共查询到20条相似文献,搜索用时 109 毫秒
1.
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。 相似文献
2.
3.
4.
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。 相似文献
5.
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。 相似文献
6.
7.
8.
9.
应用概率神经网络诊断自行火炮发动机的故障 总被引:4,自引:0,他引:4
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 相似文献
10.
11.
应用概率神经网络诊断自行火炮发动机的故障 总被引:2,自引:0,他引:2
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。 相似文献
12.
13.
14.
15.
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。 相似文献
16.
17.
基于神经网络的故障检测方法研究 总被引:1,自引:0,他引:1
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. 相似文献
18.
基于网络的设备远程监测与故障诊断系统开发 总被引:3,自引:0,他引:3
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. 相似文献
19.
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. 相似文献