人工神经网络在机械故障诊断中的应用

针对传统的机械故障诊断方法的局限性,提出将人工神经网络应用于机械故障诊断中。由于BP算法存在收敛速度慢及易陷入局部极小等缺陷,利用实数编码改进遗传算法对神经网络的权值和阈值进行优化训练,并把训练好的神经网络用于机械振动信号预测及机械故障诊断中。通过对机械设备振动信号的预测,可以及早发现故障,及时消除故障隐患,为企业节省大量的维修时间和维修费用,提高企业的生产率。     

虚拟现实在旋转机械故障诊断中的应用

提出把虚拟现实（ｖｉｒｔｕａｌｒｅａｌｉｔｙ，ＶＲ）应用于旋转机械的故障机理研究及故障诊断，以更直观和更投入的方式研究故障的机理及其发生，发展过程以及可能导致的后果，还可弥补某些故障不能在转子实验台上模拟之缺陷。     

BP神经网络在旋转机械故障诊断中的应用

神经网络由于其本身具有的优越性，已广泛应用于各个领域中的分类、联想问题。本文将ＢＰ神经网络理论应用于风机故障诊断中，取得了较好的结果。     

模拟退火算法在旋转机械故障诊断中的应用

本文用模拟退火算法建立了旋转机械故障诊断的人工神经网络模型,以幅值谱中７个频段上的幅值为网络的输入模式,对旋转机械常见的几种故障进行分类训练,并应用于等识别故障样本的识别计算,结果表明该方法在旋转机械故障诊断中是有效的。     

基于遗传算法优化的神经网络及其在机械故障诊断中的应用

针对神经网络结构的设计基本上依赖于人的经验的缺点,提出了一种利用遗传算法优化神经网络的算法。该算法结合了神经网络的快速并行性和遗传算法的全局搜索性,同时对神经网络的连接权和结构进行了优化,剔除整个网络冗余节点和冗余连接权,提高了网络的处理能力。将该方法应用于磨机故障诊断,能够对故障模式进行精确的识别, 取得了很好的效果。     

BP神经网络模型在旋转机械故障诊断中的应用

本文利用神经网络模型建立了旋转机械常见故障的类别与征兆之间的映射关系.并利用这一模型对几种常见故障进行了分析诊断,诊断结果表明本方法精度高,结果可靠,对于工程应用具有一定的实用价值.     

RBF神经网络在旋转机械故障诊断中的应用

为克服BP网络在机械故障诊断中存在的训练收敛速度慢且容易陷入局部极小、网络初值对学习性能影响比较大等缺陷,提出了一种基于最近邻聚类学习算法的RBF神经网络模型,并将该模型应用于旋转机械的故障诊断中。应用结果表明, RBF网络训练速度快、分类性能良好,在设备故障诊断领域具有很好的实用性。     

SOM神经网络在旋转机械故障诊断中的应用

研究和分析了自组织映射(SOM)神经网络的结构和算法,把SOM网络应用在旋转机械故障诊断中,利用振动传感器拾取振动信号,通过对时域、频域的分析来提取特征.通过对输入样本的"聚类",实现对故障的自动分类.这种故障的分类通过MATLAB更容易实现可视化的界面.仿真结果表明该方法可以对故障进行有效、准确地诊断,从而为旋转机械的故障诊断提供了一种新的途径.     

贝叶斯推理网络在大型旋转机械故障诊断中的应用

本文简述了贝叶斯网络及网络传播的信念更新问题，并提出其在大型旋转机械故障诊断中的应用，建立了故障－－特征的贝叶斯网络，并分析了信念在网络中的传播与更新。     

人工神经网络及其在机械故障诊断中的应用

传统的模式识别技术经常被用于识别机器的状态,然而巨量并行性的人工神经网络的出现提供了解决问题的一种新的途径。本文探讨了人工神经网络在机械故障诊断领域中的应用前景,并提出一种基于人工神经网络的机器状态识别法。实验表明,该方法有着较好的诊断效果。     

旋转机械故障诊断专家系统的知识库设计

根据旋转机械故障的特点，对诊断知识进行了适当的分类，建立了功能完善的知识库，为故障诊断专家系统的研制提供了有效手段。     

基于广义粗糙集与神经网络集成的旋转机械故障诊断研究

故障诊断规则中判断条件的冗余、不完全和不确定性不利于实际应用。采用广义粗糙集理论对旋转机械振动故障诊断的非完备决策系统进行了约简 ,得到了更为简明的最优诊断规则 ;根据约简结果 ,建立了基于神经网络的故障诊断系统 ;网络的训练对比结果表明 ,基于粗糙集理论的约简处理简化了神经网络结构 ,提高了网络的训练效率 ;以诊断实例验证了广义粗糙集理论与神经网络集成进行故障诊断的可行性     

可视化旋转机械故障智能诊断系统设计

介绍了可视化旋转机械故障智能诊断系统设计基本思想、方法和关键技术。讨论了旋转机械故障智能诊断专家知识的获取、可视化专家知识库的建立,及由专家规则、模糊逻辑、神经网络于一体的组合智能推理机。实现了信号采集与分析、特征参数的自动识别与提取、可视化专家知识库和组合智能推理机的集成。编制了整套系统软件,开发了一套故障智能诊断装置,对旋转机械典型故障进行智能诊断,诊断出机组运行中可能存在的故障种类、故障严重程度,故障发生时间及故障治理的专家建议,即可实现故障的检测、故障分离、故障辩识、故障对策等,并具有网络化功能。     

基于粒子群优化模糊聚类的旋转机械故障诊断

提出基于柱子群优化模糊聚类分析的算法,并将其用于旋转机械的振动故障诊断。该算法以模糊C一均值算法（FCM）的聚类目标函数作为粒子群的适应度函数来衡量各聚类中心的优劣,并依据聚类有效性指标自动确定最优聚类数及聚类中心,有效的结合了FCM极易陷入局部最优的缺点以及粒子群算法全局寻优的优点。实践表明,该方法提高了旋转机械故障诊断的准确率,既可正确判断单一故障,又可有效诊断复合故障,从而证明了该算法的有效性。     

基于小波包分析和改进自适应遗传算法的齿轮故障诊断

齿轮是传动系统中最重要的元件之一,针对齿轮故障问题,在综合小波包降噪、模糊逻辑、高阶BP网络、改进自适应遗传算法各自优点的基础上,提出了一种基于小波包分析和改进自适应遗传算法的齿轮故障诊断新方法。试验证明,这种方法与传统方法相比,无论在分类精度,还是对训练总误差控制方面都具有更大的优势。     

基于数学形态变换的转子故障特征提取方法

基于非线性数学形态变换提出旋转机械故障特征提取的新方法.由数学形态变换构成的形态滤波器可以有效地提取出信号的边缘轮廓以及形状特征,通过选取不同长度的形态结构元素,采用组合形态滤波器将旋转机械故障信号分解到不同频带上,故障信号被分解成基频成分、故障成分及高频噪声三部分,在分解过程中,信号长度没有减少,没有信息的丢失;将分解得到的故障成分单独提取出来进行分析,可以更准确描述故障特征;对实际碰摩故障信号进行形态学分解后,提取出故障成分,采用Hilbert-Huang变换(Hilbert-Huang transform,HHT)对分解前后的信号进行对比分析,验证了方法的有效性,表明基于形态变换的信号特征提取可以更准确刻画故障的非平稳特性,提高了分析效果,并具有计算简单、快速的优点.     

回转机械振动模糊故障诊断系统的理论和应用研究

本文提出了处理回转机械故障模糊性的振动模糊诊断法,重点介绍了回转机械振动模糊故障诊断系统的设计思想与功能实现;最后结合现代铁路设备举例验证,结果表明系统的可靠性和准确性令人满意。     

遗传优化算法在压缩机故障诊断中的应用

设计了一种模糊神经网络推理系统诊断汽车空调压缩机故障，并且应用遗传算法对系统进行优化及对BP网络算法进行改进。这种方法能够优化模糊系统的参数和结构。并且能删除无用的模糊规则。结果证明这种推理系统具有收敛速度快，泛化能力好、推广性强的特点，极大提高了汽车空调压缩机故障诊断的效率和准确性。     

机群智能化工程机械故障诊断系统研究

机群智能化工程机械故障诊断系统以高等级公路施工工程机械为对象 ,采用无线电通讯技术、故障诊断技术、计算机技术、传感器技术、智能控制技术等 ,研究由沥青拌和设备、摊铺机、振动压路机、装载机和自卸汽车等单机所组成机群的智能化故障诊断系统结构、知识表达方法、推理过程、系统功能实现等关键技术。最终实现对施工机群的实时状态监测和故障诊断 ,减少施工机械故障停机 ,提高施工效率。     

基于遗传算法和支持矢量机参数优化的制冷机组故障检测与诊断研究

针对制冷机组故障诊断中特征多、诊断准确率低的特点,提出一种复合诊断模型,利用遗传算法搜索特征空间,与带参数优化的支持矢量机(Support vector machine,SVM)结合,同时进行故障特征提取和模型训练。用该模型研究7种典型的制冷机组故障,从64个原始特征中筛选出8个与试验辅助系统关系甚微、均十分靠近核心制冷循环的特征,作为故障指示特征,总体诊断准确率从96.95%提高到99.53%,测试时间下降70%以上。用命中率和虚警率评价模型对各故障的诊断性能,所提复合模型除个别故障外,均优于无特征提取及带主元分析特征提取的SVM模型。复合模型在制冷机组故障诊断中有良好的应用前景。