共查询到19条相似文献,搜索用时 312 毫秒
1.
2.
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。 相似文献
3.
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。 相似文献
4.
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. 相似文献
5.
基于神经网络算法的故障检测技术 总被引:2,自引:3,他引:2
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. 相似文献
6.
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。 相似文献
7.
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。 相似文献
8.
《现代制造技术与装备》2017,(11)
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。 相似文献
9.
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。 相似文献
10.
11.
12.
13.
14.
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. 相似文献
15.
16.
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。 相似文献
17.
基于双隐含层BP算法的激光主动成像识别系统 总被引:2,自引:0,他引:2
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。 相似文献
18.
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. 相似文献
19.
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。 相似文献