用于感应式发动机的故障诊断,以评估该方案的性能。     

基于BP神经网络的电子电路故障诊断技术

提出利用BP神经网络进行电子电路故障诊断的基本思想、基本步骤,并通过MATLAB软件编程,对实际问题的解决进行仿真,说明该技术的可行性和有效性,为电子电路的故障诊断提出新思路。