基于紧框架小波神经网络的抽油机井故障诊断

所提出的小波网络包括初始的学习网络和训练过程中根据精度要求而自适应并入的子网络．通过对各维输入信号的综合时域分析,选择合适的尺度参数和位移参数构造单尺度下的小波紧框架,以构成各级子网络,进而解决多维小波网络中存在的“维教灾”问题．针对对角回归结构．推导出带遗忘因子的动态递推最小二乘法对网络的参数进行训练．将该网络应用于抽油机井的故障诊断,得到了较好的效果。     

基于模糊神经网络的抽油机故障诊断方法

将模糊逻辑与神经网络相结合,构造模糊神经网络,将神经网络输入层的确定性信息模糊化后变成模糊量,将故障征兆参数相对应的隶属度数值作为神经网络的输入,从而使神经网络更加适合设备故障描述,克服了神经网络对不精确信息表达的缺点。提出基于黄金分割法的变步长BP算法来训练神经网络,根据误差变化趋势动态调整学习速率,实现学习步长的自适应调整,提高网络收敛的速度,防止网络训练时陷入局部极小。将训练好的模糊神经网络应用于抽油机设备的故障诊断,取得良好效果。     

示功图与模糊神经网络结合的抽油机故障诊断

随着石油工业的发展,采油工艺的提高,抽油机故障诊断在生产环节中尤为重要,对分析传统示功图对抽油机故障诊断不足进行了分析,其不足主要集中在诊断分析方式属于定性分析,并且诊断维度过于单一.首先对抽油机的故障进行了总结,并引入模糊神经网络,并在模糊神经网络中引入黄金分割法的变步长BP算法实现推理过程,通过模糊神经网络与示功图特征综合评判其故障生成诊断方案用来实现从不同维度解决抽油机故障方面的问题,同时本文通过仿真实验验证了该理论的可行性.     

基于模糊神经网络的故障诊断方法及应用

在变压器色谱分析数据的基础上,将模糊理论和神经网络引入电力变压器故障诊断中,提出了新的故障诊断方法,设计了故障综合诊断模型.仿真表明该方法是一种有效可行的方法,提高了故障的识别率,具有实用价值.学习样本越多,所反映的故障类型越全面,则所建立起的故障诊断模型越合理,诊断准确率就越高.     

基于模糊聚类的神经网络故障诊断方法

提出基于模糊聚类的BP神经网络（Fuzzy Clustering BP Neural Network,简称FCBPNN）故障诊断的理论和方法,即利用模糊聚类准则对样本数据进行预处理.通过仿真比较FCBPNN与简单BPNN两种方法在抽风机组的故障诊断中的应用,证明了该方法的有效性.     

汽轮机故障诊断的模糊神经网络方法

为有效进行汽轮机故障诊断,本文提出了将模糊理论与自适应变结构神经网络相结合的方法,并对其工作原理进行阐述。最后通过实例,说明该方法是可行的。     

基于模糊神经网络的连铸机故障诊断研究

针对连铸机结晶器液压振动系统故障特点,采用模糊理论与神经网络相结合的方法对其进行故障诊断,用模糊信息处理方法对输入信号进行处理,然后采用神经网络的逼近能力实现连铸机结晶器液压系统振动故障诊断,利用现场数据进行了仿真实验,仿真结果表明该系统具有很好的识别能力,可以对不确定行知识进行很好的处理,提高故障诊断的精度。     

基于模糊聚类的神经网络故障诊断方法

提出基于模糊聚类的BP神经网络(FuzzyClusteringBPNeuralNetwork,简称FCBPNN)故障诊断的理论和方法,即利用模糊聚类准则对样本数据进行预处理。通过仿真比较FCBPNN与简单BPNN两种方法在抽风机组的故障诊断中的应用,证明了该方法的有效性。     

基于补偿模糊神经网络的制冷系统故障诊断研究

选择反映制冷系统故障状态的热力参数集组成特征向量,并对其进行模糊化处理,利用补偿模糊神经网络建立故障状态与热力参数特征向量之间的映射关系.将神经网络和补偿模糊逻辑相结合, 采用动态、全局优化的运算, 充分利用了相互间的优点.网络不仅能适当调整输入输出模糊隶属函数, 也能借助于补偿逻辑算法动态优化相应的模糊推理.仿真实验证明该模型在智能诊断中具有收敛速度快, 诊断精度高, 而且适应性强等优点.     

基于模糊神经网络的复杂网络故障诊断设计

针对雷达等复杂大型电子装备网络系统的故障定位难、影响关系不清晰的问题,采用了基于模糊神经网络的故障定位方法,提高了网络故障定位的快速性与准确性：首先介绍了模糊隶属度及模糊神经元等理论,接着基于模糊理论将网络监测信息进行模糊化处理,并利用神经网络模型对模糊后的信息进行训练与学习,参数训练达到设置的期望误差0.01;最后利用训练好的模型对随机抽取的2组网络故障实例进行了验证,软件执行单次诊断耗时3.5s;结果表明采用基于模糊神经网络的诊断方法,能够较好解决网络故障耦合复杂、故障现象与故障原因关系不清晰等难题,对网络故障快速排除与恢复具有重要意义。     

基于模糊神经网络的板级电路故障诊断研究

板级电路故障诊断过程复杂，故障征兆和故障原因之间存在着许多不确定因素，建立精确的故障诊断系统存在着许多困难，针对这种情况，提出基于模糊神经网络，利用模糊逻辑和神经网络相结合建立故障诊断系统的方法，并以某电路板为研究对象该方法作了验证，结果表明，该方法是可行的和有效的。     

基于神经网络与模糊融合的外围故障诊断方法

针对用传统检测方法诊断模拟电路系统设备外围故障困难的问题,提出了一种利用BP神经网络与模糊融合相结合的故障诊断新方法,将神经网络与模糊融合结合起来,实现两者优势互补;首先利用神经网络的泛化能力对系统内部各可测点电压各用一个独立的BP神经网络对系统进行初级诊断,然后根据初级诊断结果,运用模糊融合诊断方法进行故障诊断,诊断结果更趋于合理,对模拟电路系统的外围故障实现正确定位;该方法能充分利用系统内部故障信息,有效避免采集外围设备信息的困难。     

神经网络和模糊系统在故障诊断中的应用

本文提出了一种神经网络和模糊系统相结合的分级式故障诊断方法。神经网络通过对部分测量数据的处理,实现系统的回路级故障诊断,输出各回路故障出现的可信度。模糊系统通过对神经网络得到的初步诊断结果和其他测量值的处理,实现系统的元件级故障诊断,并对最终诊断结果作出解释。该方法融合了神经网络自适应学习能力强和模糊系统知识表达明确的优点,简化了神经网络学习数据获取及模糊推理规则建立的过程。通过对热硝酸冷却系统故障诊断的仿真,证明了该故障诊断方法的有效性。     

基于模糊神经网络的导弹故障诊断专家系统

为了实现对导弹测发控系统的故障诊断,研究了模糊神经网络理论与算法,以及和专家系统的结合方式;综合神经网络、专家系统和模糊逻辑的各自优点和特点,提出了构建基于模糊神经网络的故障诊断专家系统的基本原则,并给出了一种构建方法;通过将传统的专家系统技术与模糊神经网络技术相融合,文中构造了某型导弹测发控系统智能故障诊断系统,验证了方案的可行性,为类似系统的进一步实现进行了有益的探索。     

基于模糊神经网络的板级电路故障诊断研究

板级电路故障诊断过程复杂，故障征兆和故障原因之间存在着许多不确定因素，建立精确的故障诊断系统存在着许多困难。针对这种情况，本文提出了基于模糊神经网络，利用模糊逻辑和神经网络相结合建立故障系统的方法，并以某电路板为研究对象对该方法作了验证。结果表明，该方法是可行的和有效的。     

神经模糊网络在工业监控系统故障诊断中的应用与研究

根据工业监控系统故障诊断自身复杂性的特点,提出并设计了一种结合神经网络和模糊系统优点的新型5层结构的模糊神经网络故障诊断系统,并对该系统的结构、算法进行了详细的说明,最后在此基础上,将该故障诊断系统应用到一个具体的工业监控系统一“KJ15A矿井机车运输监控系统”上,取得了良好的诊断效果。     

基于模块化模糊神经网络的非线性系统故障诊断

提出了一种基于模块化模糊神经网络的非线性系统故障诊断新方法。该方法先使用模糊c-均值聚类法对测量空间进行模块分割,再利用模糊IF－THEN规则对分割后的子空间分别采用局部BP模型进行逼近,最后,通过离线学习获得不同子空间故障输出与测量输入的非线性动力特性。试验表明该网络具有良好的泛化性能,可显著提高非线性系统故障检测的快速性、鲁棒性及准确率。