基于神经网络的余度敏感器结构故障诊断方法

针对飞行载体中余度敏感器结构的故障诊断，讨论了基于神经网络的直接比较测量值的诊断方法。应用自适应线性元件能实现线性，感知器具有分类的特点，设计出一种神经网络，可用于余度敏感器结构的故障诊断。仿真结果表明：这种方法不仅可以检测出故障、故障的类型和发生的时间，而且灵敏度高，为余度敏感器结构的故障诊断提出了一种有实用价值的方法。     

基于Elman神经网络的滚动轴承故障诊断方法

介绍了Elman神经网络的模型及原理,阐述了滚动轴承故障诊断的技术路线;通过轴承故障试验台采集滚动轴承振动信号并提取信号特征数据,利用构建的Elman神经网络,实现了轴承的智能诊断。与传统BP神经网络诊断相比,Elman神经网络综合诊断性能更优。     

EMD与Elman神经网络在风机故障诊断中的应用

采用经验模式分解(EMD)进行信号分解获取IMF后构建特征向量,采用Elman神经网络进行识别,识别率高,具有可行性。     

基于Elman神经网络的液压起竖系统故障诊断研究

液压起竖系统故障机理复杂、故障现象隐蔽,依靠传统方法难以及时准确地诊断故障.因此,提出采用Elman神经网络来对液压起竖系统实施故障诊断.利用Elman神经网络建立了故障诊断模型,通过典型特征故障的学习训练后,应用于液压起竖系统的故障诊断.结果表明该诊断方法运行速度快、诊断准确且容易实现.     

基于多尺度熵的滚动轴承Elman神经网络故障诊断方法

针对滚动轴承故障振动信号具有跨尺度复杂性的特点,提出了一种新的基于多尺度熵(multiscale entropy,MSE)和反馈式Elman神经网络的滚动轴承故障诊断方法。该方法利用MSE对滚动轴承不同健康状态下的振动信号进行故障特征提取,并将其作为Elman神经网络的输入,利用Elman神经网络自动识别轴承所属的故障类型及故障程度。实验数据包括不同故障类型和不同故障程度样本,结果表明提出的方法能有效地实现滚动轴承故障类型以及程度的智能诊断,效果优于前馈式概率神经网络(Probabilistic neural network,PNN),并具有较低的虚警率和漏警率。     

基于Elman神经网络的混凝土输送液压系统故障诊断研究

通过对混凝土输送液压系统的失效形式和故障机制进行分析,提出将Elman神经网络算法应用于混凝土输送液压系统故障诊断的方法。针对混凝土输送液压系统故障诊断的特点,建立Elman神经网络故障诊断模型。选择典型的故障样本训练网络,并使用Matlab神经网络工具箱进行模拟仿真,仿真结果验证了该方法的可行性。     

红外地球敏感器用高截止度宽带红外滤光片研制

高截止度宽带红外滤光片是新型红外地球敏感器的关键件之一.介绍了高截止度宽带红外滤光片的设计方法和镀膜的工艺技术,给出了膜系设计和研制的结果,并与国内外同类滤光片的光学特性进行了比较,试验表明这种红外滤光片的膜系设计是成功的.     

红外地球敏感器用高截止度宽带红外滤光片研制

高截止度宽带红外滤光片是新型红外地球敏感器的关键件之一.介绍了高截止度宽带红外滤光片的设计方法和镀膜的工艺技术,给出了膜系设计和研制的结果,并与国内外同类滤光片的光学特性进行了比较,试验表明这种红外滤光片的膜系设计是成功的.     

基于Elman网络的齿轮箱故障诊断

在非拆卸状态下,传统的齿轮箱故障诊断手段往往依赖于专家的经验判断。但是,由于齿轮箱是一种非常复杂的传动机构,所以专家的经验并不能解决所有的诊断问题。本文应用Elman神经网络对拖拉机齿轮箱进行故障诊断,经过试验,表明方法切实有效。     

红外地球敏感器用高截止度宽带红外滤光片研制

高截止度宽带红外滤光片是新型红外地球敏感器的关键件之一。介绍了高截止度宽带红外滤光片的设计方法和镀膜的工艺技术 ,给出了膜系设计和研制的结果 ,并与国内外同类滤光片的光学特性进行了比较 ,试验表明这种红外滤光片的膜系设计是成功的     

应用混沌神经网络诊断发动机磨损故障

利用混沌神经网络,采用混沌动力学中的Logistic映射构造神经元,对发动机的相似早期磨损故障进行了有效诊断。通过故障模拟实验,对不同类型初期磨损故障的振动数据进行了采集和分析,发现其频谱特征具有较大的相似性,且各种初期磨损故障的李雅普诺夫指数大于0,具有混沌特征。用一般方法难以区分不同类型的初期磨损故障,而混沌神经网络能够有效地识别这些相似故障模式,对于发动机磨损故障的早期预防具有积极作用。     

采用基于神经网络的时间序列预测器的传感器故障诊断新方法

本文提出一种采用基于神经网络的时间序列预测器的传感器故障诊断新方法。它先用神经网络对传感器输出序列建立预测模型（简称神经网络预测模型）,然后利用神经网络预测模型预测传感器输出值和传感器实际输出之差判断传感器是否发生故障。与其它方法相比,本文方法只需单一传感器输出信号即可诊断相应的传感器是否发生故障。本文通过对一控制系统中转速传感器漂移故障诊断过程阐述了这种方法。     

自组织特征映射人工神经网络用于旋转机械故障诊断

本文利用人工神经网络自组织学习和神经元连接的类型(兴奋或抑制)与征兆和故障之间的特征映射,建立了旋转机械故障诊断的自组织特征映射模型.利用这一模型使人工神经网络无指导学习用于旋转机械故障诊断,通过旋转机械中常见故障进行诊断提供了进一步解决故障诊断专家系统中知识库建立及维护的新方法.     

小波包和BP神经网络在齿轮箱故障诊断中的应用

研究如何采用处理非平稳性的实用方法以提高监测诊断效率及水平是国内外专家一直研究的课题之一。小波包技术将信号中不同的分量无冗余、无疏漏、正交地分解到独立的频带内,这些频带里的信号能量守衡,每个频带里信号的能量对于状态监测和故障诊断都是十分有用的信息。本文对齿轮箱振动信号应用小波包分解提取故障特征向量,进一步用特征向量训练前向传播BP人工神经网络,建立齿轮运行状态分类器,对齿轮故障进行识别。实验结果表明,本文方法对齿轮箱故障诊断十分有效。     

基于经验模态分解与神经网络的结构故障诊断

采用经验模态分解对简支梁振动信号进行分解,对分解得到的前4个固有模态函数分别求其能量百分比,并作为神经网络的输入向量.用17种工况的8组样本训练了简支梁故障诊断的神经网络模型.应用该法结果表明,2组测试样本的测试结果均与实际状况相一致,故可检测出结构的故障、故障的类型和故障的位置.     

小波包与改进BP神经网络相结合的齿轮箱故障识别

应用小波包分解技术提取齿轮箱振动信号中的故障特征向量,并以此作为改进BP神经网络的输入,对神经网络进行训练,建立了齿轮箱运行状态分类器,用以识别齿轮箱的运行状态。试验结果表明,小波包分解与神经网络相结合的齿轮箱齿轮故障识别方法是可靠的,可以准确识别齿轮箱的故障。     

一种基于Elman神经网络的液压泵故障诊断技术

针对传统BP网络进行液压泵故障诊断时，网络学习具有收敛速度慢和学习、记忆不稳定的缺陷，提出将Elman神经网络应用于液压泵故障诊断，建立Elman神经网络的结构模型，介绍了该网络的训练算法，阐明了液压泵故障诊断的实现过程。通过试验验证了该神经网络收敛速度快，学习记忆稳定，具有很好的学习功能；测试结果表明该诊断方法具有高可靠性，达到了预期的结果，可以用于液压泵故障诊断。     

基于传感器网络的瓦斯传感器故障诊断

根据矿井巷道的地理特征,构建了一种用于辅助瓦斯监测的链状无线传感器网络,在分析煤矿瓦斯传感器的故障模式的基础上,提出了基于链状无线传感器网络的瓦斯传感器故障诊断技术,给出了基于该诊断技术的具体算法。在此基础上,利用Monte-Carlo模拟,研究了不同参数(瓦斯分布方差、阈值和采样频率)对算法性能的影响。仿真结果表明,在适当的阈值选择条件下,故障诊断系统的性能与瓦斯分布的方差成反比,与采样频率成正比。