基于BP神经网络的装甲车辆电源系统故障诊断方法研究

为实现装甲车辆电源系统故障诊断的智能化,在Simulink中建立爪极同步发电机数学模型和桥式不可控整流电路来构建装甲车辆电源系统基础模型,通过设置各类故障,采集不同的电压故障波形中的数据并进行归一化处理;在Matlab中编写、运行BP神经网络训练程序,得到网络模型,并取测试样本进行验证;结果证明了该训练后的神经网络的正确性,表明了BP神经网络在装甲车辆电源系统故障诊断中具有可行性,达到了对整流器故障诊断的目的。     

某种车辆电源系统故障诊断方法研究

通过分析车辆电源系统的信号特征,提出了基于小波包与隐马尔可夫相结合的故障诊断方法。利用小波包分解提取电源系统各种状态下的信号特征,基于模拟退火思想改进K均值算法选取HMM初值,用特征向量训练连续HMM,再用训练好的HMM进行电源系统的状态监测与故障诊断,实验结果表明用少量样本就能取得很好的诊断效果。     

故障树分析法在装甲车辆电源系统故障诊断中的应用

为了能够准确地进行装甲车辆电源系统的故障诊断,深入地研究了故障树分析法在其中的应用;首先,以某型装甲车辆电源系统为研究对象,根据系统失效模型和故障机理,将故障树分析法运用于装甲车辆电源系统故障诊断中,建立电源系统故障树模型,进行故障分析与诊断;其次利用电源系统故障诊断平台对电源系统4个模块进行故障模拟仿真研究,可看出故障树分析法能够准确地诊断出电源系统各个模块的故障,检测精度可达94%,取得了预期效果。     

多级故障诊断系统

介绍了为提高故障诊断的正确率,将一混合故障诊断专家系统中的基于BP神经网络诊断模块、基于自组织神经网络诊断模块和基于小波分析诊断模块设计成多级诊断系统。对多级诊断系统的性能进行了分析,给出了多级诊断系统的拒绝输出策略。     

基于小波神经网络的故障诊断方法研究

研究了基于小波分析和神经网络松散型结合的故障诊断方法。用信号的小波包分解结果作为神经网络的输入特征向量,采用遗传算法对神经网络的参数进行全局优化,最后用训练过的神经网络进行故障诊断。仿真结果表明,该方法较L-M算法有更高的计算速度和精度。将该方法应用于平流泵故障诊断,证实了它的可行性和有效性。     

整流电路智能故障诊断系统

以三相桥式全控整流电路为研究对象,对其各种故障模式进行分析和归类,提出采用小波分析和神经网络诊断电力电子装置故障的方法,建立神经网络的输出和故障元之间的对应关系,设计了基于DSP的三相桥式整流电路的在线故障诊断系统。测试结果表明,该系统具有良好的故障诊断效果,具有一定的实用价值。     

逆变电路智能故障诊断系统

针对逆变器由于具有非线性的特征而无法采用精确数学模型进行故障诊断的情况,本文提出一种基于小波分析和神经网络的新型逆变电路故障检测与诊断方法。建立三相SPWM逆变电源的非线性MATLAB仿真模型,以三相输出故障电压作为故障信息,利用小波分析的方法提取低频能量值作为特征向量,通过神经网络实现逆变器故障桥臂定位,最后利利用逆变三相电压同一桥臂故障电压的对称性的特点,用一种简单的判断逻辑实现故障元件的分离。设计了基于DSP的PWM逆变电路在线智能故障诊断系统。测试结果表明,该系统具有良好的故障诊断效果,具有一定的实用价值。     

基于自动测试系统的故障诊断方法研究

阐述了基于自动测试系统故障诊断的意义,对基于自动测试系统故障诊断方法的发展现状进行了总结,并对应用神经网络、模糊理论和小波分析后发展的趋势。分析了存在的问题,并提出了解决方法。     

基于自动测试系统的故障诊断方法研究

阐述了基于自动测试系统故障诊断的意义,对基于自动测试系统故障诊断方法的发展现状进行了总结,并对应用神经网络、模糊理论和小波分析后发展的趋势.分析了存在的问题,并提出了解决方法.     

轴承故障的智能诊断方法

总结了轴承故障诊断的模糊规则,并把这些规则晨射到模糊神经网络,提高了诊断的智能性。提出了部分层学习算法,并推导出隶属度函数的参数学习算法,改善了诊断规则和学习性能,所研制的诊断系统在对轴承邦联伯诊断中取得了满意的结果。     

矿用钻机监测与故障诊断研究

运用现代监测技术与小脑模型关节控制器（CMAC）神经网络,研究开发了矿用钻机监测与故障诊断系统。实验结果表明,本系统监测的实时性、精确度均满足要求,并且CMAC神经网络故障诊断技术具有较好的稳定性、快速性和可靠性．     

基于遗传算法小波神经网络的电力变压器故障诊断

本文提出了一种基于遗传算法小波神经网络的变压器故障诊断方法。首先构造了基于Mexicohat小波的小波神经网络,其次利用遗传算法优化小波网络的参数,并将其应用到基于溶解气体分析的变压器故障诊断中,最后通过实例证明了本方法的有效性和可行性。     

基于LabVIEW与知识工程的故障诊断系统设计

为了利用多源信息、融合多种评判结果,设计利用性能参数、热力学参数进行模糊诊断,基于LabVIEW提取振动信号的小波包子带能量特征进行神经网络模式识别,领域专家通过权值系数对诊断策略进行调整和评估,由模糊评价进行综合诊断的系统框架,在应用中取得了较好的效果.     

基于小波包神经网络的模拟电路故障诊断

提出了基于小波多分辨分析和小波包预处理的模拟电路故障诊断方法。该方法用小波作为信号预处理工具,经小波多分辨分析得到N层分解后的低频和高频信号,再利用小波包分析对多分辨分析没有细分的高频信号进一步分解,以达到提高频率分解率的目的。经PCA分析和归一化后的能量作为训练样本送入BP神经网络进行训练。仿真实验表明此方法能够快速有效的对模拟电路的故障进行诊断和定位。     

基于小波和神经网络的异步电机转子故障诊断方法研究

基于小波包变换的频率划分特性．对定子电流的Park矢量模信号进行小波包分解，建立了转子断条的故障特征矢量，准确地提取了转子断条故障的特征信息．克服了传统基于FFT分析方法难以提取故障特征频率分量的难点，结合BP神经网络非线性映射及分类识别的优点，将BP神经网络应用于电机转子断务故障的识别，实验结果表明，该方法可实现转子断条故障的可靠诊断。     

一种基于贝叶斯Petri网的故障诊断方法

针对Petri网在分析复杂电力系统时的容错性差且难以适应网络拓扑变化的问题,提出一种贝叶斯Petri网模型(BPN),并基于该模型提出一种电网故障诊断方法.该方法通过电力系统网络拓扑分析确定停电区域,随后按照故障蔓延方向对停电区域内的元件分别建立BPN模型,应用Petri网推理和贝叶斯概率计算确定故障元件,最后采用均值方法对各方向上的分析结果进行融合,诊断分析表明,该方法在信息不完备的情况下具有较好的容错性,并且在网络拓扑结构发生变化后仍具有较好的适应性.由于BPN推理时根据基于统计的先验概率求取元件故障的发生概率,避免了直接对计算参数进行设定的主观性.