基于BP神经网络的液压系统故障诊断专家系统

本文尝试将BP神经网络应用于液压系统的故障诊断，阐述了基于BP神经网络的故障诊断专家系统的基本结构，以及知识库，正向推理机和解释机的实现方法。     

基于BP神经网络的液压挖掘机故障诊断的研究

为了实现液压挖掘机的整机故障诊断,提出基于BP神经网络的故障诊断方法.将BP神经网络应用于液压挖掘机的故障诊断中,研究BP神经网络的结构和算法.以液压挖掘机整机故障诊断为例,选择典型的故障样本训练神经网络,使神经网络具有较好容错性和稳定性,经过训练的神经网络就可以实时、准确地诊断出挖掘机的故障.并使用Matlab的神经网络工具箱进行模拟仿真,仿真结果表明:BP神经网络能够很好地应用于液压挖掘机的实际故障诊断,网络收敛速度快、学习记忆稳定,具有一定的工程实用价值.     

神经网络在复杂液压系统故障诊断中的应用

尝试将BP神经网络应用于液压系统的故障诊断,阐述了基于BP神经网络的故障诊断专家系统的基本结构及知识库组建的方法。结合工程机械液压系统,建立了适合复杂系统故障诊断的复合神经网络结构。该诊断系统具有知识库规模小、推理速度快、推理过程及结论明确等优点。     

基于优化VMD和BP神经网络液压管路故障诊断研究北大核心

针对航空发动机液压管路故障信号易受噪声干扰、管路故障诊断准确率不高等问题,提出基于优化变分模态分解和BP神经网络的故障诊断方法。利用遗传算法自适应确定变分模态分解K、α的最优参数,然后采用优化后的变分模态分解方法对航空液压管路的振动信号进行分解,最后将故障特征明显的故障分量输入BP神经网络模型中进行训练和分类。结果表明:提出的基于变分模态分解与BP神经网络的航空液压管路故障诊断方法能够精准识别出航空液压管路多种不同的故障状态。     

基于遗传算法优化BP神经网络的液压系统故障诊断

液压系统作为控制和动力传输设备的核心部件,在现代工业生产机械中被广泛应用,准确诊断其故障具有提高生产效率和保障工作安全性等重要的工程意义。液压系统一旦发生故障往往是多故障同时出现,传统BP神经网络故障诊断算法往往不能满足多故障诊断准确率,提出一种基于遗传算法改进BP神经网络（GA-BP）的液压系统故障诊断方法,针对不同采样频率下多传感器信息融合的液压系统3种典型的故障模式进行对比分析。结果表明：GA-BP故障诊断算法相对于传统的BP神经网络具有更好的诊断性能。     

基于BP神经网络的铸机故障诊断系统研究

为提高铸机故障诊断能力,设计利用BP神经网络实现故障与特征的非线性映射方法。在该映射关系中,分析了BP网络故障诊断思路,并以搬运机械手为例,通过BP神经网络对其网络控制、液压驱动、回转及行走配合过程中的故障进行诊断。通过分析表明,BP网络能解决复杂装备诊断困难等问题。     

基于BP神经网络的液压伺服阀的模型辨识

针对铁马工程中液压振动台在实际应用时不能达到预期控制效果的问题,利用神经网络具有逼近任意非线性映射的能力,使用BP神经网络对液压振动台中的核心设备液压伺服阀进行模型辨识.仿真结果表明这种方法能有效地对液压伺服阀进行辨识,辨识出的模型为设计合理的控制方法提供了理论依据.     

基于BP神经网络电液伺服阀多参数故障模式识别研究

分析了电液伺服阀静态特性与故障模式之问的映射关系，介绍了基于BP神经网络电液伺服阀故障模式识别的力法，并进行了实验研究，结果表明该方法故障模式识别准确率较高，可以进一步与伺服阀试验台测试功能进行结合，形成一种具有自学习、自动测试与智能诊断功能的检测系统。     

新型多功能液压综合试验台研究设计

针对常用液压元件及双缸同步系统性能检测的需要，研制了一套新型多功能液压综合试验台设备，该试验台具有计算机测试和手动辅助测试功能，自动化程度高。     

基于神经网络的限流装置损失特性研究

本文利用BP神经网络对限液装置损失特性样本数据进行识别学习，从而实现了精确插值、较好地反映了其损失特性本质，这对于较精确地分析飞机液压系统损失特性有重要的作用。     

LCD模糊熵和SOM神经网络在液压泵故障诊断中的应用

针对液压泵故障诊断问题,提出了一种基于局部特征尺度分解(Local Characteristic-scale Decomposition,LCD)、模糊熵和SOM神经网络三者相结合的故障诊断方法。对液压泵振动信号进行LCD分解,得到若干个内禀尺度分量(Intrinsic Scale Component,ISC);将ISC分量分别与原信号进行相关分析,筛选出包含主要故障信息的前几个ISC分量,计算其模糊熵并组成特征矩阵;将特征矩阵输入SOM神经网络进行分类识别。液压泵故障诊断实例表明,该方法能够准确识别液压泵典型故障,具有一定优势。通过与BP神经网络分类结果相对比,显示了SOM神经网络在特征分类方面的优越性。     

基于ARM11的故障诊断车载终端的设计

为了更及时、准确地对运行中的液压泵进行实时监测及故障诊断,提出构建一个嵌入式故障诊断车载终端。该终端以S3C6410嵌入式处理器为核心硬件平台,基于BP神经网络构成故障诊断系统,实现了对液压泵的运行状况进行实时监控、实时故障预警及故障诊断的功能。并且经过实验证明:可通过3G网络更新BP诊断网络的各参数值,不断提高系统的故障诊断能力。     

基于小波神经网络的液压泵故障类型识别

根据液压泵发生故障所表现出来的特征,采用小波包能量值提取的办法作为故障类型识别的特征量,采用BP神经网络对输入的特征量进行识别。实验结果表明:采用小波神经网络对液压泵故障类型的识别可以取得满意的效果。     

多传感器信息融合在液压系统智能故障诊断中的应用

针对采矿工程机械液压系统故障诊断方法存在的局限性,提出了一种基于多传感器信息融合的智能故障诊断方尊。该方法采用模糊神经网络融合诊断中心作为故障诊断的执行机构,算法上采用BP算法。通过一实例论证了在液压系统故障诊断中采用多传感器信息融合故障诊断方法比采用单传感器信息故障诊断方法更具有准确性和可靠性。     

基于无线网络的液压系统故障诊断方案设计

针对某大型武器设备液压系统各组成部分位置分散的特点,提出基于无线网络的液压系统故障诊断方案.设计了液压系统故障诊断的软件与硬件,阐述了运用BP神经网络的液压系统故障诊断方法,对无线数据传输协议进行了优化与设计.该方案将无线网络技术用于数据传输,省去了大量电缆连接,简化了系统,实现了对武器装备液压系统的远程监测和快速故障诊断.     

运架一体机行走液压系统泄漏故障仿真与诊断

针对YJ900运架一体机行走液压系统容易发生的内泄漏故障问题,运用AMESim软件建立其液压仿真模型。模型中引入泵泄漏、马达泄漏以及泵和马达同时存在泄漏3种典型故障模式,并采集液压马达进出口数据作为样本。将数据样本分为训练样本和测试样本,将训练样本输入MATLAB搭建BP神经网络故障诊断模型,并用测试样本完成故障模型的测试。主要研究神经元个数以及训练样本数对故障诊断成功率的影响。利用粒子群优化算法(PSO)对BP神经网络进行初始权重和偏置的优化,从而显著提高了少训练样本下的故障诊断成功率     

BP神经网络在挖掘机液压系统故障诊断中的应用

介绍了BP网络的结构及学习算法,阐明了液压系统故障诊断的实现过程.通过对挖掘机液压系统常见故障进行试验和测试,验证了该神经网络收敛速度快,学习记忆稳定,具有很好的学习功能;测试结果表明该诊断方法具有高可靠性,达到了预期的结果,可以用于液压系统的故障诊断.