基于神经网络信息融合的柴油机故障诊断

本文论述了神经网络信息融合的原理与方法,首先就BP网络训练速度慢,易陷入局部极小点的问题,提出将附加动量项与自适应学习速率相结合的改进BP算法,有效地抑制了网络陷于局部极小并提高了收敛速度。最后,将振动信号与血管压力信号作为特征参数,分别采用传统BP算法,改进BP算法对供油系统的三种故障进行信息融合诊断分析。实践表明,神经网络信息融合方法非常适用于多征兆机械系统的故障诊断。     

小波——人工神经网络信息融合故障诊断方法

基于小波变换的时频域局部化特性及人工神经网络的非线性映射特性，将小波变换和人工神经网络的优点结合起来，用加权法实现信息的初级融合，用小波变换实现特征提取，再用人工神经网络实现信息的二级融合，介绍物构造方法和信息处理的步骤。     

基于神经网络的信息融合故障诊断技术

利用神经网络技术建立信息融合中心 ,对多传感器数据进行融合处理 ,通过多源互补信息减小故障诊断系统的不确定性。文中讨论了神经网络多传感器信息融合方法中数据预处理与特征提取、特征向量维数压缩与关联、归一化处理方法等 ,同时 ,对神经网络的构造以及学习训练等内容 ,也作了较为详细的讨论。通过对柴油机振动监测数据、燃油压力波动信息、以及两者融合信息的故障诊断性能的比较 ,表明神经网络多传感器信息融合方法用于复杂机械的故障诊断是可行和有效的     

基于小波神经网络柱塞泵液压系统的故障诊断研究

为了能够有效地对柱塞泵液压系统进行故障诊断,该文深入研究了小波神经网络在其中的应用.首先,分析了小波神经网络的基本原理,确定了小波神经网络的结构;然后,研究了小波神经网络的算法,选取了具有全局最优的粒子群优化算法.接着,设计了小波神经网络训练的流程;最后,对柱塞泵液压系统进行了故障诊断研究,经过仿真计算,最终得出小波神经网络具有故障诊断正确率高和诊断速度快的优点.     

基于信息融合的小波神经网络航姿系统故障诊断方法研究

基于信息融合技术的思想,从航姿系统故障诊断的实际出发,建立了基于信息融合技术,集小波分析与神经网络于一体的紧密型小波神经网络,并给出了具体的算法。通过故障特征信息的有效组合,用各种子小波神经网络从不同侧面对设备故障进行初步诊断,然后对诊断结果进行决策融合。此诊断系统充分利用了各种特征信息,有效提高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。     

基于集成神经网络的故障诊断

在对基于集成神经网络的智能故障诊断者充分分析的基础上，对风机的典型故障进行了神经网络建模，经测试取得了良好的效果。     

基于模糊神经网络的气体密封故障诊断

针对传统的依靠单一参数对密封状态监测的不足,利用模糊神经网络处理问题的能力,综合多种密封参数的信息,建立针对密封状态监测的模糊神经网络系统,提出基于模糊神经网络的故障诊断的方法。该方法确定泄漏量、端面温度、气膜厚度、阻封气泄漏量作为密封的监测参数,并确定各个参数的隶属函数;通过大量的历史数据、MAT-LAB模拟数据和专家知识分析得到各个特征参数值和修正值,建立5种密封状态的输出模式;通过隶属函数实现输入样本的模糊化;通过MATLAB编程来设计、优化神经网络结构,利用历史数据训练神经网络。通过实例分析验证了建立的模糊神经网络的实效性。     

基于小波神经网络的车辆发动机故障诊断

为有效诊断车辆发动机的柴油系统故障,本文将小波变换与BP神经网络相结合,用小波变换来抽取故障的特征向量,以此作为BP神经网络的输入参数,从而构建了小波神经网络。该方法依据小波变换模极大值来研究油管中柴油压力信号的奇异性来抽取故障特征向量,首先利用故障采集数据来获得学习样本,然后根据网络训练来构建起BP神经网络输出与输入间的非线性映射,从而依据特征向量输入进BP神经网络进行诊断故障。通过实验我们发现该方法有较好的的诊断效果。     

基于小波神经网络的液压传感器的故障诊断研究

为了能够提高液压传感器故障诊断的精度,深入地研究了小波神经网络在其故障诊断中的应用.首先,建立了小波神经网络的数学模型;接着,分析了小波神经网络的算法和实现步骤;最后对液压传感器的六种故障模型进行了故障诊断,诊断结果表明小波神经网络具有较高的诊断精度.     

集成神经网络信息融合技术在旋转机械故障诊断中的应用

结合单子神经网络信息融合在故障诊断中的不足不之处,讨论了集成神经网络信息融合的优点并提出了集成神经网络信息融合的组成结构、组建原则以及集成神经网络信息融合在故障诊断中的应用,最后应用集成神经网络对机械故障诊断进行了仿真。     

小波神经网络在铝合金焊接缺陷诊断中的研究

总结了铝合金焊接气孔缺陷及原因，应用小波神经网络技术对铝合金焊接气孔缺陷进行智能诊断。描述了小波神经网络的建模过程，编制了智能诊断的实现软件。具体实例的诊断结果表明，小波神经网络缺陷诊断专家系统稳定性好，诊断速度快，能以较高的置信度诊断出多故障，提高了诊断精度及置信度，这对提高小波神经网络缺陷诊断专家系统的实际应用效果具有现实意义。     

遗传小波网络在齿轮箱故障诊断中的应用

针对小波神经网络常用的反向传播算法普遍存在收敛速度慢,容易陷入局部极小点,网络参数的选取只能凭实验和经验来确定等缺点,提出了一种基于遗传算法优化的小波神经网络并应用于齿轮的故障诊断。仿真结果表明,该方法充分的发挥了遗传算法的全局寻优能力,小波分析的非线性逼近能力和神经网络的自学习特性,优化了系统的收敛速度和故障诊断的精度。     

基于遗传小波神经网络的双余度电机故障诊断

针对传统的BP神经网络在双余度无刷直流电机故障诊断算法中存在收敛速度慢和容易陷入局部最小的缺点,在对无刷直流电机常见故障深入分析的基础上,着重研究5种故障特性,提出1种故障诊断新方法.有针对性地根据统计学方法提取电机运行数据作为故障征兆.采用3层小波神经网络构成前向网络结构.针对传统误差反向传播(BP)算法选择参数和网络拓扑结构依据的不足,用遗传算法作为网络的样本学习算法,采用染色体编码对小渡基函数主要参数和网络结构参数进行优化.通过仿真试验和在微小型水下航行器上的应用表明,该算法具备较好的故障识别能力.     

改进小波包与RBF网络在轴承诊断中的应用

基于故障轴承的特征提取,提出一种基于小波包与径向基RBF神经网络相结合的故障诊断方法,克服了以往常用诊断方法中的小波BP神经网络网络收敛慢、训练时间长、而且常常陷入局部极小点的缺点。采用小波滤波技术对采集到的滚动轴承振动信号进行滤波处理,利用小波包分解获得滚动轴承振动信号的特征向量作为故障样本对RBF网络进行训练,进行了详细的故障诊断试验研究。实验结果表明训练好的RBF网络能够很好地诊断出轴承故障类型,故本方法在旋转机械故障诊断方面具有良好的应用价值。     

小波神经网络在基桩缺陷诊断分析中的应用

将小波分析作为神经网络的前置处理手段，从基桩动测信号小波变换的分量中提取特征，然后将这些特征输入人工神经网络进行训练和分类，进而实现基桩缺陷位置和程度的诊断。仿真试验的结果表明，该方法对桩身完整性的评价是快速有效的，特别是对于多个缺陷的判别较其他方法具有优越性，在此基础上进行了模型桩的现场试验研究。     

基于小波包和SOM神经网络的车辆滚动轴承故障诊断

以车辆滚动轴承故障诊断模型为基础,针对其轴承的特点,提出了一种小波包分析和SOM神经网络相结合的故障诊断方法。将该方法应用于车辆滚动轴承的故障诊断中,经过大量实测数据的分析与验证,能够有效地诊断出轴承的故障类型,为旋转机械的动态监测和故障诊断提供了新的参考,具有重要的理论和实际工程应用价值。     

小波神经网络在柴油机异响故障诊断中的应用

由于活塞敲缸响和活塞销响是两种常见的、却难以区分的柴油机异响故障，这里对EQ6BT柴油机这两种故障的缸体振动信号进行Morlet连续小波变换，作出小波变换系数的尺度-能量谱，并提取出尺度为3～20范围内的最大尺度能量作为BP神经网络的输入向量，实现了对该柴油机两种异响故障的诊断。结果表明，利用文中所设计的小波神经网络能非常准确地诊断出EQ6BT柴油机活塞敲缸响、活塞销响两种异响故障及其故障的严重程度。     

基于小波包和PSO-Elman神经网络的滚动轴承故障诊断

针对滚动轴承的故障诊断,分析滚动轴承故障机理及特点,提出基于小波包分析的滚动轴承振动信号的特征向量提取算法,并建立PSO-Elman神经网络进行故障诊断和识别。将滚动轴承故障振动信号进行小波包分解,构造频带能量谱作为特征向量,输入PSO-Elman神经网络对故障进行识别。试验结果表明,基于小波包分析和PSO-Elman神经网络相结合的方法可准确地实现滚动轴承的故障诊断。     

基于小波包-模糊神经网络的发动机泵机组故障诊断

提出了利用小波包分解、神经网络和模糊诊断的方法进行发动机泵机组故障诊断;运用小波包频带能量分解,可以在不丢失振动信息的情况下降低信号的维数,提高神经网络的识别能力;运用了神经网络使故障诊断具有自适应、自学习能力,对发动机泵机组的各类故障进行分类和训练,得到了满意的效果.     

采用小波神经网络的刀具故障诊断

为了有效的进行刀具状态监测，采用小波神经网络的松散型结合对刀具进行故障诊断。通过小波变换提取刀具磨损声发射（AE）信号的特征．即对AE信号进行小波分解，提取了5个频段的均方根值作为神经网络的输入，来识别刀具磨损状态。试验表明，均方根值完全可以作为刀具磨损过程中产生AE信号的特征向量。仿真结果表明，基于小波神经网络的刀具故障诊断对刀具磨损状态的识别效率高．该方法是有效的。