基于多级BP神经网络的无线电罗盘多故障诊断研究

为了快速准确诊断出无线电罗盘多故障模块,针对诊断过程中的过拟合现象提出了基于提前停止法的学习率可变BP算法,并运用多级BP神经网络诊断思想,得出基于多级BP神经网络的多故障诊断方法;文中根据多级BP神经网络的多故障诊断方法,对具体的机载无线电罗盘测向电路建模仿真,将复杂的无线电罗盘电路分解为3个子网络,并对每个子网络建立合适的故障集,按顺序依次诊断得出无线电罗盘电路中的故障模块;此方法可快速准确定位电路中的多处故障模块,准确率较高且缩短了诊断时间.     

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MATLAB/VB的网络故障诊断软件设计

将VB调用Matlab的方法应用到基于神经网络的网络故障诊断系统软件的设计中;以VB编写诊断系统的主界面,利用ActiveX技术调用Matlab神经网络工具箱完成对网络故障的诊断,将两者的优势有机结合,从而缩短了程序开发周期,减少了程序员的工作量;该软件具有良好人机交互界面,便于网管人员的学习和掌握,且实例验证表明利用VB调用Matlab方法开发的网络故障诊断系统,其诊断结果可靠,能够满足网络实时故障诊断的要求.     

基于粗糙集的容错神经网络故障诊断系统

粗糙集和神经网络在故障诊断中都得到了广泛的应用，但两者都有其局限性，同时在许多方面有其互补性，融合粗糙集和神经网络各自的优势，建立了粗糙集——客错神经网络故障诊断系统。利用粗糙集对原始数据进行简约，导出最简诊断规则，根据选择的冗余约简和最简诊断规则建立粗糙集——容错神经网络故障诊断系统。以滚动轴承故障诊断为例，仿真结果表明系统提高了故障诊断准确率和诊断速度，消除了故障诊断中的误报和漏报现象。     

同步发电机励磁故障诊断系统研究及实现

智能故障诊断系统作为人工智能技术在故障诊断领域的应用,在实践中取得了较好的成效,同步发电机励磁装置诊断系统是在对励磁单元的结构层次、工作原理及其故障模式、故障机理展开分析和研究的基础上来进行设计的,针对现场实际的需要,对智能故障诊断系统在励磁系统故障诊断的应用技术进行了研究,分析了诊断系统的层次结构和主要组成模块,采用DSP作为控制器件,设计了诊断系统的硬件结构和软件结构,最后讨论了诊断系统的诊断机理和工作流程。     

基于小波神经网络的电机声频故障诊断系统

采用能量分布特征提取方法和改进的BP算法，设计了一种基于小波神经网络的故障诊断系统，并应用于电机声频诊断技术。实验表明，此系统诊断结果与实际相符，验证了该小波神经网络故障诊断系统的有效性。     

基于神经网络的故障诊断专家系统研究

针对传统专家系统和神经网络的各自特点,将两者有机结合,构造了一种基于神经网络的混合型故障诊断专家系统。提出了神经网络子模块NNM的概念并分析了NNM的具体实现方法。应用该故障诊断模型对某内燃机组供油系统故障进行了模拟验证,试验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。     

基于神经网络的化工聚合过程故障诊断方法

针对化工聚合反应的特点,结合BP神经网络和专家系统各自在在故障诊断中的优点,利用神经网络的自学习能力和专家系统的解释机能,构建了基于专家经验的神经网络故障诊断系统,用于解决在生产过程中出现异常情况的故障诊断。仿真结果表明,该诊断系统不仅提高了系统运行的可靠性和准确性,而且运用神经网络的并行处理能力来完成推理过程,大大提高了故障诊断的速度。     

基于模糊Petri网的高炉故障诊断系统

采用模糊神经Petri网专家系统来对高炉进行故障诊断,结合神经网络自适应、自学习和模糊控制逻辑推理强、能够表达模糊语义的优点,建立了一种模糊神经Petri网故障诊断模型;针对高炉故障特点对先兆预测分析原理进行了分析研究,提出了自己的设计方法;在分析模糊Petri网及神经网络的优点的基础上,构建了基于模糊神经Petri网的专家诊断系统,通过测试风量,风压,喷吹量,炉顶温度,炉身温度,透气性指数得到诊断结果,使得诊断推理与网络学习更为完善,并运用VC++6.0中MFC功能设计了一套与前面诊断系统相对应的仿真程序,证明了该诊断模型的可行性。     

基于模糊神经网络的雷达印制板故障智能诊断系统研究

以故障诊断理论和方法为基础．综合运用人工智能、模糊理论和神经网络理论．对雷达印制板故障智能诊断问题进行了研究，给出了模糊神经网络故障智能诊断系统的实现过程。仿真结果表明，该方法是一种行之有效的故障智能诊断方法。为雷达印制板的故障诊断提供了一务新的途径。     

Training of an artificial neural network in the diagnostic system of a technical object

The present paper covers the issue of training of an artificial neural network in an intelligent diagnostic system whose purpose is to evaluate repairable technical objects. The structure of the diagnostic system was characterized, and the measurement and diagnostic subsystems were described. An artificial neural network is an important element in an intelligent diagnostic subsystem. The structure, the algorithm, the organization of a neural network and the basic relations that describe its work were presented. The information presented in the form of the vectors of diagnostic signals, and their standard vectors constitute the primary information base used in “DIAG” computer program. Training of an artificial neural network is an important aspect that is presented in the paper. The issue concerning these problems is not presented in the literature. Training of a network was presented on the grounds of teaching vectors, which are determined in a diagnostic system in the process of a simulation of a specific state in the object examined. An example of training of a network was presented in a diagnostic system which evaluates a control system of the operation of a car engine. Appropriate connections were presented for the purpose of a qualitative assessment of the training process of a neural network.     

基于规则的核电站故障诊断神经网络系统研制

人工神经网络方法越来越多地用于核电站诊断系统中,但是由于神经网络训练需要大量的训练样本并且诊断过程的不透明性,使得人工神经网络的应用受到限制。论文提出了一种人工神经网络故障诊断系统,结合了人工神经网络、模糊控制技术和专家系统的优点,使诊断过程易于理解,而且能够获得相应的解释,有更大的适应性。     

病虫害诊断的神经网络专家系统的设计与实现

本文设计了病虫害诊断的神经网络专家系统的知识获取，知识库、推理机制和人机界面等主要功能模块，并实现了基于改进型神经网络的棉花病虫害诊断专家系统。该诊断系统已投入了实际使用，收到了明显的经济效益。     

基于BP神经网络模型的电机故障诊断专家系统

针对传统机械设备故障诊断专家系统存在知识获取能力弱、求解有一定局限性等问题，介绍了BP神经网络旋转机械故障诊断专家系统，对单位BP算法，BP神经网络的建立、训练及应用作了具体说明。该系统学习效率高，故障诊断准确，已成功应用于铁路机车走行部的轮对电机在线故障诊断。     

二值网络的分阶段残差二值化算法

二值网络在速度、能耗、内存占用等方面优势明显，但会对深度网络模型造成较大的精度损失.为了解决上述问题，本文提出了二值网络的"分阶段残差二值化"优化算法，以得到精度更好的二值神经网络模型.本文将随机量化的方法与XNOR-net相结合，提出了两种改进算法"带有近似因子的随机权重二值化"和"确定权重二值化"，以及一种全新的"分阶段残差二值化"的BNN训练优化算法，以得到接近全精度神经网络的识别准确率.实验表明，本文提出的"分阶段残差二值化"算法能够有效提升二值模型的训练精度，而且不会增加相关网络在测试过程中的计算量，从而保持了二值网络速度快、空间小、能耗低的优势.     

Adaptive control for uncertain nonlinear systems based on multiple neural networks.

A new adaptive multiple neural network controller (AMNNC) with a supervisory controller for a class of uncertain nonlinear dynamic systems was developed in this paper. The AMNNC is a kind of adaptive feedback linearizing controller where nonlinearity terms are approximated with multiple neural networks. The weighted sum of the multiple neural networks was used to approximate system nonlinearity for the given task. Each neural network represents the system dynamics for each task. For a job where some tasks are repeated but information on the load is not defined and unknown or varying, the proposed controller is effective because of its capability to memorize control skill for each task with each neural network. For a new task, most similar existing control skills may be used as a starting point of adaptation. With the help of a supervisory controller, the resulting closed-loop system is globally stable in the sense that all signals involved are uniformly bounded. Simulation results on a cartpole system for the changing mass of the pole were illustrated to show the effectiveness of the proposed control scheme for the comparison with the conventional adaptive neural network controller (ANNC).     

基于神经网络和专家系统的故障诊断

分析了专家系统和神经网络在故障诊断中的应用，针对两种技术各自的优缺点，建立了一个基于神经网络和专家系统的采煤机集成故障诊断系统，介绍了系统的结构，诊断策略及神经网络的学习算法，并给出了仿真结果。     

Neural network recognition of electronic malfunctions

Neural network software can be applied to manufacturing process control as a tool for diagnosing the state of an electronic circuit board. The neural network approach significantly reduces the amount of time required to build a diagnostic system. This time reduction occurs because the ordinary combinatorial explosion in rules for identifying faulted components can be avoided. Neural networks circumvent the combinatorial explosion by taking advantage of the fact that the fault characteristics of multiple simultaneous faults frequently correlate to the fault characteristics of the individual faulted components. This article clearly demonstrates that state-of-the-art neural networks can be used in automatic test equipment for iterative diagnosis of electronic circuit board malfunctions.     

装载机远程服务与故障诊断系统研究

通过分析网络化环境下装载机远程服务与故障诊断系统的特点,在此基础上提出该系统的结构,并使用BP神经网络进行装载机的故障诊断,阐述了基于BP神经网络和专家系统混合的神经网络故障诊断专家系统的基本原理。最后分析了基于EJB的装载机远程服务与故障诊断系统的软件实现方法。     

一类非线性系统的多模型神经网络解耦控制器

针对多变量非线性离散时间系统设计多模型神经网络解耦控制器，在每个平衡点处用一神经网络离线辨识非线性系统的线性部分，利用另一神经网络在线辨识非线性部分，将非线性部分视为可测干扰并采用前馈的方法予以消除，所有平衡点处得到的系统模型汇集起来构成多模型集，在每一采样时刻基于切换指标选出最优模型作为当前模型，并据此设计解耦控制器实现控制，仿真结果表明系统在多个平衡点处仍然可以得到较好的控制效果。