基于LVQ神经网络集成的柴油机气门故障诊断

针对柴油机气门故障的诊断样本少和非线性数据特征等问题,文中提出了一种基于学刁向量量化（LVQ,LearningVectorquantization）神经网络集成的柴油机故障诊断方法,该方法通过使飘LVQ神经两络作为基础学习器．采用Bagging算法对LVQ神经网络分类器进行相对多数投票集成,并用LVQ神经网络．LVQ神经网络集成．BP神经网络和RBF神经网络等方法对柴油机气门故障诊断．对评价结果进行了分析和比较,LVQ神经网络集成对柴油机气门故障诊断的正确率高于其他神经网络,神经网络集成的柴油机气门故障诊断精度高于单个神经网络的精度.     

嵌入式LVQ技术在通信电源故障诊断中的应用

为了能够快速诊断出通信电源故障产生的原因,文章把LVQ神经网络模型和分类诊断理论运用到了通信电源的故障诊断中。文中以多个故障模式为实例,通过运用Matlab仿真技术,验证了此方法的故障诊断的准确性,结果表明基于LVQ神经网络模型的故障分类诊断方法能够为通信电源维护人员和开发人员提供准确的信息,提高了电源系统的鲁棒性和稳定性。     

基于改进的LVQ神经网络的发动机故障诊断

学习向量量化(LVQ)神经网络可以通过监督学习完成对输入向量模式的准确分类,提出了一种基于改进的LVQ神经网络的发动机故障诊断方法,介绍了LVQ神经网络及其改进的学习算法。以长城哈佛GW2.8TC型发动机为实验对象,让发动机在怠速状况下,对发动机进行故障设置,利用金德KT600电脑故障诊断仪采集发动机数据流,运用改进的LVQ神经网络建立诊断模型,诊断结果表明,改进的LVQ神经网络能对发动机故障做出正确分类,准确率比较高。     

SOM神经网络在风力发电机组故障诊断中的应用

风力发电正在电力行业中占有越来越重要的位置。然而因为所处的环境条件恶劣,风力发电机经常容易发生故障。传统的状态监测与故障诊断方法较为费时费力,又因为无法采集到所有的故障信息,所以BP神经网络无法做出正确诊断。因此,将SOM神经网络应用于风力发电机组的振动故障诊断中。用正常运行的样本数据对网络进行训练,根据检测样本输出神经元在输出层的位置对是否发生故障进行判断。经实例分析证明,该方法可对风电机组的故障进行有效诊断。     

带偏差单元递归神经网络齿轮箱故障诊断

为了实现某型号坦克传动系统齿轮箱的智能化故障诊断,采用带偏差单元的递归神经网络理论,建立了基于带有偏单元的递归神经网络的齿轮箱故障诊断模型。针对某型号坦克传动系统齿轮箱的主要故障,将数据采集器现场采集到的齿轮箱数据作预处理后的数据和人为设置了一些故障的数据分别用带偏差单元的递归神经网络模型进行了分析和判断。结果表明,带偏差单元的递归神经网络在本型号坦克齿轮箱的故障诊断中能取得满意的效果,算法精度高,收敛性好。     

模糊神经网络在汽车变速器故障诊断中的应用

本文提出了一种基于模糊神经网络的车辆变速器故障诊断方法,介绍了该方法的原理、结构及其实现算法。将该诊断方法运用到某汽车变速器轴承的故障诊断中,建立了基于模糊神经网络的变速器轴承故障诊断模型。该诊断模型通过模糊神经网络的双向模糊联想,对输入的故障征兆进行模式识别。通过实验表日月,该诊断方法对各种故障模式具有较高的识别率,并具有较强的泛化能力,是一种较好的故障诊断研究方法。     

基于支持向量机的风电机组齿轮箱故障预测诊断

本文提出了一种基于最小二乘支持向量机的齿轮箱故障预警方法,通过将此算法应用于某风场的风电机组运行状态监测数据,将得出的诊断结果与风场状态数据对照,验证了算法的正确性。该方法可以在机组运行状态异常前发出告警,降低设备功能性的故障,减少风电机组故障停机的损失,具有实用价值。     

基于PCA-LVQ的模拟电路故障诊断

为了解决模拟电路故障难于识别的问题,提出一种基于主成分分析(PCA)和学习矢量量化神经网络(LVQ)的模拟电路故障诊断新方法。该方法用PCA提取模拟电路故障特征,然后将降维后的故障特征信息输入LVQ网络训练和故障模式的分类识别。通过对Sallen-Key带通滤波器电路的故障诊断实例表明,该方法是有效的,具有较高的故障诊断率。     

基于残差神经网络的轴承声发射信号故障智能诊断

近年来,随着人工智能的发展与普及,深度学习算法以其高准确率和鲁棒性成为了目前分类识别技术的热门。传统的轴承故障诊断采用振动信号,对早期故障不敏感。由于传统的人工特征提取方法难以准确的表征滚动轴承状态,深度学习算法便逐渐应用于滚动轴承的故障诊断。因此采用滚动轴承的声发射信号并结合神经网络进行故障检测,以更好的对轴承运行中的早期故障进行识别,为此提出了一种基于一维卷积残差神经网络的轴承故障诊断模型,通过多层卷积叠加以提取出数据中更加关键重要的信息。该模型在诊断中能够自适应的从输入数据中学习出所需要的特征。模型采用categorical crossentropy交叉熵损失函数及Adam优化算法实现滚动轴承的故障诊断。在试验台上模拟了早期轴承内圈、外圈、滚动体、保持架故障等四种故障,并利用模型进行了故障的分析和诊断,研究结果表明文章提出的模型对故障的声发射信号拥有良好的识别能力。     

基于故障树和神经网络的飞机电源系统故障诊断研究

介绍了基于故障树模型的故障诊断技术和基于神经网络的故障诊断技术，提出了基于故障树和神经网络的集成故障诊断思想。在此基础上，以交流发电机旋转整流器二极管开路故障为例进行了实例分析，说明了故障树和神经网络集成故障诊断技术对此故障的诊断，结果表明该方法用于解决此类问题是有效的。     

Morlet小波变换结合MLP神经网络的齿轮箱故障检测方法

针对变速齿轮箱中的故障检测问题,提出了一种结合Morlet小波变换和多层感知器(MLP)神经网络的齿轮故障检测方法。利用角域技术,将时域中齿轮故障的非平稳振动信号转化为角域中的平稳信号。然后,利用进行Morlet小波变换并从小波系数中提取统计特征。同时根据最大能量与香农熵比来确定连续小波变换(CWT)的最优尺度,以此来缩减特征量,并将小波系数的能量和香农熵作为两个新特征添加到特征向量。最后,利用MLP神经网络对输入特征进行分类,从而检测故障。实验结果表明,该方法故障检测准确率高,且计算速度快。     

神经网络在齿轮箱诊断中的应用

在认真学习了Elman网络的理论框架的基础上,总结分析了Elman神经网络用于故障诊断的不足,提出了改进的Elman神经网络,并将其应用于齿轮箱故障的故障诊断。建立了改进的Elman神经网络并进行仿真,经过一系列训练与测试,仿真结果表明：改进后的elman网络在稳定性及收敛速度等方面有明显优势,是可以在实际工程故障诊断中应用的一种非常有效的方法。     

基于BP神经网络的硬盘播出系统电平诊断的应用及其实现

研究了在MATLAB环境下,利用BP神经网络解决硬盘播出系统电平诊断中的分类问题。首先阐述了BP神经网络的一种故障诊断模型,其次分析了基于集合结构的电平诊断实现原理,最后研究了BP神经网络对电平诊断的求解方法。结论表明:利用在基于BP神经网络的MATLAB环境下解决电平诊断问题时仿真效果明显,有利于实际工程技术的应用。     

紧致型小波网络在模拟电路故障诊断中的应用

提出了一种新的基于紧致型小波神经网络的模拟电路故障诊断方法。该法首先利用小波包变换对故障信号进行预处理,减少了紧致型小波神经网络的输入数目,简化了紧致型小波神经网络结构,然后对紧致型小波神经网络进行训练和测试。仿真试验表明,该方法比普通BP神经网络方法训练速度更快,诊断准确率更高,容错能力强,非常适用于模拟电路故障诊断。     

基于MIV和BRBP神经网络的电路板红外诊断方法

针对BP神经网络对于海量数据训练及多维数据训练收敛困难的问题,在使用增加动力项、自适应学习速率等方法的基础上,引入均值影响度算法(MIV)构造了贝叶斯正则化反向传播(BRBP)神经网络,以此提高电子线路板红外故障诊断算法的效率。利用红外测温方式,获取了不同室温及运行状态下电路板中21个元器件温度数据。将此21个参数作为故障诊断模型的初始输入变量,经过MIV算法简约为12个参数输入至BRBP神经网络,进行故障评估和诊断。结果表明:相对于传统的BRBP神经网络,本文设计的基于MIV和BRBP神经网络模型诊断方法极大简化了数据训练的数据量并解决了数据收敛的困难,因此效率更高,用时更省。     

基于小波包变换的FED驱动电路故障诊断

根据FED驱动电路的特性,提出了一种小波包变换和神经网络相结合的方法,并将其应用于FED的驱动电路故障诊断.首先采用小波包变换对电路输出节点的电压信号进行分解,提取各频段的能量作为故障样本输入神经网络.仿真实验证明,该方法减少了故障诊断的时间,提高了故障诊断的准确率,使准确率达到87.17％.     

空调系统传感器故障诊断方法

针对空调系统中常见的传感器故障问题,提出了基于小波神经网络(WNN)故障诊断策略.在分析空调系统中传感器主要故障的基础上,建立了传感器故障诊断系统.通过传感器的真实测量值与预测值的残差比较,验证了基于WNN的故障诊断能力,分析了基于WNN与BP神经网络故障诊断的残差比结果.仿真实验表明,基于WNN的故障诊断系统具有结构...     

一种基于小波神经网络的故障诊断方法

在阐述了小波变换和BP(反向传播)神经网络概念的基础上,根据小波神经网络故障诊断的基本思想,提出了一种基于"能量-故障"的小波预处理神经网络故障诊断方法.实验仿真结果表明,使用该方法提取故障特征加快了神经网络的训练速度,能迅速地进行故障的检测和定位.     

基于PNN的舵机故障诊断方法研究

随着科技的发展,舵机在不断提升性能的同时,其复杂性也大幅度提高,故障现象与故障本身并非简单的映射关系,设备故障诊断实质上是典型的复杂非线性分类问题。提出一种利用概率神经网络对舵机故障分类的方法,将从舵机振动信号中的提取特征值作为PNN的输入参数,构造出基于概率神经网络的舵机故障诊断方法。仿真结果显示,该网络工作稳定,运算速度快,对舵机故障分类准确率较高。