首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 718 毫秒

1.  基于神经网络预测器的传感器故障诊断  
   苏春  王丰  段润保《仪器仪表用户》,2006年第13卷第5期
   本文提出了一种基于神经网络时间序列预测器的传感器故障诊断方.法.通过神经网络对传感器输出时间序列建立神经网络预测模型,然后利用神经网络预测模型对传感器的预测输出和实际传感器输出之差,判断传感器是否发生故障.并利用神经网络动态跟踪特性进行在线故障诊断,辨识出了故障的大小特征.    

2.  神经网络预测方法在鱼雷系统传感器故障诊断中的应用  
   高立娥  张萍《弹箭与制导学报》,2008年第28卷第3期
   介绍了基于神经网络的时间序列预测器的传感器故障诊断方法。首先采用神经网络建立预测模型,然后利用预测值和传感器实际输出值之差判断传感器是否发生故障。分别使用BP和Elman两类神经网络,经过离线学习和在线学习对某传感器偏移故障进行检测,仿真试验表明该方法对传感器故障诊断行之有效。    

3.  基于RBF时间序列预测器的传感器故障诊断方法研究  被引次数:1
   曹正洪  沈继红《传感器与微系统》,2010年第29卷第5期
   研究了一种基于径向基函数(RBF)神经网络时间序列预测器诊断传感器故障的方法.以压力传感器的过载故障为模型,先用RBF神经网络建立时间序列预测模型,然后利用预测模型对传感器的输出作预测,再和传感器实际输出比较,从而判断传感器是否发生故障,并对发生故障的传感器进行数据重构.仿真实验证实了该方法可以有效地进行传感器故障诊断和数据重构,并可推广到其他传感器中.    

4.  基于神经网络传感器组故障诊断方法研究  
   袁群哲《传感器世界》,2007年第1期
   对于系统状态检测与故障诊断,传感器自身故障的及早发现很重要。本文提出了一种基于神经网络和冗余率计算的传感器组故障监测与诊断的新方法。该方法先用RBF神经网络对传感器组中的各个输出进行预测,若预测值与输出值发生较大的偏差,可能是传感器故障或设备故障,运用传感器之间的冗余率,进一步判断传感器是否发生故障,进而采用对应的诊断策略。    

5.  基于神经网络传感器组改障诊断方法研究  
   袁群哲《传感器世界》,2007年第13卷第1期
   对于系统状态检测与故障诊断,传感器自身故障的及早发现很重要.本文提出了一种基于神经网络和冗余率计算的传感器组故障监测与诊断的新方法.该方法先用RBF神经网络对传感器组中的各个输出进行预测,若预测值与输出值发生较大的偏差,可能是传感器故障或设备故障,运用传感器之间的冗余率,进一步判断传感器是否发生故障,进而采用对应的诊断策略.    

6.  三向加速度传感器故障诊断方法研究  
   刘敏林  刘伯运  常汉宝《振动工程学报》,2004年第17卷第Z1期
   对三向加速度传感器提出了一种具有传感器故障诊断模块的系统故障诊断框架.三向加速度传感器故障诊断模块采用了一种基于神经网络和冗余率计算的新方法.该方法先用RBF神经网络对传感器的输出进行预测,若预测值与输出值发生较大的偏差,存在的可能是传感器发生故障或设备发生故障,运用传感器之间的冗余率,可以进一步判断传感器是否发生故障,进而产生决策策略.    

7.  基于RBF神经网络的控制系统传感器故障诊断方法  被引次数:2
   彭继慎  董晶《现代电子技术》,2009年第32卷第12期
   针对现行研究中压铸机实时检测与控制系统中相关传感器的常见故障问题,通过对人工神经网络理论与方法的学习,建立了一种基于径向量基函数神经网络RBFNN的控制系统传感器故障诊断观测器模型.通过来自压铸机的实测参数进行模型训练,采用模糊K均值聚类算法选取聚类中心,利用该观测器确定传感器输出值与传感器实际输出值之间的残差,以此判断传感器是否发生故障.仿真结果表明,RBFNN观测器具有较强的非线性处理和任意函数逼近的能力,预测精度高,学习时间短,网络运算速度快,性能稳定,可满足传感器故障诊断的要求.    

8.  航空发动机双冗余架构传感器信息通道故障诊断方法研究  
   张桢  樊丁《计算机测量与控制》,2008年第16卷第11期
   传感器数据的高可靠性是航空发动机控制系统可靠工作的基础,故障诊断就十分重要;基于传感器双冗余结构,综合利用神经网络预测和传感器冗余性信息变化判断进行故障诊断是一种新的故障诊断新方法;该方法先用RBF神经网络对传感器输出进行预测,若预测值与输出值发生较大的偏差,进一步考察传感器之间的冗余性信息变化情况来判断传感器是否发生故障,若发生故障,进行故障定位,进而采用对应的诊断策略;仿真实验结果表明该方法能够有效地解决双冗余架构传感器信息通道的故障诊断问题。    

9.  飞控系统传感器故障诊断研究  
   刘华  唐永哲  郝涛  左琰《计算机仿真》,2010年第27卷第2期
   研究故障检测和诊断技术对提高系统可靠性具有重要意义,针对飞控系统中常见的传感器故障,提出了基于神经网络预测器的故障诊断方法。利用传感器输出时间序列构造神经网络预测器模型,网络结构使用多层感知器结构,根据网络输出和实际输出之差与某·阈值的大小比较关系判断故障。最后针对某型飞机建立仿真模型,并对单一及多个传感器故障诊断进行研究,给出了仿真实现结果,并加以分析。仿真结果表明,所提出的基于神经网络预测器的故障诊断方法是行之有效的,能够及时准确地确定故障的发生。    

10.  基于神经网络预测器的静压式油罐计量系统压力传感器的故障诊断  被引次数:1
   陈玉东  施颂椒《仪表技术与传感器》,2000年第3期
   为使静压式油罐计量系统(HTG)对压力传感器具有容错能力,提高系统可靠性,本文提出了一种基于神经网络预测器的HTG系统压力传感器故障诊断方法。方法不但能判断出传感器是否发生故障,而且能判定出故障类型,从而重构数学模型 过程的连续进行。仿真结果了该方法的有效保性。    

11.  基于神经网络预测器的传感器数据证实技术研究  被引次数:2
   吴祖堂《电子技术应用》,2001年第27卷第1期
   提出了基于神经网络预测器的传感器数据证实技术。首先利用神经网络对传感器输出的时间序列建立预测模型,然后利用该模型预测出传感器输出值,并用该值与传感器实际输出值之差判断传感器实际输出的可靠性和有效性,进而减小传感器“软故障”和不同环境噪声对传感器输出数据的影响。同时,为了实现在线应用,采用了遗传算法对神经网络的优化技术。    

12.  基于RBF网络的模拟移动床PH传感器故障诊断  
   高山  潘丰《微计算机信息》,2005年第21期
   为了提高模拟移动床控制系统PH传感器的可靠性,提出了一种基于两级RBF神经网络的故障诊断方法。该方法首先利用径向基(RBF)神经网络对传感器的输出序列建立预测模型,通过计算预测输出和实际输出的残差来检测故障的发生,然后对包含故障的残差信号利用小波变换进行特征提取,最后利用RBF诊断网络实现故障诊断。通过把这种方法应用到实际诊断测试中,可达到较准确的诊断结果。    

13.  基于广义回归神经网络的传感器故障诊断研究  被引次数:2
   李明  税爱社  宋政辉  李林《传感器与微系统》,2009年第28卷第12期
   针对诊断传感器偏置故障与漂移故障的难点问题,提出了一种基于广义回归神经网络(GRNN)的传感器故障诊断方法。该方法充分利用控制系统闭环回路测控信息,建立一组多输入单输出GRNN观测器,通过将观测器输出与传感器实际输出相比较获取残差序列,获得基于残差序列的传感器偏置故障和漂移故障的辨识策略,实现控制系统传感器故障在线诊断。仿真结果表明:该方法可以快速准确地检测和分离传感器故障,辨识传感器故障类型、故障大小以及故障发生的时间。    

14.  基于RBF网络的模拟移动床PH传感器故障诊断  
   高山  潘丰《微计算机信息》,2005年第31期
   为了提高模拟移动床控制系统PH传感器的可靠性,提出了一种基于两级RBF神经网络的故障诊断方法.该方法首先利用径向基(RBF)神经网络对传感器的输出序列建立预测模型,通过计算预测输出和实际输出的残差来检测故障的发生,然后时包含故障的残差信号利用小波变换进行特征提取,最后利用RBF诊断网络实现故障诊断.通过把这种方法应用到实际诊断测试中,可达到较准确的诊断结果.    

15.  基于神经网络多步时序预测的非线性系统故障诊断  
   赵翔  萧德云《控制理论与应用》,2000年第17卷第6期
   提出一种新的基于神经网络多步时序预测的非线性系统故障诊断方法。该方法先利用回归神经网络对多个传感器检测序列并进行多步预测,再由多步预测序列和传感器检测序列生成历史残差序列和预测残差序列。最后,根据统计定义的几个决策指标进行故障检测与诊断。与其它方法相比,本文方法所需信息较少、可诊断的故障较多。仿真表明该方法是有效的,可有效地增强故障信息、抑制非故障信息。    

16.  集成神经网络方法在蒸汽发生器故障诊断中的应用  被引次数:1
   周刚  杨立《原子能科学技术》,2009年第43卷第11期
   针对蒸汽发生器传统故障检测与诊断方法的不足,提出了基于集成神经网络的蒸汽发生器故障检测与诊断的新方法.该方法采用两个神经网络.一个神经网络作为蒸汽发生器的动力学模型,用于蒸汽发生器的重要运行参数的预测,其原理是通过检测蒸汽发生器运行参数监测信号值与相应的蒸汽发生器神经网络模型预测值之间的偏差来确定是否发生了异常,如果某一参数偏差超过了预先给定的极限,就认为发生了异常.另一个神经网络作为故障分类模型,用以对蒸汽发生器故障进行分类,给出故障的类型.由两个神经网络监测和诊断结果的融合给出蒸汽发生器故障较为清晰的信息.仿真结果表明,该方法能够提高蒸汽发生器监测与诊断的能力.    

17.  基于神经网络的无线传感器网络数据预测应用研究  被引次数:1
   高刃  唐龙  伍爵博《计算机科学》,2012年第39卷第5期
   无线传感器网络是一种由数量庞大的网络节点形成的复杂无线网络,是无线传感器的典型应用,目前已经广泛应用在多个领域当中。将神经网络引入到无线传感器网络当中,通过神经元描述每一个无线传感器数据,构建神经网络元模型。对传统的神经网络模型进行改进,利用无线传感器的神经网络模型,实现无线传感器网络采集数据的融合与提取。通过各种应用类型的差异,选择影响数据输出结果的主要因素,建立一种能够进行预测的模型。以某个区域是否发生火灾为实验原型,对该区域的火灾发生概率进行预测,采用已有的火灾发生数据为训练样本,通过收敛的网络预测火灾发生的概率。实验结果表明,基于神经网络的无线传感器网络数据预测是一种可行、有效的方法。    

18.  传感器数据证实技术应用研究  
   吴祖堂  王群书  蒋庄德《仪器仪表学报》,2004年第25卷第5期
   传感器技术是现代测试和控制技术的灵魂 ,传感器输出信号的质量关系到整个系统性能的好坏程度。传感器数据证实技术是测控领域中的关键技术之一 ,文中提出了基于神经网络预测器的传感器数据证实技术。首先利用神经网络对传感器输出的时间序列建立预测模型 ,然后利用该模型预测出传感器输出值 ,并用该值与传感器实际输出值之差判断传感器实际输出的可靠性和有效性 ,进而减小不同环境噪声对传感器输出数据的影响。同时 ,为了实现在线应用 ,采用了遗传算法对神经网络的优化技术。实践表明 :文中提出的基于神经网络的传感器数据证实技术对缓变信号和快变信号都有很好的效果    

19.  基于SVM预测器的传感器故障诊断与信号恢复研究  被引次数:10
   刘东  葛运建《传感技术学报》,2005年第18卷第2期
   支持向量机(SVM)是一种新兴的基于统计学习理论的机器学习方法.简要介绍了SVM回归原理,据此建立了基于SVM的时间预测器并用于传感器的故障诊断和信号恢复,阐述了具体的实现方法和步骤.仿真结果表明:SVM预测器有效地克服了神经网络的不足,能准确预测和跟踪传感器的输出信号,并在传感器发生故障后一定的时间段内能较精确的估计传感器的正常输出.    

20.  基于径向基神经网络的称重设备传感器故障检测方法  
   刘洋  欧文  卢赢  卢圣文《传感技术学报》,2017年第30卷第6期
   在对称重设备数字化改造的过程中,有些研究人员提出了对某一特定传感器的故障诊断方法,但对于非指定传感器或者两个传感器同时发生故障的情况却没有检测方法.为此,本文提出了一种基于径向基神经网络预测的任意一个或两个称重传感器的故障检测方法.本文首先建立单个传感器的预测模型和任意两个传感器的预测模型,然后通过这两个预测模型计算出任意一个称重传感器的预测值和任意两个传感器的预测值,根据预测值与实际值之间的差值判断称重传感器故障个数、位置、类型等信息.实验表明,当称重传感器的输出误差大于0.3 t时使用此方法可以准确检测出称重传感器的故障信息.    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号