基于神经网络的多级行星齿轮箱故障诊断专家系统

多级行星齿轮传动比大、结构复杂,按照传统的事后检修、计划检修难以满足实际生产需要.因此采用基于人工神经网络的故障诊断专家系统来实现多级行星齿轮增/减速器的不解体故障诊断.根据多级行星齿轮的初始条件,得出齿轮箱的各轴端的特征频率,分析了齿轮箱的各种常见故障.将专家系统与神经网络结合,采用产生式规则表示知识的方法,运用基于模型的推理方法构建专家系统的知识库和推理机,通过人工神经网络的样本分析,改进了专家系统的学习和推理功能,并提出了1种能有效解决多级行星齿轮增/减速器各种故障的诊断方法.     

基于神经网络与专家系统的气象仪故障诊断系统

分析了专家系统和神经网络各自的特点,提出将两者相结合的方法,构造基于神经网络与专家系统的气象仪故障诊断系统模型。测试结果表明,神经网络与专家系统结合是一种有效的诊断方法。     

基于模糊神经网络的高阶频段振动信号故障诊断研究

将模糊神经网络技术应用于机械故障高阶频率振动信号的研究,参考齿轮和转子故障模式并结合专家经验建立了螺杆压缩机转子故障诊断专家系统知识库,利用振动频谱特征就螺杆压缩机的几种故障模式结合一种模糊神经网络故障诊断模型进行了模糊神经网络识别。算例诊断结果为压缩机阴阳转子型线加工误差,与试验结果一致。     

小波一神经网络在齿轮故障诊断中的应用

基于齿轮箱故障齿轮的特征提取,提出了将小波包分析与神经网络结合的齿轮故障诊断方法。对齿轮信号进行3层小波包分解,构造小波包特征向量作为故障样本,用训练好的BP神经网络进行故障诊断,实验结果表明该方法能够有效地诊断出齿轮的故障类型。     

小波-神经网络在齿轮故障诊断中的应用

基于齿轮箱故障齿轮的特征提取,提出了将小波包分析与神经网络结合的齿轮故障诊断方法.对齿轮信号进行3层小波包分解,构造小波包特征向量作为故障样本.用训练好的BP神经网络进行故障诊断,实验结果表明该方法能够有效地诊断出齿轮的故障类型.     

基于蚁群算法的矿井提升机减速器齿轮故障诊断

在研究蚁群优化神经网络训练算法的基础上,建立了矿井提升机减速器齿轮故障诊断模型。根据实测数据,分析研究信号并提取信号特征值,并应用训练后的BP神经网络诊断齿轮故障,实验表明效果良好,该模型网络的收敛速度大大提高,避免陷入局部最优解,用于减速器齿轮故障诊断准确可靠。     

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.     

基于BP神经网络对减速箱齿轮副的故障诊断与仿真研究

齿轮故障诊断的基本方法是利用振动信号,通过提取特征信息,比较各次测量中的差异进行诊断。根据BP神经网络诊断方法,运用虚拟样机技术建立齿轮模型,模拟各种各种故障,提取振动信号,然后给出BP神经网络训练的特征频率,使其对数据进行分析学习。当输入待诊断样本后,BP网络对数据进行对比分析得出诊断结果。经过仿真检验表明该方法对减速箱齿轮副的故障诊断有效,对其他旋转机械的故障诊断和维修保养也具有一定的实用价值。     

基于分布适配层和软标签学习的齿轮故障诊断

基于卷积神经网络的齿轮智能识别算法能有效地识别齿轮故障,但卷积神经网络需要大量的已标注训练数据,制约了卷积神经网络在齿轮故障诊断上的应用。针对该问题,提出了基于分布适配层和软标签学习的齿轮故障诊断方法。采用卷积神经网络提取特征和软标签;通过分布适配层提取分布差异,软标签学习生成软标签损失;以分布差异、软标签损失与分类损失生成的联合损失为目标函数,训练模型并进行目标域故障诊断。采用齿轮振动信号验证了提出方法,结果表明,提出方法能准确有效地分类齿轮故障数据。     

基于神经网络的故障诊断专家系统在船闸上的应用

针对传统故障诊断专家系统所存在的问题,提出了一种基于神经网络的故障诊断专家系统模型,并且把此模型应用到船闸的故障诊断上.同时详细介绍了基于神经网络的船闸故障诊断专家系统的结构及各功能模块的设计.     

数控设备远程运行与故障诊断系统体系结构设计

以柔性制造系统中数控设备为制造单元并作为控制对象,以实现CAD/CAM/CAPP智能化、集成化地制造.通过分析网络化环境下数控设备远程运行与故障诊断系统的特点,提出该系统的体系结构,使用BP神经网络进行数控设备的故障诊断,阐述了基于BP神经网络和专家系统混合的神经网络故障诊断专家系统的基本原理,并分析了基于EJB的数控...     

基于神经网络的数控机床故障诊断专家系统

针对传统专家系统在处理故障诊断中的不足,提出了将神经网络技术与专家系统融合的诊断模型,并用于数控机床的故障诊断中.介绍了诊断系统结构、功能及改进的BP神经网络算法,并给出了应用实例.试验结果表明,该方案合理、可行,有较好的应用前景.     

基于神经网络与故障树的电气设备故障诊断系统

为提高工程车辆电气设备的维护保养能力,构建了其电气系统的故障诊断专家系统。进行了该装备各个组成系统的故障模式与故障元件分析,研究了故障树的建树步骤与故障树的模型分析与建立,设计了基于神经网络推理技术的专家系统正向推理机制。研究成果在部队中的应用表明,该方法有效地提高了部队的装备故障维护与保障能力。     

Neural network based expert system for induction motor faults detection

Early detection and diagnosis of incipient induction machine faults increases machinery availability, reduces consequential damage, and improves operational efficiency. However, fault detection using analytical methods is not always possible because it requires perfect knowledge of a process model. This paper proposes a neural network based expert system for diagnosing problems with induction motors using vibration analysis. The short-time Fourier transform (STFT) is used to process the quasi-steady vibration signals, and the neural network is trained and tested using the vibration spectra. The efficiency of the developed neural network expert system is evaluated. The results show that a neural network expert system can be developed based on vibration measurements acquired on-line from the machine.     

神经网络和专家系统在汽车发动机故障诊断中的应用研究

运用神经网络与专家系统两种人工智能技术,通过对汽车发动机废气中CO,HC,CO2和02含量的分析进行故障推理和诊断.神经网络与专家系统主要采用串行连接,用神经网络模块进行故障分类,再经专家系统给出解释并进一步推理,得到具体的诊断结果,从而实现发动机常见故障的快速、准确和智能化诊断.     

基于故障树的汽车起重机液压故障诊断专家系统

根据汽车起重机液压系统故障诊断的特点,建立了汽车起重机液压故障诊断专家系统。该系统提出将故障树和模糊神经网络相融合,并以汽车起重机常见故障为例建立了相应的故障树模型,完成了基于专家规则表示与模糊表示下知识数据库的构建与推理机的实现。解决了传统专家系统知识获取困难的问题;运用模糊神经网络的自学机制,保证知识库的完整性和正确性;实现了对汽车起重机液压系统的故障诊断内容的不断的更新和扩充,并及时将已发生及预测到的的故障写入数据库中,提高了查找故障的准确率及效率,有利于预防和控制汽车起重机液压系统的故障。     

基于神经网络的智能故障诊断系统的开发研究

针对传统专家系统在故障诊断领域应用中的局限性,提出了将神经网络理论与专家系统技术相结合的混合方法用于现代制造系统的故障诊断过程,并介绍了神经网络的智能故障诊断系统的体系结构,并对系统性能和构建中的一些关键技术,如神经网络构造、数据准备和网络训练等进行了探索和分析。     

自组织特征映射人工神经网络用于旋转机械故障诊断

本文利用人工神经网络自组织学习和神经元连接的类型(兴奋或抑制)与征兆和故障之间的特征映射,建立了旋转机械故障诊断的自组织特征映射模型.利用这一模型使人工神经网络无指导学习用于旋转机械故障诊断,通过旋转机械中常见故障进行诊断提供了进一步解决故障诊断专家系统中知识库建立及维护的新方法.     

浅谈液压系统故障诊断的方法

介绍了液压系统故障的主观诊断法、数学模型诊断法和智能诊断法,以及各种具体故障诊断方法的特点及应用,指出专家系统与神经网络的有机结合,将成为智能故障诊断技术的发展方向.     

一种乳化液泵分级故障诊断方法

针对乳化液泵故障机理复杂、故障诊断难的现状,提出一种乳化液泵分级故障诊断方法。首先,通过深度自编码网络(Deep Auto-Encoder Network,DAEN)实现乳化液泵故障的第一级诊断,以乳化液泵的14个特征参数作为输入,自适应特征学习,识别故障形式;然后,通过专家系统实现乳化液泵故障的第二级诊断,将已识别的故障形式与必要故障信息作为专家系统输入,得到明确的故障定位。实验表明,深度自编码网络平均准确率98.712%,优于深度神经网络和卷积神经网络,可靠性高,可以完成第一级诊断任务,然后通过专家系统完成第二级诊断任务,分析产生原因,操作简单。将该方法编制成后台可运行的程序,嵌入煤矿综采工作面智慧云平台。经过实际测试,该故障分级诊断方法能够快速有效定位故障位置,提高诊断精度。