神经网络的故障诊断方法研究

为了解决智能诊断应用中BP神经网络收敛速度慢、稳定性差以及精度不高的问题,通过嵌入到设备中的诊断Agent采集到设备各元件工作电压,以此为对象研究基于Elman的神经网络故障诊断方法,使用设备故障信息作为BP神经网络和Elman神经网络的训练样本.结果表明,在相同的神经网络训练样本和测试样本下,BP神经网络的收敛速度比Elman神经网络慢,Elman神经网络比BP神经网络诊断精度有提高.经过对训练过程和仿真结果的分析,验证了基于Elman神经网络的故障诊断方法收敛速度提高了约2倍、精确度提高约1.5倍,满足系统在线故障诊断需求.     

基于RBF神经网络和自适应遗传算法的变压器故障诊断

由于变压器故障征兆与故障类型之间具有复杂的非线性关系,采用传统的BP神经网络诊断方法存在收敛速度慢、准确率低和自适应能力差等缺点.针对以上问题,提出了一种基于自适应遗传算法的RBF神经网络故障诊断方法,建立了以变压器的故障特征参数为输入、以主要故障类型为输出的故障诊断模型;将自适应遗传算法和RBF神经网络有机地结合起来,利用自适应遗传算法对RBF神经网络的基函数宽度和中心进行优化,将优化后的RBF神经网络应用于变压器故障诊断.仿真结果表明,该诊断模型加快了网络收敛速度,改善了RBF神经网络的泛化能力,提高了故障诊断正确率,具有良好的实用性.     

基于小波神经网络的油泵故障诊断

依据小波神经网络技术的各种优点,提出采用三层BP小波神经网络构造故障诊断模型,对油泵进行故障监测和诊断.该故障诊断方法对神经网络训练、故障特征参数提取和对应神经网络状态输出等均实现了数据库管理,对油泵多种常见故障取得了满意的诊断效果,不仅具有特征自动提取以及较强的自学习和自适应功能,而且操作维护简便.研究结果表明:信号的小波分析和神经网络识别的融合将为油泵状态监测与故障诊断系统的建立提供新的方法和更简便的途径;对油库安全维护与故障诊断具有重要意义.     

基于HHT/PNN的故障信息融合诊断方法

为提高动态随机故障诊断能力,提出了基于HHT/PNN的故障信息融合诊断方法.利用HHT提取信号的瞬时频率和瞬时幅值特征,采用过程神经元网络实现对时域幅值、瞬时频率和瞬时幅值3种故障特征的融合诊断.对基于HHT/PNN和基于神经网络的2种故障诊断方法进行了比较.仿真结果表明:对于动态随机故障,基于HHT/PNN的故障信息融合诊断方法比基于神经网络的故障诊断方法的故障诊断准确度高.     

高速旋转机械故障智能诊断系统的研究

目的 研制一种新型的故障诊断系统，解决高速旋转机械复合型故障诊断的问题．方法 将神经网络理论应用于故障诊断中，把信号采集、状态监测、信号分析和智能诊断组合在一起。并以H1C型涡轮增压器为诊断研究对象，进行了该系统的试验验证．结果 得出的该系统的诊断结果与理论上分析得出的结果基本一致．结论 证实了所研究的该系统是可信的，它能够准确、快速地诊断出设备存在的故障．基于神经网络理论的机械故障智能诊断系统在解决复合型故障诊断方面更具有优越性与高效性，并为其现场应用于实时监测和实时诊断奠定了试验基础和技术支持．     

一种电气设备状态诊断方法

随着电网技术的不断发展和电网规模不断扩大,电气设备数量激增、智能化程度越来越高;同时,终端用户对用电可靠性越来越重视,借助智能技术基于设备运行数据对设备进行故障诊断势在必行.本文以基于范例推理的理论(CRB)与支持向量机技术(SVM)为主要工具,提出了一种基于范例推理的电气设备状态智能诊断模型,试图通过电气设备已有数据的挖掘,获取电气设备故障的潜在发生规律,进而作为依据及时发现并排除电气设备的潜伏性故障.首先研究CRB和SVM在电气设备状态诊断中的应用;然后建立电气设备状态智能诊断模型,以电气设备的海量运行数据、历史数据、测试数据以及环境因素等为基础,建立电气设备的状态范例库,应用SVM回归对设备状态范例库进行深度的挖掘与分析,建立设备状态指纹,并以此为据进行电气设备运行状态的诊断分析;最后以油浸式变压器状态诊断为例,对实际数据进行分析诊断,并与三比值法的诊断结果进行比较.诊断结果表明,智能诊断模型诊断范围更广,诊断结果更准确.     

火电厂锅炉在线故障诊断神经网络专家系统

针对火电厂热工生产过程高度复杂、多测点、多故障、同时性诊断特点,提出将专家系统和人工神经网络方法相结合的火电厂锅炉集成故障诊断系统．其中,神经网络采用多个子网络并联相结合的结构,提高了系统的诊断速度和多故障同时性实时诊断的能力．神经网络的输入采用模糊数学方法对参数不确定性状态进行高层逻辑概念量化,使系统能自动适应输入数据的变化,给出正确的诊断结果．该系统的仿真结果表明其设计是合理和可行的     

深度神经网络在滚动轴承故障诊断中的应用

为了对滚动轴承发生的故障类型进行诊断,从而提升设备的安全性,提出了一种基于深度残差神经网络的智能故障诊断方法,并使用多传感器融合技术对深度残差神经网络进行了改进,使得诊断模型的识别精度和鲁棒性得到进一步提高.首先,通过多传感器技术来获取丰富的设备运行状态信息,然后利用时频分析方法短时傅里叶变换提取原始振动信号的初级特征信息,最后利用深度残差网络的强大学习能力,进一步提取初级特征信息中的高级特征信息,并识别设备的故障类型,从而实现滚动轴承的故障诊断.为了验证所提出方法的有效性,使用滚动轴承实验数据对方法进行了测试,同时与基于深度卷积神经网络和单传感器故障诊断模型进行对比,研究结果表明,提出的智能方法不仅能对故障进行准确识别,而且具有相当良好的泛化能力和抗噪能力,其故障精度达到了100%,在单传感器或多传感器受到强噪声干扰时,分别实现诊断精度至少为93.78%和82.54%.     

基于神经网络模糊评判的电动执行器状态诊断

设备状态诊断技术是适应生产过程实际需要而形成的一门多学科交叉的综合性技术.设备状态诊断应该能够判别设备是处于"健康"、"亚健康"还是"病态"状态,或者说是正常、有点异常还是故障状态.它是一种全工况的诊断方法.本文以DKJ型电动执行器为研究对象,提出了一种基于神经网络模糊评判的电动执行器状态诊断方法,实验研究证明该方法是行之有效的.     

神经网络技术在设备故障诊断中的应用进展

概述了国内外设备故障诊断的发展状况、神经网络在设备故障诊断的发展状况．对于复杂的故障，单一的神经网络诊断很难得出准确结果，考虑到旋转机械故障的复杂性，因而将集成神经网络应用于机械故障诊断中．考虑到设备故障的复杂性，利用集成神经网络对旋转机械故障进行诊断并对集成神经网络在设备故障诊断中的应用进行了预测．     

基于蚁群优化神经网络的故障诊断

针对BP神经网络收敛速度慢,易于陷入局部极小点的问题,将蚁群算法引入BP神经网络的优化训练,建立了基于该算法的BP神经网络训练模型,并应用于电机转子故障诊断。结果表明,用蚁群算法训练神经网络具有较高的故障诊断精度,收敛性好,可以有效快速定位电机转子故障,提高诊断的效率和质量。     

基于遗传小波神经网络的电网故障诊断方法研究

电网故障中继电保护和断路器的拒动、误动以及信息上传过程中的丢失、畸变等问题使快速、准确的故障诊断仍是一个难题。神经网络方法虽已应用,但神经网络容易陷入局部极小值,针对此情况,提出了基于小波神经网络和遗传算法相结合的故障诊断方法。用遗传算法学习小波神经网络的权值、尺度函数、结构,可以确定用于故障诊断的最优小波神经网络。并对算例进行了仿真,仿真结果表明优化的故障诊断系统优于BP算法的诊断系统,提高了故障诊断精度。     

基于PSO-RBF的航空相机电源板故障诊断技术研究

针对机载航空相机电源板故障率高,传统故障诊断方法技术不足而造成的相机维护难度大的实际问题,提出一种基于PSO-RBF神经网络的电源板故障诊断方法。考虑选取RBF网络训练算法中隐含层节点数和中心参数的难题,采用实用粒子算法约简了RBF神经网络,设计了航空相机电源板故障诊断系统方案,并给出了诊断系统的软件模块和实现方法,实现了从计算机仿真到工程应用的电源电路故障诊断。仿真与实际检测实验结果均表明,系统在不依赖任何标准设备和附加测点时,可对航空相机电源板进行实时、全自动化故障检测,其故障现象的检测覆盖率为100%,故障诊断平均可靠性可达到97.73%,故障器件定位率可达到96.89%。     

变精度粗糙集与神经网络在故障诊断中的应用

针对标准的粗糙集理论不能很好地处理带有噪声的数据,而故障诊断信息中难以避免地存在噪声数据,对此,提出了SOM网络-变精度粗糙集-RBF神经网络的故障诊断方法：首先应用SOM网络对故障诊断数据中的连续属性值进行离散化,然后利用变精度粗糙集理论的属性依赖度进行启发式约简,据此得到最优决策系统,最后在最优决策系统的基础上设计RBF神经网络进行故障诊断。实例验证了该方法的可行性,且故障诊断正确率高。     

基于神经网络数据融合技术的诊断系统的研究

神经网络数据融合技术的诊断系统是以电机振动信号和电流、电压信号为研究对象的,对采集到的3类信号进行实时处理,运用神经网络对数据进行局部诊断,再利用数据融合技术对故障信号进行全局分析融合,从而达到对电机故障类型的准确判断。通过运行表明,应用在故障诊断中的神经网络数据融合技术是一种故障识别率高、方便灵活而且诊断精度高的故障诊断方法。     

基于BP网络的实验台温度采集系统故障检测

实验台温度控制系统工作的正常与否是煤自然发火实验成功的关键因素，因此对实验台温度控制系统进行故障诊断至关重要。以温度数据采集处理系统为基础，构建了3层BP网络结构，设定了阈值，并利用它对温度控制系统进行故障诊断，最后利用MATLAB6．1以实例说明该神经网络的具体训练结果。     

汽车发动机电子控制系统的神经网络诊断技术

以发动机电子控制系统为对象,记录发动机运行过程的各种数据,研究基于BP神经网络和RBF神经网络的发动机电子控制系统传感器的故障诊断方法,并将主成分分析方法和神经网络相结合设计发动机电子控制系统诊断神经网络;借助流行的汽车OBDⅡ自诊断协议,组建发动机电子控制系统的诊断数据采集系统,并记录实验发动机电子控制系统工作时系统的输入、输出数据,进行诊断神经网络的训练和诊断网络系统的评价。     

报警触发式磨煤机出口温度高故障自诊断定位系统

提出了一种依据磨煤机出口温度高报警触发的故障定位系统.通过对火电厂600 MW仿真机组进行故障测试,以及数据记录、分析和处理,得出经过神经网络诊断确认的故障树,再利用力控监控软件实现了该定位程序.该诊断程序可及时正确地定位出磨煤机故障的原因,对电厂安全高效运行具有重要意义.     

基于神经网络技术的故障诊断专家系统及其应用

针对基于符号专家系统的局限性提出了将神经网络技术引入故障诊断专家系统的思想，并对基于神经网络的专家系统的结构和工作原理进行介绍．最后，给出一个基于3层BP网的循环水泵故障诊断专家系统的实例，详细介绍其诊断过程，并对其进行仿真实验．仿真结果表明该系统的设计合理且可行．     

基于知识的故障诊断方法综述

在简单介绍故障诊断理论的基础上，重点评述了基于知识的故障诊断方法发展状况，将其分为5大类，即专家系统故障诊断方法；模糊故障诊断方法；故障树故障诊断方法；神经网络故障诊断方法和数据融合故障诊断方法。对每类方法均介绍了它的诊断原理与步骤，分析了它的特点及局限性，最后指出了这一领域中有待进一步研究的若干问题和发展趋势。