概率神经网络在水/水热泵机组故障诊断研究中的应用

基于模式识别的设备状态监测和故障诊断原理,根据水／水热泵机组的运行特性,提出一种基于人工神经网络的智能故障诊断方法,通过应用2个概率神经网络估计器,实现对水／水热泵机组运行状态的实时监测和故障诊断。此外,建立水脉热泵机组常见故障与征兆之间的关系库,构建基于人工神经网络的水脉热泵机组状态监测和故障诊断系统的模型结构,以期为开发水脉热泵机组的智能故障诊断系统开辟一条新的可行途径。     

基于混沌理论的设备状态监测应用研究

以汽车变速箱中齿轮系统疲劳实验为例，充分利用混沌方法与小波方法各自在状态监测与故障诊断领域中的优点，进行机械系统状态监测与故障诊断。通过对实验所得振动信号进行小波包分解与重构，得到反映目标部件的特征信号，借助于混沌方法，对信号进行了二次处理，进而对所得特征量的变化趋势进行比较研究，确定了各监测部位的运行状态，并实现了故障定位。计算结果和实验结果相吻合，证明了该方法的可行性。     

UML建模和组件技术在远程监测和故障诊断系统中的应用

随着WEB应用技术的不断发展和人们对远程分布式在线监测和故障诊断的要求不断提高,原有的系统开发模式已经不能胜任现阶段的软件开发需求,为有效地解决这一问题,采用UML(统一建模语言)对整个监测和诊断系统进行框架建模,并结合组件技术(ActiveX/COM/DCOM),开发完成了一个远程分布式在线监测和故障诊断系统。重点对UML和组件技术如何在系统中实现有效组合进行了详细地分析,对未来状态监测和故障诊断方面的系统开发具有一定的实际应用价值和参考价值。     

基于神经网络的自动化电站故障诊断系统

本文结合对自动化柴油发电站早期故障诊断的研究，分析了集工况监测，故障诊断及维修咨询为一体的在线多任务信息处理系统，介绍了系统硬件组成和软件结构框图，并探讨了联想记忆神经网络在早期故障诊断系统中的应用。     

旋转机械设备故障诊断与寿命试验系统开发及应用

对于设备管理人员及工程技术人员开展设备故障机理、故障特征和故障诊断这一系列工作的培训，湘钢自主设计开发了一套旋转机械设备故障诊断与寿命试验系统，部署于首席技师工作室，系统可模拟轴系、轴承、齿轮、润滑油污染故障以及模拟变速/变载对设备健康状态的影响。该系统创新性等应用多种类型传感器采集温度、振动、应力波能量、转速、扭矩等参数监测设备的运行状态，工程技术人员在该试验系统上动手制造故障并分析解决故障，达到加深对于旋转机械故障诊断理论的认识理解、提高实践创新水平的目的。     

基于Kohonen网络的轴系故障诊断研究

本文试从Kohonen神经网络在船舶铀系故障诊断中应用研究出发，提出了船舶轴系模拟试验台的结构和监测原理，通过数据采集系统和开发的软件系统，获得轴系振动倍号并求得其快速傅里叶变换(FFT)频谱，从频谱图中提取信号能量分布的特征矢量，用Kohonen神经网络对特征矢量进行识别，最终得到正确的故障诊断结果。介绍了Kohonen神经网络的学习和工作算法，并研究了在轴系故障诊断中的具体实施方法。实例验证表明，Kohonen网络是一种很有价值的轴系故障诊断手段。     

虚拟仪器技术在移动电站状态监测中的应用

本文讨论了虚拟仪器技术在移动电站状态监测中的应用,介绍了系统的硬件组成、仪器控制方式以及采用图形化编程环境LabVIEW平台和VC++语言开发的系统软件.实际应用证明该系统可实现对移动电站工作状态进行有效的监测和故障诊断,同时也具有很强的灵活性和可扩展性.     

轴承状态监测与诊断系统研究与开发

轴承振动信号监测是机械故障诊断的重要手段,但传统方法无法分析非线性系统的振动信号,文中开发的轴承状态监测与诊断系统以LabVIEW平台为基础,利用分形理论来处理轴承振动信号.实验表明,该系统具有成本低、性能高、扩展性强和诊断准确的特点,能满足工程应用中对轴承状态诊断的要求.     

应用概率神经网络诊断自行火炮发动机的故障

目的　研究概率神经网络模型 ,并应用于故障诊断 .方法　对基于概率统计思想和 Bayes分类规则的概率神经网络模型、网络结构、算法及其特点进行分析 ,利用其进行故障诊断 ,并提出一种优化估计平滑因子的方法 .结果　概率神经网络可很好地诊断自行火炮发动机进行中油路和气路的故障 .结论　概率神经网络在模式识别和故障诊断领域中可取得良好地应用效果     

汽轮发电机组的振动监测及故障诊断系统开发

随着我国电力工业科技进步和电力体制改革的深化,发电企业对汽轮发电机组的振动状态监测与故障诊断技术提出了更高要求.在实验的基础上,利用LabVIEW编程语言,研究开发了汽轮发电机组振动监测及故障诊断系统.     

应用概率神经网络诊断自行火炮发动机的故障

目的 研究概率神经网络模型,并应用于故障诊断。方法 对基于概率统计思想和Ｂａｙｅｓ分类规则的概率神经网络模型、网络结构、算法及其特点进行分析,利用其进行故障诊断,并提出一种优化估计平滑因子的方法。结果 概率神经网络可很好地诊断自行火炮发动机进行中油路和气路的故障。结论 概率神经网络在模式识别和故障诊断领域中可取得良好的应用效果。     

基于FNN的联合收割机故障诊断系统研究

为解决切纵流联合收割机故障诊断过程中输入量的非线性问题,设计基于FNN算法的联合收割机故障诊断系统。传感器采集待测部件的转速值为系统输入值,对输入值进行模糊处理得到模糊输入值,将模糊输入输出作为神经网络的输入输出,在Matlab中对神经网络进行离线训练得到故障诊断规则表,实际使用中只需在PLC中查询规则表即可得到故障诊断结果。实验结果表明:基于FNN的故障诊断系统能很好地解决系统的非线性问题,可以实时反映联合收割机的故障情况,使其尽可能保持高效率的工作状态。     

联想记忆神经网络在电机故障状态监测中的应用研究

电机的状态监测和故障诊断存在多种不确定性特征,而神经网络在改善故障特征识别、提高信噪比、增强诊断结果的鲁棒性等方面有独特的优越性能。本文基于定子不平衡电流的在线检测,探讨了神经网络在电机故障诊断中的应用,模拟实验取得了与实际情况一致的结果,为电机故障的状态监测与早期诊断提出了一条新的有效的途径。     

电厂机械传动部件故障诊断研究

机械设备的动力传递要靠传动部件实现，传动部件的状态直接影响了整机的功能!典型的传动部件：滚动轴承和齿轮装置旋转机械是设备状态监测与故障诊断工作的重点，而旋转机械的故障有相当大比例与滚动轴承有关。滚动轴承是机器的易损件之一，据不完全统计，旋转机械的故障约有30％是因滚动轴承引起的。滚动轴承的原因分析与故障诊断显得尤为重要。     

基于K-means聚类与概率神经网络的模拟电路故障诊断方法

模拟电路已广泛应用于航空电子系统,模拟电路的失效会影响系统的功能,引起系统故障,甚至引发灾难性的安全事故。为快速准确地实现模拟电路的故障诊断,该文引入概率神经网络方法,并针对传统概率神经网络方法中的诊断准确性、诊断效率问题,提出基于K-means与概率神经网络的模拟电路故障诊断方法,定义聚类有效性指标,采用K-means聚类分析与有效性指标分析相结合的方式,选取聚类中心作为模式层神经元训练概率神经网络模型,从而降低模型的复杂程度,大大减少故障诊断时间。最后,以有源滤波电路为对象,通过与传统概率神经网络方法以及随机概率神经网络方法的对比分析,验证该文方法在故障诊断准确性以及故障诊断效率上的优越性能。     

燃气轮机发电机组的振动信号监测与分析系统

研发了一套燃气轮机振动监测、故障诊断系统，系统集数据采集、分析，振动状态检测，振动故障预报、诊断为一体。系统常规的分析功能主要有频谱分析、转子轴心轨迹分析、小波分析、短时傅立叶变换、相关分析等；另外配有趋势分析、报警功能，并建立了振动故障诊断数据库，实现对燃气轮机主要部件的故障诊断。电站现场的6台燃气轮机测试结果表明，本系统的软件功能和硬件功能可以满足燃气轮机振动监测和振动故障诊断的要求。     

基于神经网络的故障检测方法研究

研究了神经网络在状态监测技术中的应用,通过对神经网络故障诊断技术和系统辨识技术的分析,在非线性系统辨识技术基础上,提出了一种基于神经网络非线性辨识技术的故障检测方法.给出了神经网络的有效训练算法,利用神经网络辨识系统模型,作为残差产生器,实时计算残差并进行逻辑判断,从而监测系统的工作行为是否异常.仿真结果表明这种故障检测方法是有效的,实时性强,鲁棒性好.并且神经网络的训练不需要故障模式数据,适用性好.     

基于网络的设备远程监测与故障诊断系统开发

根据网络化远程状态监测与故障诊断应用的需求,设计完成并实现了一套设备远程监测与故障诊断原型系统.该系统的框架结构包括三大部分,即企业监测站(EMU)、企业监测中心(UMC)和远程诊断中心(RDC).本系统完全基于B/S模式设计和实现,其中,采用UML(统一建模语言)进行软件总体结构建模,并采用COM/DCOM/ActiveX/ASP技术完成系统各模块开发.实际应用验证了该系统的总体设计思想正确性和系统各部分功能的有效性和可靠性.     

基于概率神经网络的轴承状态监测与故障诊断

介绍了概率神经网络(PNN)的基本原理,并将其应用于轴承的状态监测与故障诊断,将在实验审搭建的简单的轴承故障实验装置获得的数据,结合信号处理、数据分析等方面的知识,对信号进行分析,分别在时域和频域提取不同特征值.再对提出的特征值进行归一化处理和有效性检验,根据特征值的差异性和重复性原则,应用平均值与平均误差值来检验特征值的有效性.把最终的有效特征值作为神经网络的输入,进行PNN网络训练.结果表明,PNN可以克服BP神经网络(BPNN)学习收敛速度慢、易陷入局部极小值等缺点,对传感器测量噪声具有较强的诊断鲁棒性,能够满足故障诊断快速和准确的要求,适用于在线检测,具有实际应用价值.     

经验模态分解方法在航天器故障诊断中的应用

航天器自主和实时的在轨故障诊断一直是航天领域发展的瓶颈问题,对航天器运动部件的故障特征进行经验模态分解(EMD),有效提取失步故障特征,并得到基频,为黑箱工况下的航天器在轨故障诊断提供了实时的判断依据。另外通过EMD方法与FFT、小波分析的效果对比,验证了EMD方法在航天器运动部件故障诊断上的有效性和先进性。