基于模糊神经网络的液压系统故障诊断方法

根据专家系统基本原理,结合古典信号处理方法、模糊理论、神经网络理论,建立了系统故障诊断系统的结构形式和学习算法。以此为基础编制了厚度自动控制（AGC）系统故障诊断专家系统软件。利用模糊诊断理论进行模糊推理以解决系统故障的实时诊断,利用神经网络对模糊推理模型训练以提高诊断的准确率,并可对未知的知识进行学习和补充。通过实验证明所用方法有效。     

遗传神经网络及其在智能变送器中的应用

介绍了借用遗传算法优化神经网络结构的遗传神经网络方法,并以智能变送器为例,给出了具体的应用方法.计算机仿真结果表明了用该方法设计的神经网络结构简单而且收敛速度快.     

液压故障模糊神经网络诊断方法探讨

本文提出了一种新的液压故障模糊神经网络诊断方法,即从症状和故障源两个方面对故障进行诊断,再综合两个诊断结论,此方法具有学习机能,且能显示知识结构。     

基于神经网络的FMS故障诊断方法研究

对神经网络理论应用于FMS（Flexible Manufacture System,柔性制造系统）故障诊断进行研究,在介绍了神经网络基本理论的基础上,提出一种FMS故障诊断的神经网络计算方法。     

基于神经网络对轴承故障的智能诊断

已知试验轴承的故障特征参数与非故障特征参数,采用何种方法对采自实际应用场合的轴承信号进行判断和处理是问题的关键。对比感知器网络和径向基函数网络对轴承的诊断结果,证明径向基函数网络具有较多的优越性,便于实际应用。     

基于遗传优化的BP神经网络

人工神经网络的优化学习是其研究中的一个重要课题。将遗传算法用于BP神经网络的学习,将遗传算法的全局搜索和BP神经网的局部搜索相结合,并设计一网络实例加以训练,达到了比较满意的效果。     

基于遗传神经网络的发电机转子匝间短路故障辨识

针对BP神经网络对发电机转子匝间短路故障识别方法存在收敛速度慢且极易陷入局部最优解的不足,在分析发电机转子绕组匝间短路后的电磁特性及电机气隙磁场的基础上,提取了故障特征量,采用遗传神经网络法对发电机转子匝间短路故障进行辨识,通过引入遗传算法对BP神经网络进行权重和阀值优化,使模型具有全局寻优、收敛速度快及评价结果客观、准确的优点,并且避免了为得到故障样本所做的损坏性试验过程。仿真结果表明了该方法的可行性和有效性。     

基于遗传神经网络的电子鼻在大气环境气体模式识别中的应用

基于模拟退火遗传神经网络的电子鼻已对二组分、三组分的混合气体模式进行了识别,识别精度及学习速度都较BP神经网络大为提高[1],但仍无法满足实用的要求.为了提高遗传神经网络对混合气体越限值的识别精度,本文在电子鼻已有的基础上提出分步分档识别法,在大范围内保证了识别准确性,提高了电子鼻的实用性.本文成功地将其用于四组分混合气体的精确识别.应用本方法的电子鼻既可用于正常环境气氛也可适用于危险气氛环境的气体模式识别.不同的档,其学习样本不同,识别精度不同.分档识别精度取决于学习样本的最小步长,最小步长越小,识别精度越高.     

基于遗传神经网络的智能复合材料损伤检测传感器位置优化的研究

具有损伤自检测功能的智能复合材料是一个多传感器体系结构,对其传感器进行数目及位置优化,具有重要的实用价值,值得深入研究。采用神经网络建立了复合材料冲击损伤检测方法,运用遗传算法并结合神经网络对复合材料损伤检测的3个传感器布置进行了优化,结果得到了穷举法的验证。该遗传神经网络方法具有一般性,可有效地推广到类似的更多传感器位置优化问题。     

基于神经网络PID的轧机AGC力控制

以PID控制器为基础,辅助以神经网络的自学习、自适应能力,将神经网络和PID控制融合为一体,设计出一种神经网络PID控制器,应用于具有高度非线性、时变性的板带轧机AGC力控制系统,仿真结果表明,能有效改善系统的动态品质,并具有良好的适应能力.     

基于补偿模糊神经网络的智能诊断系统

提出了一种基于补偿模糊神经网络的智能诊断系统,该系统将神经网络和补偿模糊逻辑相结合,采用动态、全局优化的运算,充分利用了相互间的优点.在神经网络的学习算法中,动态优化补偿模糊运算,使网络更适用、更优化.网络不仅能适当调整输入输出模糊隶属函数,也能借助于补偿逻辑算法动态优化相应的模糊推理,由于补偿模糊逻辑神经网络引入了补偿模糊神经元,能使网络从初始定义的模糊规则开始训练,使网络容错率更高,系统更稳定.仿真实验证明该模型在智能诊断中具有收敛速度快,诊断精度高,而且适应性强等优点.     

基于补偿模糊神经网络的智能诊断系统

提出了一种基于补偿模糊神经网络的智能诊断系统,该系统将神经网络和补偿模糊逻辑相结合,采用动态、全局优化的运算,充分利用了相互间的优点.在神经网络的学习算法中,动态优化补偿模糊运算,使网络更适用、更优化.网络不仅能适当调整输入输出模糊隶属函数,也能借助于补偿逻辑算法动态优化相应的模糊推理,由于补偿模糊逻辑神经网络引入了补偿模糊神经元,能使网络从初始定义的模糊规则开始训练,使网络容错率更高,系统更稳定.仿真实验证明该模型在智能诊断中具有收敛速度快,诊断精度高,而且适应性强等优点.     

基于XML的智能故障诊断系统的研究

针对数控设备的智能故障诊断的概念,通过高级编程语言(Delphi 7.0)调用DOM根据故障案例自动创建XML文档,利用XML进行案例的存储、检索,通过解析XML文档获取存储在XML文档节点中故障现象的描述,从而实现基于CBR的智能故障诊断推理.通过设计XML Schema文档,规范了案例信息的输入,方便了实例的存储.这种方法实现了将故障案例的数据存储在XML文档中,而XML文档具有数据量小和通用性强的特点,为实现数据交换和信息集成提供了方便,为进一步的网络化传输奠定了基础.     

基于蚁群算法的机械故障智能诊断方法研究

介绍了蚁群算法基本原理,实验验证了蚁群聚类算法可用于轴承故障诊断,对比蚁群算法和BP神经网络在故障诊断中的不同,分析了蚁群算法在故障模式识别中的特点。     

电解加工过程中智能故障诊断方法的研究

介绍了利用多种传感器对电解加工的过程进行在线检测,获得反映加工过程变化的工艺参数,经数据处理后,利用自适应共振神经网络对工艺参数进行智能识别,从而实现对加工过程的故障诊断。由于采用了多信息融合技术．大大提高了系统故障诊断的准确性和可靠性。     

基于模糊神经网络的故障诊断方法及应用

本文在变压器色谱分析数据的基础上,将模糊理论和神经网络引入电力变压器故障诊断中,提出了新的故障诊断方法,设计了故障综合诊断模型.仿真表明该方法是一种有效可行的方法,提高了故障的识别率,具有实用价值.     

基于SCGAN网络的齿轮故障诊断方法

为了提高齿轮箱中齿轮单故障及复合故障的识别精度,克服传统故障特征提取方法过于依赖经验判断的困难,从深度学习领域出发,融合卷积神经网络(convolutional neural network,简称CNN)与对抗神经网络(generative adversarial network,简称GAN)两种深度神经网络特征,提出...     

基于现场总线的液压站故障诊断方法研究与应用

针对液压站控制与故障诊断的现实需要,提出了基于现场总线理论的方法。通过介绍和实际应用两方面讨论现场总线诊断技术的工作原理,并从实践中体会它的方便快捷和实用。