基于BP网络的飞机电力起动系统故障诊断

在介绍BP网络基本原理及学习算法的基础上,结合某型飞机电力起动系统论述了基于BP神经网络的该系统故障诊断的方法及具体实现.     

基于改进BPNN的电子化指挥系统故障诊断

基于BP神经网络和案例推理模型,建立导弹电子化指挥系统故障诊断专家系统的基本结构,并给出一个具体的应用实例.首先对导弹电子化指挥系统的故障机理进行分析,在此基础上研究基于BP神经网络和案例推理相结合模型的故障诊断技术的应用,确定了基于改进BP神经网络的故障诊断专家系统的设计思想和实现方法,并建立了基于BP神经网络和案例推理结合模型的导弹测控系统故障诊断专家系统,弥补了单一故障诊断推理模型的不足.通过对某型导弹电子化指挥系统中语音系统的故障诊断实例,说明了该故障诊断专家系统的可行性.     

神经网络用于故障诊断的实现方法

通过深入研究人工神经网络理论,探索神经网络技术在某型飞机自动飞行控制系统(CAY)故障诊断中的应用;建立由多个子模块组成的神经网络诊断系统模型,并选择其中一个模块进行设计与训练;训练后的神经网络能很好地对自动飞行控制系统已知故障模式进行识别,实现故障诊断。     

基于BP神经网络的摊铺机智能故障诊断

针对大型复杂的工程机械，建立基于BP(逆向传播)神经网络的智能故障诊断系统。给出了该系统的诊断方法和故障诊断步骤，并提供了对工程机械液压系统故障诊断的调试实例。     

一种船用绞车故障诊断方法

介绍了一种采用PLC控制的船用绞车故障诊断方法,对船用绞车的故障类型和故障特点进行了分析,在对设备状态进行监测的基础上,基于BP神经网络开发了船用绞车故障诊断系统,建立了故障训练样本,通过对绞车刹车单元的故障诊断实验对该故障诊断方法进行了验证。     

基于三种理论的汽油机故障诊断系统应用研究

阐述了模糊逻辑、BP神经网络和专家系统的相关理论,探讨了结合三种理论构建系统的优点,介绍了电控汽油机故障诊断的相关理论。在上述理论的基础上,阐述了电控汽油机模糊神经网络诊断专家系统的构建方法,并运用MATLAB软件针对汽油机故障征兆-故障模式样本集编写了BP神经网络训练程序对样本进行了学习训练和仿真。     

基于BP神经网络的翻车机液压系统故障诊断

为了快速诊断出翻车机液压系统故障产生的位置以及故障原因,提出了一种基于BP神经网络算法的翻车机液压系统故障诊断方法,在此基础上提出了大型液压系统故障诊断分块建模的原则。利用某公司C型转子式翻车机故障数据样本建立了整体、分块故障诊断BP神经网络模型,对比实验数据分析表明,采用分块建模原则建立的BP神经网络故障诊断模型对翻车机液压系统故障具有较高识别精度,对提高翻车机液压系统状态监测与故障诊断能力有较大实用价值和工程意义。     

基于信息熵与神经网络的供输弹系统早期故障诊断

对于供输弹系统早期故障信息微弱,难以识别诊断的问题,提出一种基于信息熵与Elman神经网络相结合的供输弹系统早期故障诊断的方法。通过合理布置测点采集供输弹系统振动信号,经自适应广义形态滤波后提取近似熵、样本熵为特征参量,分别运用Elman神经网络和BP神经网络对其识别。结果显示:该方法能有效对供输弹系统早期故障进行诊断,诊断正确率高达92.13%,且优于BP神经网络的诊断结果。文中所运用的方法在供输弹系统早期故障诊断中有良好的应用。     

遗传算法优化BP神经网络港口起重机故障诊断

针对港口起重机故障诊断问题,提出了一种基于遗传算法优化BP神经网络的故障诊断方法。规避传统BP神经网络算法的不足,同时建立起所对应的优化神经网络算法模型。采用Matlab中的NNTool工具箱,以港口起重机其中一个支腿液压阀故障为实例,分析该诊断方法的理论原理和具体实施过程。结果表明遗传算法优化的BP神经网络比传统的BP神经网络在港口起重机故障诊断问题中具有更好的诊断效率和准确度。     

运用遗传算法优化神经网络的发动机故障诊断

为了对发动机故障进行正确诊断,可采用BP神经网络方法建立发动机故障诊断模型,但由于BP神经网络存在收敛速度慢及网络泛化能力差的缺点,易影响发动机故障诊断正确率。为了提高网络正确识别能力和泛化能力,采用遗传算法对神经网络的权值和阈值进行优化,网络误差满足要求后,用BP神经网络方法进行修正,从而使网络误差达到最小。将该算法应用于发动机故障诊断中,结果表明,该方法诊断故障误差更小且收敛更快。     

基于神经网络的汽车故障诊断分析

文章研究了一种基于BP神经网络的汽车故障诊断方法。通过分析BP神经网络模型,以汽车电气系统故障诊断为例,将故障作为神经网络的输出,利用BP神经网络预测模型对故障诊断进行模拟学习,最终确定故障具体原因。研究表明,该方法用于汽车故障诊断具有较高的可行性,可广泛推广。     

基于遗传算法的高阶模糊BP神经网络在齿轮故障诊断中的应用

将模糊逻辑理论和遗传算法引入高阶BP神经网络中，讨论了高阶模糊BP神经网络的特征值的提取、结构、特点、二阶算法以及遗传算法，并将该神经网络模型用于齿轮的故障诊断中，试验表明基于遗传算法的高阶模糊BP神经网络对齿轮故障模式具有稳定、准确的识别能力，是一种行之有效的新型诊断方法。     

基于改进的BP神经网络的柴油发动机故障诊断

柴油发动机采用高压共轨燃油喷射技术,提高了柴油机的综合性能,但高压共轨柴油机电控系统比较复杂,增大了柴油机故障诊断的难度。该文介绍了BP神经网路及LM算法,并利用改进的BP神经网络对发动机电控系统故障进行诊断研究。以长城哈佛GW2.8TC发动机为实验对象,让发动机在怠速状态下,对发动机进行故障设置,利用金德KT600故障诊断仪采集发动机的故障数据流,运用改进的BP神经网络建立诊断模型,诊断结果表明改进的BP神经网络的收敛速度快,运用改进的BP网络诊断柴油机电控系统故障是行之有效的。     

多传感器信息融合技术在液压系统故障诊断中的应用

针对单参数诊断复杂系统中出现的信息不完整和不确定性问题,提出基于BP神经网络和D-S证据理论的多传感器信息融合故障诊断方法。为了简化BP神经网络结构,首先利用两并行BP神经网络对故障数据进行诊断;之后,D-S通过证据理论融合局部诊断结果,实现对于不准确信息的准确判断,获得准确诊断结果。该方法适用于特定类型火箭发射器液压驱动伺服系统(HDSS)的故障诊断,实现了对于液压伺服驱动系统中主要部件的故障定位和诊断,有效提高了系统可靠性。     

基于BP神经网络的武器火控系统故障诊断平台

武器火控系统广泛采用PLC控制系统。首先根据火控系统工作流程建立故障诊断模型,然后详细介绍了BP神经网络的原理及如何在武器火控系统故障诊断中应用,特别是故障诊断中BP神经网络结构和故障诊断训练样本的确定方法。最后根据上述分析建立火控系统故障诊断实例。实践表明,应用BP神经网络算法后故障诊断系统的诊断准确率达到90％以上,该方法具有一定的参考及实用价值。     

基于萤火虫优化BP神经网络的数控机床故障诊断

为了提高数控机床故障预测的能力,针对BP神经网络在数控机床故障预测中出现的收敛速度慢和训练容易陷入局部极值问题,提出了一种基于萤火虫算法优化BP神经网络的数据机床故障诊断算法。文章详细介绍了常见的数控机床故障类型和分类,在萤火虫优化算法和BP神经网络的基础上,建立了萤火虫算法优化BP神经网络的数控机床故障诊断模型,并提出了基于该模型的算法。该模型和算法采用萤火虫算法优化BP神经网络的初始权值和阈值,优化后的BP神经网络能对测试集进行更好的预测。实验结果表明,萤火虫算法优化BP神经网络的预测误差明显小于GRNN和PNN算法。该模型和算法具有很好的预测能力,可以快速、准确地完成数控机床故障诊断研究。     

基于OS-ELM的风机关键机械部件故障诊断方法

针对传统故障诊断中前馈神经网络算法诊断效果不佳、泛化能力不强问题,提出了基于在线贯序极限学习机(OS-ELM)的风机关键机械部件故障诊断方法。该方法将测试得到的预测样本加入训练样本,作为下一次的更新信息,建立在线贯序极限学习机诊断模型,从而最大限度提高故障诊断精度,分析了激活函数、隐层节点数目对诊断性能的影响,并同BP神经网络、SVM以及ELM神经网络进行对比。实验表明,该方法在风机关键机械部件出现故障情况下,OS-ELM网络能够作出准确诊断且性能明显优于BP神经网络,与SVM、ELM故障分类准确率相当,但极大地提高了运算速度,便于工程应用。     

基于ITD样本熵与PNN的自动机故障诊断

针对自动机振动信号短时、非平稳、高冲击的特性,本文提出一种运用固有时间尺度分解(ITD)样本熵和概率神经网络(PNN)进行故障诊断的方法。首先将ITD引入自动机的故障诊断中,通过对ITD分解得到前五层重构信号提取的时频特征来验证ITD方法的有效性,并对信号进行样本熵提取,把其作为特征向量分别用概率神经网络和BP神经网络对自动机进行故障模式识别。实验结果表明:概率神经网络相对于BP神经网络可以提高故障分类的正确率,从而验证了ITD样本熵与PNN的自动机故障诊断方法的优越性。     

基于BP神经网络的液压马达故障诊断

以液压系统中液压马达为研究对象,提出了一种基于故障表征的诊断模型,该模型无需建立被诊断对象的精确数学模型,只需以显性的故障表征作为诊断模型的输入,并为其建立BP神经网络模型,运用MATLAB给出该网络的训练过程及结果,并提供应用于液压马达的故障诊断实例.     

基于神经网络的大型风机智能故障诊断系统的研究

介绍了BP网络的基本原理,研究了基于神经网络的故障诊断方法,建立了风机常见故障模式样本。由此研制了一套基于BP网络的风机智能故障诊断系统,将其应用于某大型烧结风机的故障诊断中,结果表明:该系统诊断结果准确可靠,且具有较强的鲁棒性。