基于改进的邻域粗糙集与概率神经网络的水电机组振动故障诊断

提出了一种基于改进的邻域粗糙集与概率神经网络的水电机组振动故障诊断方法.该方法将邻域粗糙集中的近似精度与信息论观点中的条件熵结合,提出近似条件熵的属性约简算法,减少故障冗余信息,得到最优决策表,并将得到的最优决策表作为概率神经网络(PNN)的训练样本,提高了PNN的训练速度和诊断效率,通过实验证明了所述方法的可行性和有效性.     

基于径向基概率神经网络的高压加热器故障诊断

应用径向基概率神经网络实现高压加热器的故障诊断。介绍了RBPNN网络的结构和学习算法;总结了高加的故障集、征兆集和故障特征数据。在Matlab环境下给出了高加故障诊断的具体实例,表明该方法是一种可行有效的高加故障诊断方法。     

基于BP网络的汽轮发电机组振动故障诊断方法研究

首先分析了汽轮发电机组振动故障特点及ＢＰ网络的特点,指出采用ＢＰ网络诊断方法的必要性,然后对基于ＢＰ网络的汽轮发电机组振动故障的诊断方法及网络结构与诊断性能的关系进行研究。     

基于概率神经网络的配电网接地故障选线方法

针对小电流接地系统单相接地故障,提出一种基于概率神经网络的配电网接地故障选线方法。采集每条线路在单相接地故障发生时的零序电流暂态信号(一个周波,故障前1/4个周波和故障后3/4个周波),运用db10小波序列进行5层小波包分解。提取零序电流小波能量并将其输入到PNN网络,实现故障线路自动识别。并给出故障选线小波包分解算法和PNN算法的具体步骤,可直接用计算机编程实现。运用Matlab软件对中性点不接地系统和中性点经消弧线圈接地系统均进行了仿真,验证了该方法的可行性与准确性。     

基于改进粗糙集理论与概率神经网络的变压器故障诊断研究

提出了一种基于改进粗糙集理论与概率神经网络的变压器故障综合诊断方法.利用了粗糙集理论的决策表约简技术,去除冗余信息,并引入可辨识矩阵,更加快速地去除故障冗余属性,减小了约简过程的复杂度.将得到的最小决策表作为改进的概率神经网络的训练样本,提高了PNN的训练速度和诊断的准确率.实例证明,该模型不仅能在信息不完备的情况下进行有效诊断,而且可以提高诊断速率及正判率.     

水力机组振动监测中小波的应用

小波变换能很精确地将振动的真实信号从受各种噪声严重污染的采集信号中提取出来,具有很高的信号去噪能力,它通过对仿真信号进行小波分解,抽取其低频系数进行频谱分析,提高了频率分辨率,在水力机组的振动监测中具有重要的应用价值.     

基于神经网络和小波分析的机组振动故障诊断

对于水轮发电机组而言,尽快实施其故障诊断是十分必要的.小波包分析能有效地提取机组振动信号中的有用成分,采用小波包分解方法提取特殊频段上的能量特征值作为神经网络输入向量,针对南桠河水电厂实测数据采用单隐层BP网络进行训练并对不同故障模式进行识别,取得良好效果.     

矿井通风机振动故障诊断的神经网络方法

轴流式通风机是煤矿生产中常用的关键设备,对其进行故障诊断的研究具有十分重要的意义.本文在分析通风机振动故障的原因及故障特征的基础上,研究利用人工神经网络进行通风振动故障诊断的方法,并建立了相应的神经网络诊断模型,研究表明该模型可用于通风机的故障诊断,是一种有效的智能分类器.     

矿井通风机振动故障诊断的神经网络方法

轴流式通风机是煤矿生产中常用的关键设备, 对其进行故障诊断的研究具有十分重要的意义． 本文在分析通风机振动故障的原因及故障特征的基础上, 研究利用人工神经网络进行通风振动故障诊断的方法, 并建立了相应的神经网络诊断模型, 研究表明该模型可用于通风机的故障诊断, 是一种有效的智能分类器．     

一起汽轮机组振动故障的测试分析与处理

针对启机过程中出现的振动故障,通过数据采集和分析,解决了机组振动基础值大和低频振动的问题,保证了机组的安全运行。故障分析和处理手段的详细介绍,为今后解决类似问题提供参考。     

汽轮机组振动故障诊断模型

使用自适应谐振理论（ＡＲＴ）和误差反向传播（Ｂ）两种神经网络，开发了汽轮发电机组振动故障诊断模型。该模型可以进行多征兆域综合诊断，既能诊断单故障又能诊断并发故障，并且具有识别新故障的能力。经试验台数据和经典样本验证，模型合理可行。     

基于概率神经网络的高校毕业生学位评审预测

客观地、高效地、准确地对高校毕业生获得学位进行评审,是高校面临的一个重要问题.本文首先提取影响毕业生学位的评审五大指标：学习成绩、实习成绩、论文成绩、英语四级、计算机等级,然后建立了概率神经网络的高校毕业生学位评审模型.Matlab仿真实验表明,该方法评审学位简单快速且准确率较高,具有良好应用前景,也为今后高校学位评审提供一个新视角.     

向家坝巨型混流式水轮机运行稳定性研究

向家坝巨型混流式水轮机容量为当今世界之最。对于巨型水轮机来说,能量、空化和稳定性是关注的焦点和研究的重点。随着机组容量和尺寸的增大,机组振动问题对安全运行影响较大,在追求优良的能量和空化指标条件下,要求获得水轮机稳定运行范围宽的水力性能。本文重点分析向家坝巨型混流式水轮机能量、空化和稳定性,并把水力稳定性放在首位;同时展望我国巨型水轮机的发展方向。     

基于概率神经网络的地下工程围岩稳定性预测

随着开采深度的增加,影响卷道围岩稳定性的因素更多,更复杂,并且更具有随机性.为了对深井巷道围岩稳定性进行有效的分类,考虑影响围岩稳定性因素的随机性,建立了围岩稳定性判定的概率神经网络模型(PNN),并利用MATLAB实现其识别过程.根据样本数据对所建模型进行训练后,将其运用于实际工程中的深井巷道围岩进行稳定性判定.研究表明:利用概率神经网络模型可对地下工程深井巷道围岩稳定性进行分析,概率神经网络模型为地下工程围岩稳定性分类提供了一种方法.     

基于概率神经网络的人群密度估计

研究图像在频域中的纹理特性,实现了在频域中的人群密度估计.首先,对视频的每一帧进行离散余弦变换(DCT),将视频图像的空域性质转化到频域中;其次,统计分析视频图像DCT变换矩阵的纹理特性,提取能描述不同密度等级的纹理描述子作为特征向量;最后,用提取出的特征向量训练概率神经网络,并进行人群密度等级估计.实验表明,该方法可以很好地进行密度估计,获得了较高识别效率.     

基于概率神经网络的资源型城市界定

针对城市可持续发展中城市分类问题，在建立了城市分类指标体系基础上，对于资源型城市界定，应用概率神经网络方法，提出了以分类指标数据为输入矢量，城市类型为输出矢量的网络模型，开发了相应的计算机程序。以此模型对黑龙江省地级以上城市进行了分类，分类结果与实际情况相符。     

基于模糊概率神经网络的城市空气质量评价

将模糊数学方法和概率神经网络结合起来,用模糊概率神经网络（FPNN）评价城市空气质量。阐明该网络模型的构建方法,并用实例加以验证,经仿真表明该法切实可行,评价结果客观可靠。     

独立分量分析和概率神经网络在机械故障诊断中的应用

针对旋转机械进行故障诊断时,由于临近机械的干扰,往往无法得到真实的的故障信息以及诊断速度慢的问题,本文提出了一种基于独立分量分析(Independent Component Analysis,ICA)和概率神经网络(Probabilistic Neural Network,PNN))的故障诊断方法,采用快速独立分量分析(FastICA)进行特征提取,PNN实现状态识别.通过仿真与实验加以证明,并与经典的前向多层神经网络(BP网络)的故障分类进行对比,结果表明PNN的准确率可以达到100%,而BP网络只有95%,同时PNN所需的时间只有BP的1/3.     

基于小波变换的水轮机组故障诊断的研究

对传统傅立叶分析技术在水轮机组振动故障诊断的故障特征提取的应用进行深入研究的基础上,针对使用该方法提取的频率信息精度不够的问题,提出了一种运用小波分析技术对水轮机组振动信号进行故障诊断的方法.采用Mallat算法并运用设定阈值的方法对采集到的裂纹转子的振动信号进行去噪,然后运用Trous算法对滤波后的振动信号的突变信号特征进行提取.结果表明本方法对水轮机组的振动信号故障诊断具有很好的准确性,为水轮机组故障识别提供了一种方法.