基于小波分形的飞行器结构系统早期故障识别

在对飞行器结构系统早期故障特点进行分析的基础上,将小波分析与分形理论相结合,提出利用小波分析提取早期故障特征信号和根据分形关联维数对飞行器结构系统早期故障进行快速识别的方法.文中对飞行器结构系统早期故障奇异特征的提取、关联维数的计算、早期故障的识别等进行分析和研究,并给出具体算法模型和实施步骤.结果表明,小波分析能有效地提取飞行器结构系统早期故障奇异特征信号,根据局部斜率和嵌入维数得到的关联维数,能快速识别出早期故障.     

小波-分形-多 ART2神经网络在汽车发动机故障识别中的应用

利用小波(包)变换和分形理论对汽车发动机的非平稳振动信号进行特征提取,由自组织主成分分析作特征降维,然后用一种新的多ART2神经网络对发动机故障状态进行分类识别,获得了满意的效果。     

小波·分形·神经网络故障诊断法及其在风机诊断中的应用研究

研究了分形理论、小波变换与人工神经网络相结合进行故障诊断的机理与方法。利用小波包可进行多维多分辨率的特性,对振动信号进行分解与重构,提取频带能量特征分析。选用分形理论中的离散信号分形维数计算方法,提取分形维数的特征。以K-L变换作特征降维,然后用基于梯度符号变化的局部学习率自适应误差反传算法的小波神经网络对故障状态进行分类识别。并利用这种方法本文对风机转子故障进行了诊断,结果表明这种诊断方法是完全行之有效的。     

一种低压智能化电器故障诊断系统研究

结合电器产品的故障特点,利用小波变换对现场数据进行预处理,把神经网络和专家系统相结合,设计出一种快速、有效、具有自学习能力和知识库自扩充功能的电器智能故障诊断系统.     

基于神经网络的发动机故障波形识别方法的研究

介绍了波形信号的识别机理：应用神经网络技术,设计了发动机故障波形识别系统,并对BP算法进行了改进,并且以发动机喷油器电压波形为例,校验了设计过程（此例的信号通过检测获得）。     

焊缝超声无损检测中的缺陷智能识别方法研究

介绍一种采用小波包变换技术对缺陷回波信号进行降噪和特征值提取的方法,进而采用基于距离的类别可分性判据和人工神经网络模式识别方法对其进行自动识别和归类,并在此基础上开发了基于MATLAB软件的焊缝超声波探伤缺陷智能识别系统,可实现对缺陷回波信号的自动采集、处理及智能化识别和分类.试验结果表明,采用的特征值提取方法以及缺陷定性识别方法是相当有效的.     

相关小波法在结构系统识别中的应用

对于一个线性结构系统，从输入输出数据中提取精确的脉冲响应函数和频响函数是对系统进行动力学建模和参数识别的关键步骤。在循环小波变换的基础上，研究了提取脉冲响应函数的相关小波法及其相应的平均算法。数值仿真结果表明，对于不同的激励信号，相关小波法都能够获得比FFT方法精度更高的脉冲响应函数和频响函数，具有更大的优越性。利用悬臂梁实验验证了相关小波法在实际结构中的正确性和有效性。     

基于小波模糊神经网络刀具状态监测系统的设计

本文利用能量分布特征提取方法和模糊神经网络,提出一种基于小波变换和模糊神经网络的刀具状态监测系统,利用该系统对四种刀具状态进行估计,结果与实际情况完全一致,证明该系统对于估计刀具状态是非常有效的.     

基于小波神经网络的非线性动态系统辩识

采用一种新型小波神经网络对非线性动态系统进行辨识。通过优化组合小波基元激励函数 ,大大减小了小波神经网络的规模 ,改善了网络学习特性。仿真结果表明 ,该网络结构及其学习算法简单有效 ,逼近精度高     

基于小波包变换预处理的神经网络故障字典法的研究

本文以进行模拟电路故障诊断为主要目的，提出了基于小波包变换预处理的交流电路神经网络故障字典法，此方法充分利用小波包分解信号的能力，把交流电路的频率响应任意细分，能获取更多的故障特征。诊断速度快．效果好     

汽轮发电机组振动故障的综合自动诊断方法研究

利用振动信号频率成分结构和频率幅值研究了汽轮发电机组振动故障的综合自动诊断方法。根据振动故障的频谱特点 ,将振动故障分为 4个模式类 ,并确定故障类模式中心 ,在故障类的层次上做模式识别 ;利用频谱征兆和模糊关系矩阵 ,计算故障隶属度值以确定故障的严重程度 ;通过实例阐明了本方法对故障模式有较强的识别能力     

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.     

基于小波变换和模糊神经网络的人脸图像识别方法

提出了小波变换技术和模糊神经网络技术相结合的人脸识别方法。小波变换具有良好的多尺度特征表达能力,能将图像的大部分能量集中到最低分辨率子图像,高频部分则对应于图像的边缘和轮廓,能很好的表征人脸图像的特征。模糊神经网络具有很强的分类能力,并且可以运用神经网络的学习算法。实验表明,二者的结合对人脸识别具有计算量小,识别率高的优点,有很强的实用性。     

基于粗糙集理论和BP神经网络的分层递阶分类算法

根据分层递阶的原则，提出了一种将粗糙集理论与BP神经相结合的分类算法，该算法分别用粗糙集理论和BP神经网络处理决策表中的离散属性和连续属，可以避免对象连续属性离散化中产生不确定的情况。同时粗糙集对于决策表噪声比较敏感，BP神经网络可以克服这个缺点，最后，对3个公共数据库的测试验证了该分类算法的有效性。     

基于加权模糊优选理论的发动机磨损模式识别

发动机磨损模式识别是发动机状态监测与故障诊断的重要环节,如何快速、准确地识别发动机磨损模式是磨损状态监测与诊断的关键。结合大量铁谱分析数据与专家经验。给出了发动机磨损模式识别标准样本库。引进一种模糊相对权重的概念,并结合模糊优选理论建立了发动机磨损模式识别的加权模糊优选分析模型。实践证明,加权模糊优选分析模型能够快速、准确、有效地识别发动机磨损模式。     

内燃机缸盖系统模式识别方法研究

根据往复式内燃机结构和工作特点 ,对内燃机缸盖系统模式的识别方法进行了研究。根据激励与内燃机相位的对应关系 ,提出了基于相位相关的模式分解方法 ,用子模式集合描述缸盖系统模式。对人工神经网络技术用于缸盖系统模式识别进行的研究表明 ,人工神经网络技术对内燃机缸盖系统模式识别具有较强的分类表达和诊断能力     

基于小波变换的分形曲线维数计算方法的研究

研究了基于小波变换的分形曲线维数计算方法,具有算法简单和容易实现的优点;通过构造典型分形曲线并加以应用研究,提出并总结了小波分解尺度对维数计算精度的影响规律。根据影响规律,采用小波变换计算分形曲线维数,首先应该估计曲线的采样长度,根据曲线特征选择特定的小波函数,确定最佳的小波分解尺度,这样既提高了计算精度,又缩短了计算时间;其次,当分形曲线有限长度较短时,应该采用信号周期延拓的方法可以减少计算误差。     

基于三种理论的汽油机故障诊断系统应用研究

阐述了模糊逻辑、BP神经网络和专家系统的相关理论,探讨了结合三种理论构建系统的优点,介绍了电控汽油机故障诊断的相关理论。在上述理论的基础上,阐述了电控汽油机模糊神经网络诊断专家系统的构建方法,并运用MATLAB软件针对汽油机故障征兆-故障模式样本集编写了BP神经网络训练程序对样本进行了学习训练和仿真。     

模糊数据融合的刀具磨损状态智能识别

为实现高速加工时刀具渐变磨损状态的在线准确识别,提出了一种集合多种智能的间接检测刀具磨损状态方法的模糊数据融合方法。尽管这些方法具有算法实现较为简单、处理速度较快的优点,但单一的信号检测及单一的智能建模方法难以获得全面的加工状态信息和准确的识别结果。为此,利用F推理技术对上述方法的冗余和互补信息进行数据融合,应用Makino—Fanuc 74-A20型加工中心的测试数据验证了该方案的可行性,并将刀具后刀面磨损的预测值与基于机器视觉检测的实测值进行比较。实验结果分析表明,多参数模糊融合识别方法能快速获得切削刀具磨损状态更加准确的预测值。