多联机系统制热工况下的制冷剂充注量故障诊断模型——基于多层卷积神经网络

本文提出一种基于卷积神经网络的故障诊断模型,并通过正交试验优化了3层网络的卷积核和神经元数目,利用图形化的多联机(VRF)系统制冷剂充注量故障实验数据训练了多层卷积神经网络,评估了本模型的故障诊断性能。结果表明:该"数据图形化-多层卷积神经网络"方法建立的模型能够有效进行多联机制冷剂充注量故障诊断,20个输入特征时,对9类故障诊断总正确率最大为91%,比传统BP神经网络达到更高的诊断精度。该方法首次利用卷积神经网络完成了VRF制冷剂充注量故障诊断,为相关研究的拓展奠定了基础。     

多联机系统制热工况下的制冷剂充注量故障诊断模型——基于多层卷积神经网络

本文提出一种基于卷积神经网络的故障诊断模型,并通过正交试验优化了3层网络的卷积核和神经元数目,利用图形化的多联机(VRF)系统制冷剂充注量故障实验数据训练了多层卷积神经网络,评估了本模型的故障诊断性能。结果表明:该"数据图形化-多层卷积神经网络"方法建立的模型能够有效进行多联机制冷剂充注量故障诊断,20个输入特征时,对9类故障诊断总正确率最大为91%,比传统BP神经网络达到更高的诊断精度。该方法首次利用卷积神经网络完成了VRF制冷剂充注量故障诊断,为相关研究的拓展奠定了基础。     

基于紧致型小波神经网络的往复泵故障诊断

为了对往复泵的故障进行正确诊断,提出基于紧致型小波神经网络的往复泵故障诊断方法。以往复泵单个泵缸内的压力信号作为系统特征信号通过小波包分解来提取故障特征向量,同时将此特征向量作为小波神经网络的输入,利用小波神经网络对故障做进一步的精确实时诊断。通过对往复泵液力端多故障诊断实例的检验表明,该系统故障诊断正确率达到94 %以上。     

基于RSNN的计算机网络应用层故障诊断

为解决计算机网络应用层故障诊断问题,设计一个基于粗糙集神经网络的故障诊断系统,详细描述系统的结构、粗糙集神经网络的构造和训练方法,并通过仿真验证该方法的有效性。     

神经网络专家系统在数控机床机械故障诊断中的应用

依据单一的专家系统或神经网络在处理故障诊断中各自存在着局限性,提出将神经网络技术与专家系统融合的集成式故障诊断专家系统,并用于数控机床的机械故障诊断中。介绍神经网络专家系统结构、特点及诊断方法,利用获得的机床机械故障知识、故障样本数据对系统进行验证。结果表明该系统人机界面友好,操作简单,有效地提高数控机床机械故障诊断的水平和效率。     

汽轮机故障诊断的遗传神经网络法

阐明了遗传算法与神经网络结合的必要必邮多层感知器神经网络作为遗传搜索的问题表示方式的思想。设计了遗传神经网络故障诊断模型,用这种新方法解决了汽轮机多故障诊断问题。新方法可以简化神经网络的结构并逃逸局部极小。诊断结果与实际相符,从而验证了该方法的有效性和实用性。     

基于人工神经网络的故障诊断专家系统

将人工神经网络引入故障诊断专家系统,探讨了该系统的原理及结构,分析了神经网络在该系统中的运用特点,并介绍了基于神经网络的学习机及推理机的原理,最后介绍了基于人工神经网络的66-10空压机故障诊断专家系统.     

机械设备中黑箱部件的状态监测与故障诊断研究

采用小波包分解、Yule—WalkerAR谱密度分析算法及概率神经网络技术探讨一套状态监测及故障诊断系统，其是应用在类似卷烟厂卷接包机八工位转塔的黑箱部件中。在状态监测系统基础上开发以概率神经网络为基础的故障诊断系统，结果表明该系统是可行的。该系统的开发研制对类似黑箱部件的状态监测与故障诊断有着一定的应用意义，对其他类似机构的状态监测与故障诊断也存在一定的参考价值。     

基于模糊神经网络的故障诊断方法研究

将模糊原理引入神经网络,对机械设备的故障诊断方法进行了研究,介绍了具体实现过程及原理,论证了单症兆和多症兆诊断的模糊模型分别与一定条件的单层神经网络等价,建立了单症兆和多症兆诊断的模糊神经网络模型,并由此模型建立了模糊神经网络故障诊断专家系统(FNN)模型.介绍了该模型在66-10空压机上的具体实现过程.     

小波变换和CNN涡旋压缩机故障诊断

针对传统单尺度信号分析难以有效解决涡旋压缩机故障诊断中的故障特征信息多尺度耦合问题,提出一种基于小波变换和卷积神经网络的涡旋压缩机故障诊断方法。首先将采集到的振动信号进行连续小波变换生成时频图,并对时频图进行网格化规范处理,将预处理后的时频图作为特征图输入Alexnet卷积神经网络,通过不断调节网络参数,得出最为理想的神经网络模型,以此实现对涡旋压缩机故障类型的辨识诊断。结果表明,该方法针对涡旋压缩机故障类型的识别准确率达到94.6%,与传统多尺度排列熵、信息熵熵距的故障诊断方法相比,该故障识别方法具有更高的准确率。     

基于模糊神经网络的机载设备智能故障诊断系统

针对某型飞机机载设备故障多,且具有模糊性、复杂性的特点,本文将模糊逻辑和神经网络相结合,采用模糊隶属函数来描述这些故障的程度,建立了模糊神经网络故障诊断模型.采用图形化编程技术,开发了一种故障诊断推理流程图,方便了用户的开发.该系统依据专家知识和测试数据,可将故障隔离到内场可更换单元(SRU)或某个功能电路.实践证明该诊断系统是有效的,具有推广应用价值.     

分形特征的模拟电路故障诊断方法

针对模拟电路中存在的非线性问题,提出一种以模拟电路分形特征为输入量的故障诊断方法。通过对多测试分量数据进行分形特征提取,输入神经网络建立信息融合中心融合处理各分形特征量,利用多源性互补信息减少模拟电路故障诊断的不确定性。实验结果表明,该故障诊断方法可准确地检测出模拟电路中的故障现象。     

神经网络在电路诊断中的应用

目的：阐述了目前电路基于数据库技术和人工智能专家系统及神经网络原理的故障诊断系统。方法：将所记录的模糊症状输入到系统中，通过模糊运算后，运用神经网络学习算法来寻找故障类型。结果：介绍了人工神经网络技术在电路诊断中的应用，并给出系统故障诊断软件的设计，结论：所用专家系统和神经网络相结合的方法改进电子电路故障诊断是可行的。     

模糊神经网络技术在液压泵故障诊断中的应用

提出了一种基于模糊神经网络的液压泵故障诊断方法,介绍了该方法的基本原理及实现算法.以某型号齿轮泵为研究对象,利用其状态数据作为样本数据,建立了基于模糊神经网络的齿轮泵的故障诊断模型.并利用该模型对齿轮泵运行状态进行了辨识,结果表明,该方法能够充分利用检测到的各种故障征兆信息,从而使齿轮泵故障诊断更加准确有效.此方法也可用于其它同类设备的故障诊断.     

电网故障诊断方法与研究

介绍电网故障诊断问题的复杂性所在,归纳了近年来电网故障诊断领域常用诊断方法,包括专家系统、人lT神经网络、优化技术、模糊集理论、多代理系统、贝叶斯网络、Petri网理论等。说明各种方法的诊断原理和方法思路,并评述其存在的不足和近几年来的研究成果,探讨新形势下电网故障诊断技术的发展趋势。     

真空包装机的智能化故障诊断系统

提出并实现了一种基于专家系统和神经网络集成的方法。同时给出了系统的硬、软件结构，并通过实验证明该智能故障诊断系统的可靠性和准确性。     

改进dynFWA优化BP神经网络在加工中心主轴故障诊断中的应用

针对目前加工中心(Machining Center,MC)主轴故障诊断多为人工经验完成,且故障诊断精度和识别率低等问题,提出基于改进的动态搜索烟花算法(dynamic search fireworks algorithm,dynFWA)优化BP神经网络(Neural Network,NN)的加工中心主轴故障诊断方法。将改进的动态搜索烟花算法优化BP神经网络的初始权值和阈值,建立改进dynFWA-BP神经网络模式分类方法。将提出的模式分类方法应用于MC主轴故障诊断中,使得提取的主轴故障特征与主轴工作状况有着非线性映射关系。最后,采用VMC650E主轴故障数据进行验证,证明所提出的故障诊断方法在故障诊断精度、故障识别率方面明显优于BP神经网络、GA-BP神经网络和PSO-BP神经网络。     

三向加速度传感器故障诊断方法研究

对三向加速度传感器提出了一种具有传感器故障诊断模块的系统故障诊断框架.三向加速度传感器故障诊断模块采用了一种基于神经网络和冗余率计算的新方法.该方法先用RBF神经网络对传感器的输出进行预测,若预测值与输出值发生较大的偏差,存在的可能是传感器发生故障或设备发生故障,运用传感器之间的冗余率,可以进一步判断传感器是否发生故障,进而产生决策策略.     

基于D-S证据理论信息融合的转辙机故障诊断方法研究

在列车提速后S700K型电动转辙机被普遍安装在正线道岔的背景下,本文针对单一故障诊断方法的诊断精度偏低问题,提出了基于信息融合故障诊断模型和故障诊断方法.该方法分别用BP神经网络和模糊综合评判对转辙机进行故障诊断,利用神经网络输出和模糊综合评判输出来构造D-S证据理论中的概率分配,然后利用D-S证据理论将BP神经网络和模糊综合评判对转辙机的故障诊断结果在决策级进行融合,诊断转辙机是否有故障并判断故障的模式.诊断结果表明,该诊断方法具有较高的故障诊断精度,诊断结论的可信度有明显提高.     

基于神经网络的机械设备故障诊断技术

阐述了神经网络故障诊断的基本原理及其与传统故障诊断的关系,分析了神经网络技术在故障诊断中的应用现状,探讨了该领域的发展前景,指出了运用神经网络技术进行故障诊断需要解决的若干问题.