基于BP神经网络的离心泵故障诊断方法研究

介绍了离心泵的主要故障类型和产生原因,应用BP神经网络的主要知识对离心泵的故障进行诊断,将BP神经网络的输入通过Matlab进行训练,最后得到了与理想输出基本相符的实际输出,证明了该方法的有效性和可行性。     

基于BP神经网络的三相异步电动机故障诊断技术研究

针对三相异步电动机的过载、堵转、断相、电压不平衡、接地、过压和欠压等外部故障,提出了一种基于BP神经网络的故障诊断方法,测试结果表明了该方法的有效性和正确性。     

基于BP神经网络的滚动轴承故障诊断

滚动轴承在煤机设备中广泛应用,在恶劣工况下容易发生故障。为了能够及时准确地获取滚动轴承的运转状态,采用BP神经网络算法与小波函数对轴承振动信号进行分解,从而对滚动轴承进行状态监测以及故障诊断。实验结果表明,BP神经网络能够准确获得滚动轴承的运动状态及故障类型。     

基于BP神经网络电动机转子故障诊断方法的研究

利用BP神经网络对转子故障进行建模分析。发挥神经网络的自学能力和联想能力,对非训练样本,做出控制决策,表现非常灵活。可根据实验数据进行网络训练,用新数据进行模型验证。还与概率神经网络(PNN)进行对比验证。实验表明只要选择合适的节点数,BP神经网络比概率神经网络对转子故障有较强的学习和辨识能力,收敛较快,性能稳定,预测结果显著。     

基于BP神经网络的减速箱故障诊断

减速箱故障极大影响煤矿机械装备的安全、效率及稳定性。以某型矿用减速箱为研究对象,对减速箱实时振动数据进行采集;基于BP神经网络建立减速箱故障诊断模型,运用数值软件MATLAB对减速箱BP神经网络模型进行仿真计算,根据BP神经网络计算结果对减速箱故障进行诊断。仿真结果表明:在不同减速箱样本数据中,减速箱振动特性不一致,但整体呈现为周期性波动的趋势;在多处超出平均位置的峰峰值波峰及波谷的减速箱存在故障,需要检查和维修处理;BP神经网络中的预测输出与期望输出基本一致,验证了其准确性及可靠性。该研究为矿用减速箱故障诊断、维修等方面提供理论依据。     

基于BP神经网络的煤矿机械故障诊断专家系统的开发

构建了基于BP神经网络的煤矿机械故障诊断专家系统的结构,以常见的20种故障诊断为研究对象,知识库、规则库和BP神经网络相结合进行推理,优化专家系统,提高了专家系统的响应速度和准确性。采用DreamWeaver、MatLab和.NET技术实现了专家系统的开发。并以一种煤矿机械为例,验证了整个系统的有效性和实用性。     

基于遗传算法优化BP神经网络的提升机制动系统故障诊断

介绍BP神经网络的基本原理,提出合理的提升机制动系统故障诊断训练,分析神经网络存在的局部最优解和收敛速度慢等问题,利用遗传算法对BP神经网络进行改进。分别对原始的BP神经网络和改进后的神经网络进行仿真分析,结果显示基于遗传算法优化后的BP神经网络优势明显。     

电动机故障诊断的几种方法

介绍电动机故障诊断的主要研究内容,阐述傅立叶变换分析方法的实质,PARK变换分析方法的特点和小波分析方法的优越性。     

基于BP神经网络的挖掘机液压系统故障诊断

BP神经网络具有结构简单、工作状态稳定、易于硬件实现等优点,在模式识别及分类、系统仿真、故障智能诊断、图像处理、函数拟合、最优预测等方面具有很广泛的应用。液压系统是挖掘机很重要的组成部分。由于液压系统结构复杂,容易发生故障,一旦故障将会直接影响挖掘机的使用,因此对挖掘机液压系统的可靠性和可维护性具有很高的要求。针对上述问题,提出了基于BP神经网络的液压系统故障诊断方法。     

基于BP神经网络的矿井通风机故障诊断系统

提出基于三层BP神经网络的诊断模型,提取反映矿井通风机故障信息的振动信号频谱特征,用来训练神经网络。实测证明矿井通风机故障诊断系统高效、准确,可以推广应用。     

基于模糊神经网络的异步电动机故障诊断研究

针对异步电动机常见的故障特点,采用基于模糊神经网络的故障诊断方法,通过利用改进的BP算法,运用该诊断模型,对异步电动机故障进行了诊断。仿真结果表明,该诊断方法具有准确度高、诊断速度快等优点,是一种较实用的故障诊断方法。     

基于支持向量机的异步电机转子故障诊断

根据异步电机发生故障时振动信号的特点,提出了一种基于小波包分解和支持向量机相结合的异步电机转子故障诊断方法。通过采用快速ICA算法对振动信号进行多通道数据融合,然后进行3层小波包分解,得到各分解节点对应频带的重构信号以及对应的能量,并将各频带的能量元素组成的特征向量作为诊断模型的特征向量,输入到LS-SVM分类器中进行故障识别和分类。诊断结果表明:采用ICA-SVM模型具有较高的分类速度和很好的故障识别率。     

基于BP神经网络电路故障诊断系统研究

从几个方面介绍了存在于模拟电路中的故障类型。通过阐述BP神经网络的模式识别特点,提出了应用BP神经网络来解决电路故障诊断问题,并且分别应用BP算法和几种改进的BP算法进行结果比较。     

基于综合关联度分析的感应电机转子故障诊断

基于灰色关联理论,在灰色关联分析中引进相似系数,将两者相结合形成综合关联度,提出了基于综合关联度分析的感应电机转子故障诊断方法。首先选择感应电机典型转子故障模式构造标准故障模式。根据综合关联度的计算方法,计算出感应电机待检转子故障模式的综合关联度,根据关联序识别感应电机待检转子模式的故障类型。通过故障诊断实例表明,将综合关联度分析引入感应电机转子的故障诊断中是可行的,具有较高的识别率,分类诊断能力优于BP神经网络故障诊断方法。     

基于BP神经网络的煤矿风机故障诊断

针对目前矿用风机的常见故障可收集故障征兆及类型,将故障样本数据与BP神经网络相结合,由BP神经网络确定输出向量,对风机常见故障进行诊断。通过MATLAB软件进行诊断参数运算后结果表明:神经网络输出与实际数据间误差较小,诊断结果与实际情况吻合。     

基于数学形态学的笼型异步电动机转子断条故障诊断

根据笼型异步电动机断条故障的基本规律及希尔伯特变换的物理意义,将数学形态学滤波器技术与希尔伯特变换相结合,得到谐波信号的希尔伯特模量,其在复平面内所占的面积可反映转子断条故障的存在与否,即面积越大转子断条的数量越多,故障越严重。利用希尔伯特模量的回转半径对转子断条故障做了定量分析。通过仿真实验验证该结论,该方法对转子断条故障判断灵敏,可将其应用于转子断条故障的检测。