模糊数据融合的刀具磨损状态智能识别

为实现高速加工时刀具渐变磨损状态的在线准确识别,提出了一种集合多种智能的间接检测刀具磨损状态方法的模糊数据融合方法。尽管这些方法具有算法实现较为简单、处理速度较快的优点,但单一的信号检测及单一的智能建模方法难以获得全面的加工状态信息和准确的识别结果。为此,利用F推理技术对上述方法的冗余和互补信息进行数据融合,应用Makino—Fanuc 74-A20型加工中心的测试数据验证了该方案的可行性,并将刀具后刀面磨损的预测值与基于机器视觉检测的实测值进行比较。实验结果分析表明,多参数模糊融合识别方法能快速获得切削刀具磨损状态更加准确的预测值。     

基于BP神经网络的压力传感器数据融合研究

压力传感器由于输出电压值易受环境温度、电压扰动等非目标参量的影响而导致精度大大降低。该文采用BP神经网络对压力和温度2个目标参量进行数据融合处理,减小了两者相互交叉干扰敏感度。结果表明,采用BP神经网络进行数据融合,能够提高传感器的稳定性及其精度,仿真验证了该方法的有效性和可行性。     

基于数据融合和随机模糊神经网络技术的刀具磨损软测量系统

通过检测电流信号,利用基于随机模糊神经网络技术建立的软测量模型进行刀具磨损量测量,提出了利用数据融合技术减小测量误差的方法,仿真试验证明了该方法的可行性。     

基于神经网络的大直径测量多传感器数据融合

多传感器数据融合技术可以避免单一传感器的局限性,充分利用不同时间和空间的测量数据信息,大大提高测量系统的性能和效率。本文将BP神经网络应用于大直径测量系统的特征层数据融合,得到准确的测量结果。     

基于模糊神经网络的指纹与掌纹信息融合技术

为解决脱皮、有伤痕等低质量指纹存在的识别困难、识别率低及稳定性差等问题,本文提出掌纹作为指纹识别的辅助手段,采用模糊神经网络的身份识别方法,将指纹和掌纹进行信息融合.通过仿真实验,表明此方法实用、有效,能提高系统的识别率及稳定性.可广泛应用于刑侦、金融等对安全有严格要求的领域.     

基于模糊神经网络的自动生产线故障诊断方法研究

针对自动生产线故障的特点,选择了利用模糊神经网络对其进行故障诊断的方法,并给出了进行故障诊断的总体方案。在此基础上,建立了基于模糊神经网络与信息融合技术的自动生产线故障诊断模型。为了验证该模型,结合某球轴承套圈磨削超精自动生产线,运用MATLAB神经网络工具箱对该生产线上数控内圆磨床砂轮部分的故障数据进行建模、仿真与测试,结果表明,该模型能快速、准确、有效地诊断出故障。     

基于模糊神经网络的磨料水射流切割质量的研究

基于模糊神经网络建立了磨料水射流精密切割的模型.工件厚度、磨料流量、加工表面的粗糙度和射流压力三个是模糊神经网络的输入,切割速度是模糊神经网络的输出.以JJ-Ⅰ水射流切割机床为实验装置,YL12硬铝作为试件材料进行实验研究,获取样本数据.试件表面粗糙度用TR200粗糙度仪测试.在MATLAB上用样本数据对模型进行训练.用训练好的模型计算给定条件下磨料水射流的切割速度,并以该速度进行线性切割.获得的切割表面粗糙度值基本符合给定的精度要求.     

基于神经网络的点云残缺数据修补方法

针对常用的三坐标测量设备在对物体表面采样时造成的局部区域数据残缺问题,提出并试验了一种三维残缺数据的BP神经网络修补方法.该方法首先人裁出一小片数据,然后框选出残缺数据边界附近的样本点集,并加以训练;最后,在给出残缺数据映射于xoy平面的xy坐标情况下,把训练后的BP网络用于残缺区域数据点z值的预测;根据预测值和真实残缺值的对比实验分析表明,此方法具有较高的修补效率和精度,可获得满意的修补效果.     

基于组合神经网络模型的远程装载机故障诊断系统的设计与实现

在分析了故障诊断的常用方法及其优缺点的基础上,给出了装载机故障诊断的流程,并阐述了流程中一些重要环节的设计和功能.然后在分析装载机信号的基础上提取了装载机信号的故障特征,提出并建立了用于装载机故障诊断的组合神经网络模型.最后,将该模型用于实际故障诊断,得到满意结果.     

基于模糊神经网络的气体密封故障诊断

针对传统的依靠单一参数对密封状态监测的不足,利用模糊神经网络处理问题的能力,综合多种密封参数的信息,建立针对密封状态监测的模糊神经网络系统,提出基于模糊神经网络的故障诊断的方法。该方法确定泄漏量、端面温度、气膜厚度、阻封气泄漏量作为密封的监测参数,并确定各个参数的隶属函数;通过大量的历史数据、MAT-LAB模拟数据和专家知识分析得到各个特征参数值和修正值,建立5种密封状态的输出模式;通过隶属函数实现输入样本的模糊化;通过MATLAB编程来设计、优化神经网络结构,利用历史数据训练神经网络。通过实例分析验证了建立的模糊神经网络的实效性。     

基于改进BP神经网络的机械故障研究

BP网络易陷入局部最优和运算不稳定,提出附加动量下降法对其改进;通过改进BP与标准BP对旋转机械常见故障诊断进行对照分析,得出改进BP能够克服标准BP的固有缺陷。     

基于BP神经网络的齿轮故障诊断

通过介绍神经网络的模型算法,根据齿轮的四种故障类型,采用BP神经网络对其进行训练和诊断,得到了较为理想的结果,为及早发现和预防机械故障提供了可靠的理论依据。     

起升机构液压系统模糊神经网络故障诊断

基于起升机构液压系统故障诊断的特点,提出基于故障树的模糊神经网络作为汽车起重机起升机构液压系统故障诊断的方法。该方法利用故障树知识,提取汽车起重机起升机构液压系统故障诊断的输入变量和输出变量,引入模糊逻辑的概念,运用模糊隶属度函数来描述这些的程度,利用共轭梯度优化算法对神经网络进行训练,并通过实例分析,验证了汽车起重机起升机构液压系统模糊神经网络故障诊断的有效性。     

基于神经网络的模糊系统在电厂风机故障诊断中的应用

设备的故障与征兆之间往往很难找到一一对应关系。本文基于模糊理论,通过对电厂风机的故障机理的研究,提出了基于神经网络的风机模糊诊断模型,并解决了其中的关键技术。     

基于BP神经网络的某型装备故障诊断专家系统

为提高现代工程装备在复杂现场环境下的维修保障能力,提出了基于神经网络的专家系统故障诊断方法。进行了该装备各个组成系统的故障模式与故障元件分析,研究了专家系统知识库的建立步骤并完成了故障诊断专家系统的知识库构建,并设计了基于神经网络推理技术的专家系统正向推理机制。研究成果在工程兵部队进行了应用,有效地提高了部队的装备故障维护与保障能力。     

基于模糊RBF神经网络的滚动轴承故障诊断

针对现有滚动轴承故障诊断方法存在人为因素影响、表达模糊信息能力弱等问题。结合模糊评价和RBF神经网络的优点,选取3层小波包分解方法以获取评价因子,并使用正态分布型隶属度函数,构建了模糊RBF神经网络滚动轴承故障诊断模型。网络测试结果表明,该模型客观准确,诊断结果与实际情况一致。     

基于BP神经网络的汽车故障诊断的研究

研究了一种基于BP神经网络的汽车故障诊断方法。主要结合了专家系统判断推理的思想,通过多个子BP神经网络形成一条诊断链,从故障征兆出发,对汽车故障进行分级连续诊断,使故障诊断范围逐级缩小,最终确定汽车故障的具体原因。该方法符合人的逻辑思维,实现简洁,同时具有很高的诊断精度和很好的鲁棒性,可行性强。     

基于信息优化的前馈神经网络及其应用

为了克服普通前馈神经网络（ＢＰ网络）忽略网络中包含的信息的缺点，将信息理论引入到ＢＰ网络中，分析基于信息熵优化的ＢＰ网络的学习，结构优化和网络分类能力等问题，并用于变速齿轮箱的故障分类识别。     

人工神经网络的专家系统的研究及应用

介绍了人工神经网络ANN(artificial neural network)的基本原理,将ANN技术引入专家系统,即基于ANN的专家系统,使专家系统的性能得到了很好的改善.基于ANN的专家系统通过合理的计算,产生智能,完成推理判断,采用这种方法推理,不仅速度快,而且适应规则变化能力强,在克服传统专家系统缺点的基础上,突显其优良特性.简要介绍了ANN的应用.