基于规则的模糊神经网络故障诊断专家系统

提出了一种基于规则的模糊神经网络专家系统诊断方法,该方法采用了广义三层规则库结构及推理机制,把Ｒｕｌｅ型的模糊联想记忆器作为专家系统的分类和综合算法,使基于规则的知识处理方法与模糊神经网络有机地结合在一起。并讨论了模糊神经网络输入和输出模糊化的问题。为旋转机械故障诊断专家系统提供了一个易于实现的框架结构。     

基于Alopex神经网络的旋转机械故障诊断专家系统

提出了一种可以减小网络规模的故障表示方法,并将Alopex算法引入神经网络模型的训练过程,将人工神经网络与规则推理相结合,建立了旋转机械故障诊断的神经网络专家系统。该系统充分利用了神经网络与规则推理的优点,采用正反向混合推理方式调用知识库中的各种知识进行诊断。采用二进制数码表示机械的各种故障,基于Alopex算法训练神经网络。建立的专家系统克服了基于规则专家系统的自学习困难问题和基于神经网络诊断系统的系统控制能力弱的缺点,具有较强的诊断能力。     

基于组合式模糊神经网络的旋转机械故障诊断模型

针对旋转机械故障所具有的层次性、相关性和模糊性的特点,提出１种基于组合式模糊神经网络的旋转机械故障诊断模型。它由第１层的决策模糊神经网络和第２层的多个诊断模糊神经网络组合构成,依据大隶属度优先为真原则进行推理,按推理的过程和隶属度的大小给出可能的故障结果及相应的隶属度值,供现场工程技术人员结合辅助故障特征参数等进行进一步的联想推理,得到最终的故障诊断结果。实验研究结果表明,该系统可以有效地对具有模     

旋转机械故障诊断专家系统的知识表示法

分析了影响旋转机械运行状态的各种因素,就旋转机械故障诊断专家系统中知识库的建立及知识表达提出了一种建模方法,这种方法根据旋转机械的特点,把知识库中的故障征兆分为了５大类,１３小类,１００多个具体项。根据知识表示模型的网络传递算法,可以方便地进行知识库组织及维护。最后,列出了１２５ＭＷ汽轮发电机组知识库的实现方法。     

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.     

模糊Kohonen神经网络的旋转机械故障诊断

针对传统故障诊断方法不能解决旋转机械故障诊断的模糊性问题,提出一种基于模糊Kohonen神经网络的故障诊断模型,通过模糊量化处理故障样本模式和在Kohonen网络中使用邻域函数自动调整权重程度的改进学习算法,较大提高了网络的学习速度和聚类能力,能对具有模糊性的复合故障进行诊断,是一种适合于复杂旋转机械故障诊断的有效可行的方法。     

旋转机械振动故障诊断中专家系统知识获取方法探讨

讨论了旋转机械故障诊断专家系统的知识获取原则、知识库初始化与完善和先验的针对性知识在故障诊断专家系统中的作用。提出以模糊聚类方法获取针对性知识的数学模型和以该模型为基础的一种旋转机械故障诊断专家系统的知识获取策略     

基于神经网络的综合智能故障诊断专家系统

神经网络(ANN)和专家系统(ES)是人类智能活动的两种表示方法，它们有优缺点。如果把这两种技术结合起来取长补短，所形成的神经网络智能系统则会更加完善。这已成为人工智能发展的一个重要趋势。本文对神经网络专家系统和传统的专家系统结合起来的综合智能故障诊断专家系统在故障诊断中的应用进行了研究。     

机载火控系统故障诊断神经网络专家系统

对作战飞机火控系统的故障检测,传统的方法是使用多种检测仪器对机载火控设备进行性能检查,技术含量低,不能满足现代战争的需要.为提高部队的作战效能,采用微电子技术、人工智能技术、计算机测量与控制技术,研制了机载火控系统故障检测装置;该装置在实际应用中取得了良好效果,并具有测试结果准确,自动化程度高,工作稳定可靠,操作简便,易于转移和维护等优点,不仅适用与内场,还可用于在外场对机载火控系统进行原位检测,为技术人员进行机载火控系统的性能及故障检测提供了便利.     

用神经网络提取模糊诊断知识的方法

改进了Ｂ－Ｐ神经网络的算法结构,找了单层神经网络权值矩阵与模糊综合评判关系矩阵之间的对应关系,由此构造了模糊神经网络系统,本系统解决了模糊诊断学习困难的局限,可以将所学知识中具有普遍意义的知识提取出来,同时,将过去隐含分布式的神经网络权值矩阵的物理意义明晰化,克服了单层Ｂ－Ｐ网络的一些局限性。     

基于神经网络的旋转机械故障诊断研究

一般对特定的基于多层感知的故障诊断问题,很难确定神经网络的结构,在分析了多层感知器对故障的识别和诊断能力后,采用由小到大和由大一小的方法确定神经网络隐层数与隐层单元数。     

用于旋转机械故障诊断的一种张量增强型前向神经网络模型

在多层前向神经网络模型的研究基础上，提出了基于张量的增强型前向神经网络诊断模型，以实现在已知输入模式不变的情况下，增强原始模式的表达，从而提高了诊断的精度。试验结果表明，本模型对工程应用具有较高的实用价值。     

RESEARCH ON EXPERT SYSTEM OF FAULT DETECTION AND DIAGNOSING FOR PNEUMATIC SYSTEM OF AUTOMATIC PRODUCTION LINE

Fault detection and diagnosis for pneumatic system of automatic production line are studied. An expert system using fuzzy-neural network and pneumatic circuit fault diagnosis instrument are designed. The mathematical model of various pneumatic faults and experimental device are built. In the end, some experiments are done, which shows that the expert system using fuzzy-neural network can diagnose fast and truly fault of pneumatic circuit.     

基于ART—2神经网络的故障诊断系统

对ART－2模拟量模式识别神经网络算法的改进能使其有效地适用于故障诊断,神经网络的预处理场F0具有增强对比度,抑制基底噪声的能力,神经网络的F2场根据优先级选择竞争节点。网络模式识别的结果作为专家系统输入的类别及其选取概率。专家系统搜索由知识库构造的关系树并依规则进行推理。本文方法结合神经网络和专家系统的优点,以得到可信的故障诊断结果。本文还给出了验证系统正确性的自动液压机故障诊断实例。     

SEQUENTIAL DIAGNOSIS FOR A CENTRIFUGAL PUMP BASED ON FUZZY NEURAL NETWORK

A sequential diagnosis method is proposed based on a fuzzy neural network realized by ＂the partially-linearized neural network （PNN）＂, by which the fault types of rotating machinery can be precisely and effectively distinguished at an early stage on the basis of the possibilities of symptom parameters. The non-dimensional symptom parameters in time domain are defined for reflecting the features of time signals measured for the fault diagnosis of rotating machinery. The synthetic detection index is also proposed to evaluate the sensitivity of non-dimensional symptom parameters for detecting faults. The practical example of condition diagnosis for detecting and distinguishing fault states of a centrifugal pump system, such as cavitation, impeller eccentricity which often occur in a centrifugal pump system, are shown to verify the efficiency of the method proposed in this paper.     

FAULT DIAGNOSIS EXPERT SYSTEM FOR ROTATING MACHINERY BASED ON A FUZZY PROBABILITY LOGIC INFERENCE MODEL

ＦＡＵＬＴＤＩＡＧＮＯＳＩＳＥＸＰＥＲＴＳＹＳＴＥＭＦＯＲＲＯＴＡＴＩＮＧＭＡＣＨＩＮＥＲＹＢＡＳＥＤＯＮＡＦＵＺＺＹＰＲＯＢＡＢＩＬＩＴＹＬＯＧＩＣＩＮＦＥＲＥＮＣＥＭＯＤＥＬＸｉｏｎｇＧｕｏｌｉａｎｇ；ＺｕｏＨｕｉｊｉｎｇ（ＥａｓｔＣｈｉｎａＪｉ...     

基于RBF神经网络的齿轮箱故障诊断

阐述径向基函数(radial base function,RBF)神经网络的基本原理和算法,将其应用于齿轮箱故障诊断与识别,建立齿轮箱的BRF故障诊断模型,并与BP(back propagation)神经网络、学习率自适应BP神经网络进行对比分析研究。结果表明,RBF神经网络性能优于BP神经网络,具有较快的训练速度、较强的非线性映射能力和精度较高的故障识别能力,非常适用于齿轮箱的状态监测和故障诊断。但在具体应用中应当注意,RBF网络的训练样本必须含有一定的噪声,以提高网络的容噪性能;各类故障的训练样本数不能太少,否则RBF网络的故障分类能力很差。     

FAULT DIAGNOSIS BASED ON INTEGRATION OF CLUSTER ANALYSIS, ROUGH SET METHOD AND FUZZY NEURAL NETWORK

In order to increase the efficiency and decrease the cost of machinery diagnosis, a hybrid system of computational intelligence methods is presented. Firstly, the continuous attributes in diagnosis decision system are discretized with the self-organizing map (SOM) neural network. Then, dynamic reducts are computed based on rough set method, and the key conditions for diagnosis are found according to the maximum cluster ratio. Lastly, according to the optimal reduct, the adaptive neuro-fuzzy inference system (ANFIS) is designed for fault identification. The diagnosis of a diesel verifies the feasibility of engineering applications.     

FUZZY NEURAL NETWORK FOR MACHINE PARTS RECOGNITION SYSTEM

The primary purpose is to develop a robust adaptive machine parts recognition system. A fuzzy neural network classifier is proposed for machine parts classifier. It is an efficient modeling method. Through learning, it can approach a random nonlinear function. A fuzzy neural network classifier is presented based on fuzzy mapping model. It is used for machine parts classification. The experimental system of machine parts classification is introduced. A robust least square back-propagation (RLSBP) training algorithm which combines robust least square (RLS) with back-propagation (BP) algorithm is put forward. Simulation and experimental results show that the learning property of RLSBP is superior to BP.