小波包与RBF神经网络相结合的齿轮故障诊断

文章讲述了径向基函数(RBF)神经网络的基本原理和算法,采用了小波包的故障特征提取的方法,将特征向量代入RBF神经网络中进行训练和故障模式识别,将该模型应用于齿轮箱故障诊断和识别,并且建立了齿轮箱的RBF网络故障诊断模型,结果表明:RBF神经网络性能优于一般的神经网络,具有较快的训练速度、精度较高和较强的非线性映射能力的故障识别能力,适用于齿轮箱的状态监测和故障诊断,该方法诊断效果良好,有广泛的应用前景。     

基于多重结构小波神经网络的航姿系统故障诊断研究

根据飞机航姿系统的结构特点和故障诊断过程的特性,建立了复杂设备故障诊断的多重结构小波神经网络模型结构,并将其应用于飞机航姿系统的故障诊断,结果表明,该方法有效地降解复杂系统故障诊断问题的复杂性,提高了航姿系统故障检测和诊断效率,同时为非线性系统的故障诊断提供了新的理论和方法。     

基于小波变换和BP神经网络的织物疵点检测

探讨基于小波变换和BP神经网络的织物疵点检测技术。为准确检测织物疵点,采用小波变换对预处理后的织物图像进行分解,小波分解后不同的子图像反应了织物的不同细节信息,从小波分解后的水平细节子图像和垂直细节子图像中提取特征参数,特征参数的提取采用灰度共生矩阵法,将提取到的特征参数送入训练过的BP神经网络,进行检测疵点,达到疵点织物融合、形态学和阈值处理并显示疵点的目标。实验证明:该方法行之有效。认为:寻找更适合的方法提取更有效的特征值和改进神经网络可以提高识别效率。     

基于小波包与神经网络的EPS转矩传感器故障诊断

本文针对EPS转矩传感器的故障特点,根据小波包变换能将信号按任意时频分辨率分解到不同频段的特性,结合小波包变换中能量可以表征电路的变化情况,提出了故障信号在不同分解频段的能量特征概念及算法,并将其与BP神经网络相结合,提出一种新的EPS转矩传感器故障诊断方法,实验结果表明了该方法的正确性和有效性。     

使用电子鼻检测啤酒老化指纹特性

本工作采用基于金属氧化物半导体的电子鼻技术对含酒精啤酒和无醇啤酒老化过程中香味物质的变化进行定性分析,并对老化啤酒样品的特性进行统计学上的分级。除老化啤酒两个特定等级对应的重叠区域外,对呈现无醇啤酒等级的数据采用线性技术,进行主成分分析(PCA)和线性判别式分析(LDA)。在含酒精啤酒的等级之间没有发现明显的差别,这表明含酒精啤酒与无醇啤酒相比更具稳定性。本研究使用两种类型的人工神经网络:具有径向基核函数(RBF)的概率神经网络(PNN)及具有反馈算法(BP)的后馈神经网络。含酒精啤酒和无醇啤酒分级成功率分别为90%和100%。PNN的应用表明老化的含酒精和无醇啤酒分级的精确度分别为83%和100%。最后,本研究表明电子鼻系统在评价啤酒老化过程中啤酒风味指纹图谱变化上有一定的能力。     

刍议基于神经网络的变压器故障诊断技术

变压器故障征兆和故障类型具有一定的非线性特征,需要结合一定的故障诊断技术进行判断。而就目前来看,除了使用油中气体分析法,基于神经网络的变压器故障诊断技术也可以用于诊断变压器故障。因此,文章对基于神经网络的故障诊断原理进行了阐述,并对基于BP神经网络和基于概率神经网络的两种故障诊断技术展开了分析和比较,以便为关注这一话题的人们提供参考。     

基于径向基函数神经网络的电机轴承智能故障诊断

本文提出了一种新的电机轴承故障诊断方法.首先把滚动轴承振动信号作为识别故障的特征向量,然后送入径向基函数神经网络中,进行故障类别的自动识别.试验结果表明,该诊断模型对电机轴承故障诊断具有良好的诊断效果,系统不仅能够检测到轴承故障的存在,而且能够比较准确地识别轴承的故障模式.     

基于三维测量的青年女性臀部体型概率神经网络识别模型构建

如何快速准确地实现体型识别是人体体型研究的热点。为满足服装臀部合体性的要求,本文结合青年女性臀部体型特征,构建了基于三维测量的青年女性臀部体型PNN识别模型。首先,运用三维人体测量仪采集数据,并提取6个典型指标,进行臀部体型细分;其次,引入概率神经网络方法,构建以典型指标作为输入层,体型类别作为输出层,径向基函数作为模式层的网络结构模型;再次,利用MATLAB R2009a软件对构建的概率神经网络模型进行仿真实验,通过训练获取精度高、结果稳定的模型;最后,测试模型识别精度。结果表明,该模型识别率高,识别性能良好,为女性臀部体型识别提供了一种新方法,同时也拓宽了概率神经网络方法的应用领域。     

基于小波神经网络的开关磁阻电机建模方法

介绍了利用小波神经网络进行开关磁阻电机建模的整个过程,包括静态磁链特性曲线簇的获取、静态矩角特性的测量、利用小波神经网络实现磁链,角度和电流的非线性映射关系,以及用小波神经网络实现通过角度和电流求取转矩,然后在MATLAB/Simulink环境下搭建SRM控制系统,并将仿真运行结果进行实验验证。通过实验对比,证明了该方法的正确性。图11参9     

一种基于遗传算法优化BP神经网络的电网故障诊断方法

提出了一种基于遗传算法优化BP神经网络的电网故障诊断方法,利用神经网络的非线性问题处理能力进行故障诊断。针对BP神经网络在运算过程中易陷入局部极小的问题,结合遗传算法计算网络参数初始值,寻找最优的隐含层节点数,对网络进行优化。结合实例验证,该方法相对于传统BP神经网络在解决电网故障诊断问题上,收敛速度和准确率都有所提升。     

含分布式电源配电网的智能故障诊断方法

为了保证含分布式电源配电网安全可靠地运行,对其进行故障诊断分析受到了研究者们的青睐。对此,提出了一种基于小波变换和神经网络的智能故障诊断方法,分别实现了能精准地检测出故障的发生时刻和准确地识别出各类短路故障类型的功能,其性能通过修正的IEEE13总线标准系统进行了评估。     

LS-SVM和混合主元分析的电梯故障类型检测研究

在电梯故障诊断问题上,提出了一种基于最小二乘支持向量机(LS-SVM)和混合主元分析的方法。在此方法中,首先利用小波包分析对电梯轿厢X、Y、Z三个方向传感器所得数值进行特征值提取,提取出9个特征向量用来描述电梯具体运行状态。然后将特征向量送入LS-SVM进行训练和分类,得出每个特征向量与正常运行时的残差值,根据残差值判断电梯状态。最后利用混合主元分析得出主元特征向量,作出主元特征向量的组合形式贡献图判断电梯故障原因。     

探析模拟电路故障诊断技术

当前,模拟电路故障诊断理论经过多年的研究和发展,已经提出了多种模拟电路故障诊断技术,主要有神经网络故障诊断技术、模糊理论故障诊断技术、小波变换故障诊断技术。文章就结合自己对这几种模拟电路故障诊断技术的理解,谈几点个人的体会。     

基于卷积神经网络的卷烟小盒外观检测研究

文章基于卷积神经网络(CNN),模拟人脑对图像的识别过程,实现了对卷烟小包外观检测.卷积神经网络所使用数据集采集自某卷烟厂FOCKE-FXS机型成像检测系统,经过人工对图像进行分类,获得小包外观良好与缺陷的数据集.将数据集随机生成90％的训练集与10％的验证集,将训练集送入卷积神经网络进行特征提取与分类.经过网络学习与测试,使用新的数据集,小包外观识别准确率可达99.15％,效果较好.     

基于MEA-BP神经网络的封盒装置滑动轴承故障诊断方法

针对封盒装置滑动轴承在生产过程中故障率高、可靠性低的问题,课题组提出了一种基于思维进化算法(MEA)的BP神经网络滑动轴承故障诊断方法。该方法通过多次的趋同和异化操作,不断优化BP神经网络的初始权值和阀值,建立了基于MEA-BP神经网络的滑动轴承故障诊断模型。利用样本集训练、测试和验证MEA-BP故障诊断模型,结果表明MEA-BP故障诊断法较未经优化的BP神经网络故障诊断法优势明显,能够较好地用于封盒装置滑动轴承的故障诊断,延长滑动轴承无故障使用时间。课题组的研究可提高包装企业生产效率。     

采用动态阈值和随机梯度的带噪声混沌系统的识别方法

为了提高对带噪声混沌系统识别的准确性,结合小波神经网络,提出了基于动态阈值和随机梯度的识别方法.该方法将动态变化的阈值作用于小波系数,并与神经网络训练过程紧密结合,依据误差函数,采用随机梯度下降方法反向动态修改阈值,使系统误差更接近于理想输出.实验结果表明,该方法能合理去除混沌信号中的噪声,识别结果更为准确.     

基于EMD平均能量法的滚动轴承故障诊断

文中提出了一种用于滚动轴承故障诊断的系统一基于EMD和BP神经网络相结合的诊断系统。该方法首先对原始振动信号进行小波包预处理,提高信噪比,从而得到更适合研究的故障振动信号。然后再对信号进行EMD,分解得到IMF分量,对几个感兴趣的IMF进行分析,获得每个IMF分量的平均能量,作为BP神经网络的输入向量,由此训练神经网络,实现了对滚动轴承故障的智能诊断,并用实际的滚动轴承故障数据进行了验证。图6表2参12     

模拟和混合信号电路测试及故障诊断方法研究

近年来电子技术发展迅速,基于数字和模拟混合信号的电路应用广泛。尤其是片上系统混合电路的发展,对模拟和混合电路的测试分析及故障诊断提出了新的要求。本文就模拟和混合信号电路的测试及故障诊断的应用现状及存在问题进行了深入的探讨:首先介绍了其研究现状,而后详述了基于小波变换的混合信号电路电流测试方法、探讨了SoC中混合信号测试测试与诊断方法、基于模糊神经网络的模拟电路故障分析诊断等方法。     

浅谈小波方法在模拟电路故障诊断中的应用

模拟电路的故障诊断一直以来就是电路领域的一个研究热点和重点。当前,基于小波分析方法为模拟电路故障诊断提供了一条新的途径。首先提出了小波方法的理论知识,重点阐述了小波变换和基于小波变换的模拟电路故障特征提取,说明了小波方法在模拟电路故障诊断中的应用优越性。     

基于小波结合模糊聚类和神经网络的机械故障诊断法

分析了小波分析、模糊聚类以及神经网络各自在信号处理方面的优势。以小波变换（或小波包变换）提取故障特征,对神经网络的输入和输出进行模糊化处理,最后用神经网络进行诊断。从而提出了一种有别于传统的、高效的机械故障诊断方法。