基于BP神经网络的除尘风机振动故障诊断

将BP神经网络技术引入到大型除尘风机的振动故障诊断中结合神经网络的结构分析了其工作原理和算法.通过一个设备故障实例,利用神经网络对设备的故障特征和测试信号等数据进行学习和训练,模拟了专家对故障所进行的推理、判断和决策,从而获得了正确可靠的诊断结论.测试结果表明:文中建立的BP神经网络对训练的特征样本进行模式识别具备了很高的准确率,实现了诊断分析的智能化.     

基于神经网络的汽车防抱死系统故障模式识别

汽车故障诊断需要采集汽车各系统动态信号,对采集信息进行分析处理,确认其是否属异常表现,预测故障发展趋势。提出了一种采用BP神经网络获得对ABS故障模式识别预测的方法,采用BP算法对故障样本进行分类,通过对故障实例的训练和学习,提高了ABS执行器与传感器发生故障时的行为模式识别与诊断的能力。仿真结果表明了该方法的有效性。     

基于SVM和BP神经网络的滚动轴承故障诊断

为更好地对滚动轴承进行状态监测和故障诊断,采集3种不同状态下的滚动轴承振动信号,根据振动信号特点提取其时域和频域的相关特征,然后分别利用SVM(支持向量机)和BP神经网络进行模式识别。不断减少每种状态下训练样本集的个数,利用2种不同的方法进行模式识别。当每种状态下的样本个数为3个时,支持向量机仍然能准确地将测试样本进行分类,而BP神经网络完全无法识别。实验结果表明,支持向量机比BP神经网络更适合于小样本的故障诊断。     

改进的BP神经网络在数字图像识别中的应用

以改进的BP神经网络为基础设计数字图像识别系统.先将训练样本图像二值化处理后提取特征向量,并将其输入神经网络进行训练;然后将测试样本的特征向量输入经过训练的神经网络,测试神经网络的识别率.测试结果表明,改进的BP神经网络在训练的收敛速度上明显优于原始的BP神经网络,且有很高的识别率.     

基于神经网络算法的故障检测技术

针对复杂的机电产品内部构件状态检测这一工程难题,本文介绍了一种自动在线检测系统.该系统采用X射线对产品成像,运用数字图像处理技术对射线图像进行预处理,由神经网络算法进行故障诊断.故障识别模型采用了改进的BP神经网络算法,以正常装配状态时的多幅图像经预处理后作为学习样本训练BP神经网络.检测时一般只需拍摄两幅不同方位的图像,经预处理后输入神经网络与样本图像进行比较判断,即可识别出关键元器件的状态.该系统将数字射线成像技术和图像处理技术相结合,并在故障识别算法中采用了神经网络算法,提高了产品故障的检测速度和可靠性,在工业无损检测领域具有一定的实用性.     

基于振动声学的除焦状态检测系统

针对传统水力除焦操作中需要人为观测判断、劳动强度过大、环境恶劣的缺陷,提出了基于振动声学的智能除焦状态检测系统,利用智能检测技术完成除焦状态的判读。通过振动传感器对信号进行采集,再完成特性参数的提取,使用模式识别的方式建立除焦状态和振型参数之间的关系,采用BP神经网络将获取的振动信号样本进行傅里叶变换后得到振动信号的幅频曲线。提取不同特征频段的幅值作为特征参数,进行样本学习训练,建立起除焦状态与焦炭塔振动特性之间的学习识别网络,经过训练并且稳定的网络即可用于水力除焦智能检测系统中。     

LabVIEW下基于BP神经网络的温度补偿虚拟压力测量系统设计

压力传感器的输入输出通常存在非线性，而且输出会因工作环境温度的改变，使其零点、灵敏度均发生漂移。为消除温度对压力传感器测量结果的影响，在LabVIEW下实现虚拟压力测量系统，并应用反向传播（BP，Back Propagation）神经网络，通过样本对网络进行训练，并将该BP网络以动态链接库的形式提供给LabVIEW调用。测试结果表明温度补偿效果非常好，同时具备传感器测量值的转换和非线性校正功能，该应用BP神经网络的虚拟压力测量系统具有很大的实用价值。     

基于BP神经网络的装甲车辆起动电动机故障诊断研究

为了有效利用装甲车辆起动电动机的采集数据,在起动过程中对电动机进行实时诊断,提出了一种基于BP神经网络的装甲车辆起动电动机的故障诊断方法。该方法包括训练学习和测试验证两部分。训练学习是利用训练样本数据获得诊断率较高的网络模型,测试验证是用实时测量的数据验证网络模型的有效性和优越性。以起动电动机四种不同的工作状态对应的起动电流和振动信号为例,利用时频分析技术提取特征向量组作为BP神经网络模型的样本数据,对其迭代训练获得最佳的网络结构,对比具有不同BP训练函数的神经网络模型,得出基于Levevberg-Marquardt算法的最优网络模型。测试样本验证的结果表明,该方法能够有效诊断装甲车辆起动电动机的故障,识别率较高。     

基于MPSO-BP神经网络的PSD误差补偿

针对光电位置传感器(PSD)测试系统的输出非严格线性的标定问题,提出了改进的粒子群优化BP神经网络的非线性补偿方法。采用自适应调整学习因子构造MPSO-BP神经网络分类器,建立一个2×35×2的BP神经网络。利用标定数据训练网络,将训练好的网络应用到输出信号。实验结果表明,相比于BP神经网络0.297%的相对误差,PSO-BP神经网络的相对误差减小到0.052%,准确度提高5倍以上,提高了PSD传感器的可靠性和测量精度。     

小波包神经网络在轴承故障模式识别中的应用

基于不同点蚀模式的轴承振动信号的频域能量分布差异性,提出了基于小波包正交分解和BP神经网络的轴承点蚀故障模式识别技术。对轴承振动信号进行小波包正交四层分解,实现了信号空间完整拆分的同时得到了第四层由低频到高频的小波包分解系数,再分别进行单支重构得到各频段的成分。利用信号各频段的能量组成特征矢量作为神经网络的输入样本,对BP神经网络进行训练,获得模式识别网络;再用新数据进行网络的检验,结果证明网络的性能良好。     

一种应用于光缆外破在线监控的模式识别方案

电力通信网络线路常因沿途的工程机械施工,人为外力破坏等行为造成毫无预警的危害和损坏。为了实现对线路外破隐患高效预警,需要在现有预警定位的基础上,加上对碰撞敲击、管孔侵入、机械施工和开盖报警等行为的识别。将分布式光纤传感技术、梅尔频率倒谱系数和径向基神经网络相结合,提出一种可应用于光缆外破在线监控的模式识别方案。测试的总体识别率达97.78%,现场模拟的事件报警准确率高。该方案可广泛应用于长距离管线检测领域。     

基于PCA和改进的BP网络的肺结节识别研究

提出了一种基于PCA和改进的BP神经网络的CT影像肺结节检测方法。将已经获取的肺部影像中肺结节和血管的特征数据经PCA处理后,应用改进的BP神经网络进行分类,经过竞争选择,获得分类结果。实验证明该识别方法实现简单、识别率高、训练速度与识别速度较快,训练好的网络有很好的分类能力。     

基于神经网络的预分解窑控制过程建模

在分析了水泥预分解窑工艺流程的基础上,采用Elman神经网络与BP神经网络建立预分解窑系统的模型,通过两种建模网络的泛化能力的仿真测试比较,体现出Elman神经网络在复杂的多变量、多扰动非线性系统建模方面的优越性。     

基于分布式光纤振动传感原理的电力电缆故障定位技术研究

研究一种基于分布式光纤振动传感原理和电缆局部放电原理的电力电缆故障定位技术.通过在电缆上施加高压脉冲,使得电缆上有故障的位置产生局部放电,从而产生振动信号.并将放电脉冲信号同步传输给分布式光纤振动监测系统.通过分布式光纤振动传感技术来探测电缆沿线放电产生的振动信号,并对振动信号进行定位.将该故障定位技术应用于电力电缆沿线上监测电缆故障的状态分布,并进行试验验证.实验结果表明,该系统可实现监测多回路30 km电缆线路的故障分布状况,并对故障点进行准确定位.     

神经网络在火灾视频识别中的应用

利用早期火灾火焰的形体变化特性,结合火灾视频探测信号的特点,用图像处理方法提取火焰图像的面积、形状及纹理特征并形成火灾识别判据.设计BP神经网络结构,利用训练好的神经网络对有、无干扰源火灾环境进行火灾识别,验证结果表明该方法的正确识别报警率较高,能够减少火灾报警系统漏报率和误报率,是一种可靠的智能火灾探测方法.     

基于BP神经网络的截齿磨损程度在线监测

为实现截齿截割过程中磨损程度的实时精准在线监测,提出了一种基于BP神经网络的截齿磨损程度多特征信号融合的检测方法。通过提取截割过程中不同磨损程度截齿的三向振动信号、红外温度信号和电流信号,建立了不同磨损程度截齿的多特征信号样本数据库,采用多特征信号样本对BP神经网络进行学习和训练,建立截齿磨损程度的识别模型,实现截齿磨损程度在线监测与精确识别。实验结果表明:基于BP神经网络的截齿磨损程度监测系统,网络判别结果和测试样本的实际磨损程度类别相符,该BP神经网络系统能够对截齿磨损程度类型进行准确的监测和识别。     

基于双隐含层BP算法的激光主动成像识别系统

在传统激光主动成像系统的基础上,结合目标识别技术搭建了一个激光主动成像识别系统实验平台,用于研究激光主动成像后的目标识别。介绍了实验平台的工作原理,基于Hu矩特征的双隐含层BP神经网络算法以及实验处理流程和实验结果。特征量由7个不变Hu矩构成,通过240张原始目标样本库对由136个权值系数构成的双隐含层BP神经网络算法进行了训练。利用训练好的双隐含层BP算法对黑夜条件下远处的运动目标--43式冲锋模具枪进行了实验研究,成功获得了清晰的红外激光主动成像效果。实验显示对450 m处2 740帧和550 m处2 420帧激光主动成像图像的统计识别率达到了68.87%和72.11%,其中旋转变换下的统计识别率可达80.05%和84%,好于仿射变换的识别效果。     

基于神经网络和不变矩的路面破损图像识别

提出了一种应用BP神经网络识别沥青路面破损图像的图像分割方法.将路面图像等分,用灰度方差值描述子块图像特征,利用BP神经网络对子块图像进行模式分类,并将图像子块模式矩阵的不变矩作为图像的整体特征,在此基础上设计了基于全局优化算法的前馈神经网络分类器,并进行了图像识别试验,对二值图像进行特征提取,提出了学习算法,以加快收敛速度,从而实现图像识别.     

基于神经网络的污水处理设备监测CPS设计

现阶段大部分污水处理设备使用单一传感器监测设备,故障识别率低。该文研发了一套新型污水处理设备监测系统,根据信息物理融合系统(CPS)的要求全面统筹,采用BP神经网络算法处理由传感器得到的数据,监测设备的不同状态。硬件芯片采用STM32,采用工业以太网和串口通信,采用C#语言开发上位机应用软件,采用HTML和JavaScript以及C#语言开发web远程监测系统。经测试,系统运行良好,故障识别率高。