基于频谱分析的炼铁除尘风机故障诊断

结合某厂炼铁除尘风机的振动故障诊断实践,介绍了基于频谱分析的风机故障诊断方法并提出了维修建议,停机检修结果表明了其有效性。     

净化装置风机故障诊断的神经网络方法

说明了神经网络应用于故障诊断的基本原理。应用该方法，对某风机振动故障进行了诊断，诊断结果为不平衡和不对中，与实际情况吻合，这表明神经网络应用风机故障诊断完全可行。     

基于SOM神经网络的风机故障诊断研究

应用自组织特征映射（SOM）神经网络实现风机的故障诊断。介绍了SOM网络的结构和学习算法;总结了风机的故障集、征兆集和故障特征数据。在MATLAB环境下给出了风机故障诊断的具体实例,表明该方法是一种可行有效的风机故障诊断方法。     

基于BP神经网络的摊铺机智能故障诊断

针对大型复杂的工程机械，建立基于BP(逆向传播)神经网络的智能故障诊断系统。给出了该系统的诊断方法和故障诊断步骤，并提供了对工程机械液压系统故障诊断的调试实例。     

基于BP神经网络的汽车故障诊断的研究

研究了一种基于BP神经网络的汽车故障诊断方法。主要结合了专家系统判断推理的思想,通过多个子BP神经网络形成一条诊断链,从故障征兆出发,对汽车故障进行分级连续诊断,使故障诊断范围逐级缩小,最终确定汽车故障的具体原因。该方法符合人的逻辑思维,实现简洁,同时具有很高的诊断精度和很好的鲁棒性,可行性强。     

基于BP神经网络的齿轮故障诊断

通过介绍神经网络的模型算法,根据齿轮的四种故障类型,采用BP神经网络对其进行训练和诊断,得到了较为理想的结果,为及早发现和预防机械故障提供了可靠的理论依据。     

基于BP神经网络的数控机床故障诊断系统研究

提出了一种改进的BP神经网络模型应用于数控机床的故障诊断方法。介绍了诊断模型结构及网络算法，并以机床中进给伺服系统为例，分析其诊断过程；然后利用MATLAB对其进行仿真验证，并提出采用CPLD器件进行硬件的实现方式。试验结果表明，该方案合理、可行，有较好的应用前景。     

基于遗传算法的BP神经网络滚动轴承故障诊断

针对滚动轴承的故障诊断问题,提出了一种基于遗传算法的BP神经网络滚动轴承故障诊断方法。以BP神经网络的误差为目标函数,利用遗传算法进行BP神经网络的权值和阈值优化,并用优化后的BP神经网络进行故障诊断。通过MATLAB仿真,结果表明遗传算法优化的BP神经网络相比传统的BP神经网络具有更好的诊断效率和准确度。     

遗传神经网络法在风机故障诊断中的应用

本文在神经网络训练过程中,加入一个局部极小判别式,以确定网络是否陷入局部极小点,若陷入局部极小点,则利用遗传算法进行权值修正。以鼓风机常见故障为例,应用本文提出的遗传神经网络算法对其进行了故障诊断分析,从而证明了该算法的有效性。     

神经网络在风机故障诊断中的应用

在用神经网络进行故障诊断的过程中，指出了用随机法进行网络训练的优越性。应用该方法对风机的某一实例进行了诊断，结果是符合实际的，这表明了神经网络应用于诊断的可行性。     

BP神经网络在风机振动报警时间中的应用

提取旋转机械D350风机转子在一段时间里的水平方向、垂直方向和轴向的振动值，以此为样本值，应用BP神经网络算法进行训练，然后对D350风机的振动报警时间预测，预测结果表明与实际报警的发生时间非常接近。     

基于BP神经网络的滚动轴承故障诊断研究

通过对滚动轴承振动信号的分析处理，提取能够反映轴承运行状态的特征量作为BP神经网络的输入，并用BP算法对该网络进行训练，利用神经网络的智能性来判断轴承所属的故障类型。仿真结果表明，该方法实用有效。     

基于改进BP神经网络的故障诊断方法

对于常规BP神经网络,其收敛过程存在两个很大的缺陷:收敛速度慢;存在所谓"局部最小值"问题.文章采用了一种自适应学习速率动量梯度下降反向传播算法对BP神经网络进行训练,建立了智能诊断模型,并应用于某型坦克发动机的故障诊断,测试结果表明该方法相比常规BP算法能够更有效诊断发动机油路和气路的故障,从而为故障诊断及判定的自动化提供了一个新思路.     

基于IPSO优化BP神经网络的滚动轴承故障诊断

在研究改进粒子群算法(IPSO)的基础上,采用IPSO对BP神经网络进行优化,并针对滚动轴承故障诊断问题提出了有效的分析方法。试验结果表明,该算法能够有效地判断出故障类型,与实际期望结果相符合。     

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。     

基于神经网络的大型风机智能故障诊断系统的研究

介绍了BP网络的基本原理,研究了基于神经网络的故障诊断方法,建立了风机常见故障模式样本。由此研制了一套基于BP网络的风机智能故障诊断系统,将其应用于某大型烧结风机的故障诊断中,结果表明:该系统诊断结果准确可靠,且具有较强的鲁棒性。     

基于BP神经网络的武器火控系统故障诊断平台

武器火控系统广泛采用PLC控制系统。首先根据火控系统工作流程建立故障诊断模型,然后详细介绍了BP神经网络的原理及如何在武器火控系统故障诊断中应用,特别是故障诊断中BP神经网络结构和故障诊断训练样本的确定方法。最后根据上述分析建立火控系统故障诊断实例。实践表明,应用BP神经网络算法后故障诊断系统的诊断准确率达到90％以上,该方法具有一定的参考及实用价值。     

风机故障诊断的集成神经网络信息融合法

从故障诊断的实际出发,根据设备提供的信息的多样性及故障表征形势的复杂性,利用信息融合技术,提出了集成神经网络故障诊断方法.研究了神经网络的建模方法,阐述了信息融合的优点.对某企业大型风机故障进行了诊断,诊断结果与实际相符.     

基于BP和RBF神经网络的滚动轴承故障诊断比较

通过仿真实例,应用BP和RBF神经网络对滚动轴承的故障诊断进行了比较研究,结果表明,BP网络和RBF网络仿真效果都比较理想,但RBF网络构建简单,训练速度快且比较稳定,体现了RBF神经网络的优越性。