基于神经网络的导弹测发控系统故障诊断专家系统

目的；基于BP神经网络推理模型，建立导弹测发控系统故障诊断专家系统的基本结构，并给出一个具体的应用实例，方法：首先对导弹测发控系统的故障机理进行了分析，在此基础上研究基于BP神经网络推理模型的故障诊断技术的应用，确定了基于BP神经网络的故障诊断专家系统的设计思想和实现方法，结果：建立了基于BP神经网络推理模型的导弹测控系统故障诊断专家系统，弥补了传统的故障树推理模型的不足。结论；通过对某型导弹发控系统中配电分系统的故障诊断实例，说明了该故障诊断专家系统的可行性。     

一种基于模糊神经网络融合的故障诊断模型研究

在分析模糊神经网络优点的基础上,提出了一种基于模糊神经网络融合的故障诊断模型.该模型结构是由信息分配模块、并联模糊神经网络的诊断模块和决策融合模块组成.仿真结果表明,该模型能够充分融合信息,提高确诊率.     

一种基于小波和神经网络的故障诊断系统

基于小波变换的时频域局部化特征及神经网络的非线性映射特征,以滚动轴承为例,将小波变换和神经网络的优点结合起来.运用小波变换提取滚动轴承振动信号各频率成分的能量作为故障特征参数,将其作为神经网络的输入进行训练和故障识别,利用BP网络实现了对滚动轴承的故障诊断,取得了较好的效果.     

基于混沌神经网络的供配电系统故障诊断

基于混沌神经网络的供配电系统故障诊断,采用引入动量项和混沌映射的改进BP算法.先分析系统典型故障,建立典型网络模型.在BP算法中加入动量项和混沌映射,选择神经网络初值.再进行学习训练,分别给训练后的子网络输入现场采集的装备数据,通过网络直接获得故障诊断结果.     

智能故障诊断技术及发展

对主要的智能故障诊断系统进行了系统的归纳和分类,并重点讨论了基于故障树的方法、基于案例的推理方法、基于模型的方法、基于专家系统的方法和基于模糊推理的方法、基于神经网络的方法和基于模式识别的方法的技术要点、发展现状、优缺点及其在军事方面的应用; 且对该学科的发展做出了预测, 最后指出智能故障诊断技术发展的方向.     

基于经验模式分解与BP神经网络的柴油机失火故障诊断

针对柴油机燃烧过程复杂影响因素众多,失火故障的识别存在较大的困难,研究了基于经验模式分解与BP神经网络对振动信号进行分析诊断失火故障的方法。首先运用适于非周期、非平稳信号分析的经验模式分解方法对柴油机缸盖表面振动信号进行分解并提取特征参数;然后建立了BP神经网络模型对柴油机失火故障进行诊断;最后通过对某型柴油机的正常与失火状态的准确判别,表明了该方法的有效性。     

基于改进算法的BP神经网络在故障诊断中的应用

BP神经网络凭借其自身的优势被广泛的应用于故障诊断领域,本文介绍了有动量梯度下降法的BP神经网络,在分析故障诊断机理的基础上建立了BP神经网络模型,然后通过模型对某型装备进行故障诊断,并运用Matlab软件进行仿真得出结果。     

神经网络技术在雷达电路故障诊断中的应用

简要介绍了雷达电路故障模式和BP神经网络的算法,针对雷达故障诊断的复杂性,提出了采用神经网络技术实现雷达的故障诊断。并以典型故障为例,设计了一个基于BP网络的故障诊断系统,通过实际仿真和应用,取得了较好的效果。     

基于改进算法的BP神经网络在故障诊断中的应用

BP神经网络凭借其自身的优势被广泛的应用于故障诊断领域,本文介绍了有动量梯度下降法的BP神经网络,在分析故障诊断机理的基础上建立了BP神经网络模型,然后通过模型对某型装备进行故障诊断,并运用Matlab软件进行仿真得出结果.     

装甲车辆自动装弹机故障诊断研究

介绍了装甲车辆自动装弹机的工作原理，分析了故障产生的原因。针对自动装弹机的故障特点，分别采用故障树、专家系统和神经网络三种故障诊断方法，并综合3种方法的优点，分析了最佳故障诊断模式。     

遗传小波神经网络故障字典在模拟电路故障诊断中的应用

以神经网络、小波分析和遗传算法等为代表的智能诊断技术,是故障诊断技术发展的一个重要方向。以传统故障字典法、BP神经网络、小波分析和遗传算法等基本原理为基础,将神经网络、小波分析和遗传算法与故障字典结合,用小波分解预处理故障信号提取故障特征,用遗传算法优化BP神经网络的结构和权值,对基于遗传小波神经网络的故障字典在模拟电路故障诊断中的应用进行研究,并结合实例验证其实际使用性能。     

复杂装备轴承多重故障的线性判别分析与反向传播神经网络协作诊断方法

由于复杂装备运行工作环境恶劣,导致其轴承多重故障诊断的准确率不高,为此提出一种 基于线性判别分析(LDA)与反向传播(BP)神经网络协作下复杂装备轴承数据驱动的多重故障诊断方法。将无量纲指标作为轴承多重故障数据的反映指标,利用LDA对轴承多重故障的无量纲指标数据进行线性映射降维处理;通过拉格朗日极值法获得最佳投影向量,沿着该方向将轴承多重故障数据投影到类别最易区分的方向;将经投影处理后的样本作为BP神经网络的输入样本,通过训练测试网络,实现轴承多重故障的预测分类。对某型装备大型旋转机械机组进行仿真实验,验证了所提方法能够有效对轴承多重故障进行降维映射,并且能较好地实现多重故障分类诊断,具有良好的有效性和实用性。     

基于液体状态机的模拟电路故障诊断方法

针对模拟电路故障特征难以识别的问题,结合液体状态机神经网络的特点,从模拟电路故障特征样本获取和故障模式识别两方面入手,提出一种基于液体状态机的模拟电路故障诊断方法。该方法利用 Matlab 和 PSpice联合仿真,实现大量故障样本数据的自动获取,采用液体状态机进行故障模式的分类,并对两级阻容耦合放大电路的故障诊断实例进行仿真。仿真结果表明：该方法和目前应用最广泛的 BP 神经网络相比,故障识别准确率会有所下降,但训练时间远小于BP神经网络,且泛化能力强,对模拟电路故障诊断研究有一定的实际意义。     

基于正交试验法和集成神经网络的模拟电路故障诊断方法

在利用集成神经网络进行模拟电路故障诊断时,经常会遇到训练样本庞大的情形.文中以进行多故障诊断为目的,提出了一种基于正交试验法和集成神经网络的模拟电路故障诊断方法.通过正交试验法,大大减少训练样本,同时保证了故障覆盖率.经算例证明,该方法可行、有效.     

基于1D-CNN 的卫星姿态控制系统故障诊断方法

为解决卫星姿态控制系统中自主故障检测和诊断的问题,提出一种改进的1D-CNN 卫星姿态控制系统故 障诊断方法。以卫星姿态控制系统的故障诊断为背景,构建航天器姿态动力学模型,将卷积神经网络(convolutional neural network,CNN)与快速卷积算法相结合,对卷积神经网络的拓扑结构进行改进,根据BP 算法,将1 维原始数 据作为输入,结合反作用飞轮作为执行机构的技术特征,给出一种基于卷积神经网络的故障检测和隔离方法。仿真 结果验证了该方法对卫星姿态控制系统实时故障检测和分类的有效性。     

基于概率神经网络的风洞设备故障预测诊断方法

针对风洞设备故障征兆与故障原因之间的非线性关系,提出基于概率神经网络的风洞设备故障预测诊断方法.利用概率神经网络强大的自主学习能力和较强的模式识别能力,来预测诊断风洞设备的故障原因,通过故障样本对概率神经网络进行训练,并对待测样本进行故障预测诊断.结果表明:概率神经网络能满足故障诊断快速和准确的要求,故障预测诊断精度较高,适用于在线检测,具有实际应用价值.     

基于绕封模型的故障特征选择方法研究

在机械故障诊断中,基于原始大特征量的故障状态识别会导致识别精度的下降。特征选择可以去除原始特征中的冗余特征,提高诊断精度。但以前广泛应用的基于过滤模型的特征选择方法不能满足进一步提高精度的要求。针对此问题,提出使用基于绕封模型的故障特征选择方法,它采用遗传算法对特征集寻优,样本划分法进行错误率预测估计和BP神经网络学习算法进行分类。轴承诊断实例证昵,此方法有较好的寻优特征子集的能力,可以提高系统的诊断精度。     

基于改进BP神经网络的模拟电路故障诊断研究

根据BP神经网络特点，提出对BP神经网络改进的方法，并以某负反馈放大器为例，采用改进后的BP网络进行故障诊断，步骤包括：故障特征向量提取、原始数据归一化处理、BP网络设计与训练。结果表明，在MATLAB7．1中运用神经网络工具箱中函数进行仿真，能有效进行故障识别、改善神经网络结构、提高故障诊断精度和速度。     

基于BP神经网络的装甲装备智能诊断系统

本系统针对装甲装备润滑油样中有关磨粒图象、油液理化指标等各类数据和特征值信息, 利用基于ＢＰ神经网络的集成化智能诊断系统实现被监测设备内部磨损趋势的自动状态监测与智能故障诊断, 并在不同层次上提供定量化且形式简明的趋势报告与诊断报表, 作为决策与判断依据, 以协助工业现场或军工单位更高效、准确地完成设备的保养和维修工作．