基于专家系统与神经网络集成的故障诊断的应用研究

本文针对工业生产中使用的直流电动机，应用人工智能的相关理论对其故障进行了广泛深入的研究。在此基础上，探讨了专家系统与人工神经网络相集成的电动机故障智能诊断方法并加以实现。实践证明，网络的学习时间显著缩短，整个系统的推理效率明显提高，并验证了集成式专家系统的诊断效果比传统的专家系统或神经网络更为全面、准确和迅速。电动机故障的集成式智能诊断方法是一个既有理论研究意义又有实际使用价值的课题与方向。     

神经网络专家系统在数控机床机械故障诊断中的应用

依据单一的专家系统或神经网络在处理故障诊断中各自存在着局限性,提出将神经网络技术与专家系统融合的集成式故障诊断专家系统,并用于数控机床的机械故障诊断中。介绍神经网络专家系统结构、特点及诊断方法,利用获得的机床机械故障知识、故障样本数据对系统进行验证。结果表明该系统人机界面友好,操作简单,有效地提高数控机床机械故障诊断的水平和效率。     

机械设备智能诊断与预测维修系统

随着新技术、新理论的不断提出和发展,机械设备故障智能诊断技术取得了崭新发展的机遇。本研究笔者通过探讨国内目前设备故障智能诊断技术的发展状态,对以专家系统为基础的智能诊断系统和多传感器信息融合智能诊断技术进行分析与研究。     

基于油液分析的自行火炮远程诊断系统研究

本文研究了基于油液分析的远程设备故障智能诊断专家系统,具体包括开展远程诊断的必要性和可行性,远程诊断的实现方法,专家系统知识库的建立和系统的推理机的选择,以及开展远程诊断时需要注总大儿个问题.     

浅析连续采煤机故障检测技术研究

研究了采煤机在不影响生产的情况下故障检测方法，分析了采煤机故障振动检测、油液分析技术、声学检测法、人工智能和智能诊断、专家系统等方法的特点和应用，并对采煤机故障检测发展方向作了简单探讨。     

机床齿轮箱智能振动故障诊断专家系统

本文论述以人工智能的方法,建立一个诊断机床齿轮箱振动故障的专家系统问题。智能故障诊断专家系统,不仅能应用理论的分析方法,并能利用工程技术人员的实践经验构成启发式规则,进行确定性逻辑推理,其中所采用的micro-PROLOG语言已具备专家系统的基本组成部分,功能很强,便于在PC机上通过。初步试验表明,它是一种行之有效且经济合算的诊断机器振动故障的方法。     

大型风力机组远程智能监测与诊断系统的研究与开发

该文研究了大型风力机组的远程智能监测与诊断系统的关键技术问题,介绍了系统的开发情况。整个系统采用分布式架构,由数据采集与处理、实时数据存储、智能监测与诊断和人机交互4个子系统组成。智能监测与诊断子系统采用了知识库/推理机架构,推理机是一个自主开发的基于模糊Rete算法的模糊专家系统,知识库中存储了来源于风力机故障实验研究的常见振动故障的诊断知识。通过故障仿真,验证了整套系统的有效性。     

基于CBR的机载雷达故障诊断专家系统研究

以故障诊断的理论和方法为基础,综合运用神经网络、基于案例推理(CBR)和专家系统理论,对雷达装备的故障诊断问题进行研究,形成一个集成的智能诊断专家系统。介绍了系统的总体结构和工作原理,并给出具体的诊断实例,此方法充分利用神经网络和CBR的优点,将提高雷达装备故障诊断的正确性和效率。     

基于模糊神经网络的智能故障诊断专家系统

发动机是车辆的核心部件,及时有效地发现并排除故障,对降低维修费用,减少经济损失,增加发动机工作时的可靠性,避免事故发生具有重大的意义。以某型号发动机为研究对象,运用测试技术、信号处理、小波分析、神经网络和模糊控制理论,提出了基于模糊神经网络的智能故障诊断系统。建立了发动机故障信号采集试验台,在试验台上人工模拟3种转速下6种工况,通过加速度传感器采集正常工况和异常工况的振动信号,之后利用小波包技术进行消噪处理,并提取出故障信号的特征值,作为网络训练和测试的样本数据。用样本数据训练和检测自适应模糊神经网络,完成对信号的离线模式识别,之后以测试样本数据实现在线故障诊断,通过仿真分析,取得了很好的诊断效果。与传统的BP神经网络故障诊断方法进行对比,无论在诊断精度上还是学习速度上,模糊神经网络在故障诊断中更具有优势。同时,在专家系统的理论基础上,将模糊神经网络与专家系统进行信息融合,实现数据接口通信,利用网络的自学习能力建立智能故障诊断数据库和诊断规则库,通过程序语言快速高效的设计出智能诊断系统。最后,通过发动机故障诊断实例仿真分析,验证了基于模糊神经网络的智能故障诊断专家系统的可行性。     

转子系统故障推理智能专家系统的研究与实现

针对旋转机械转子故障推理的智能专家系统进行了研究。系统利用领域专家对转予系统的经验知识，采用框架理论和语义网络相结合而形成的一种混合型知识表示方法。系统采用深度优先搜索策略，能完成旋转机械的转子系统十多种常见故障的诊断。     

集成动态神经网络及其在冶金风机智能诊断系统中的应用

提出基于RBF-PSO的集成动态神经网络方法,并将其应用于冶金风机的智能诊断系统的构建。实验结果表明,该方法能够提高网络的收敛速度和系统的诊断精度,尤其是对冶金风机中所出现的并发故障,采用RBFNN-PSO集成动态神经网络具有良好的诊断效果。     

神经网络在电路诊断中的应用

目的：阐述了目前电路基于数据库技术和人工智能专家系统及神经网络原理的故障诊断系统。方法：将所记录的模糊症状输入到系统中，通过模糊运算后，运用神经网络学习算法来寻找故障类型。结果：介绍了人工神经网络技术在电路诊断中的应用，并给出系统故障诊断软件的设计，结论：所用专家系统和神经网络相结合的方法改进电子电路故障诊断是可行的。     

遗传算法和BP神经网络在电机故障诊断中的应用研究

人工智能方法在电机故障诊断中的应用,使得电机故障能够得到及时准确的预测和诊断,保障了电机的安全运行。介绍了BP神经网络及遗传算法的基本原理及组成结构,针对BP神经网络容易陷入局部极小点及收敛速度慢的问题,利用遗传算法对BP神经网络的权值和阀值优化,改善了BP神经网络的诊断性能;通过GA-BP网络对电机的三种故障模式进行了诊断识别,其实验仿真结果表明：无论是在诊断速度上还是诊断精度上,GA-BP神经网络诊断性能都比单独的运用BP网络有了很大提高。     

神经网络智能综合监测诊断系统研究

针对机械故障智能诊断的特点,研究了用于故障智能诊断的神经网络结构的确定,提出了集成神经网络的建立方法。在此基础上,研制开发了智能自动诊断系统,应用风机故障诊断特例说明了该系统的实用性。     

真空包装机的智能化故障诊断系统

提出并实现了一种基于专家系统和神经网络集成的方法。同时给出了系统的硬、软件结构，并通过实验证明该智能故障诊断系统的可靠性和准确性。     

深度学习在机械设备诊断中的应用

传统的机械设备状态监测是根据经验通过提取现场采集的振动信号特征值构建特征空间,采用多种方法对特征值进行聚类、分类,从而实现对设备状态的分类。但这种方法严重依赖于专家经验,并且效果受到信号噪声等众多因素的影响。分别在经典一维和二维卷积神经网络的的基础上,提出两种机械设备智能故障诊断方法,并通过凯斯西储大学轴承数据中心发布的数据集比较两种模型的性能,实验结果表明,基于一维卷积神经网络的智能诊断方法更适用于一维振动信号。将基于一维卷积神经网络的智能诊断方法应用于石化厂的机泵设备,证明其能实现特征自适应提取,可取得较好诊断效果。     

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。