RBF网络在发动机故障诊断中的应用

介绍了RBF网络模型,分析了其特点,并探讨了基于RBF网络的发动机故障诊断方法.通过MATLAB进行仿真试验,结果表明RBF神经网络训练速度比BP算法快,是解决故障诊断问题的有效途径.     

RBF神经网络在断路器故障诊断中的应用

针对RBF神经网络可在系统参数未知情况下自动建立动态模型,快速跟踪非线性函数,且有很好分类能力等特点,在分析高压断路器分闸线圈时间信号的基础上,提出了RBF神经网络对高压断路器进行故障分类的基本方法.与BP神经网络的诊断结果进行对比,RBF神经网络具有收敛速度快,输出误差和离散性小的优点,并借助仿真结果论证了该实验方法对高压断路器故障诊断的有效性.     

RBF神经网络在变速箱齿轮故障诊断中的应用

提出了径向基函数神经网络应用于变速箱齿轮故障诊断的基本方法.利用Matlab神经网络工具箱对变速箱齿轮进行故障诊断仿真,并创建RBF神经网络与BP神经网络来进行故障诊断.通过对比诊断结果,证明RBF网络在诊断精度、诊断速度上均优于BP网络,说明RBF网络应用于齿轮的故障诊断准确、可靠,在机械故障诊断方面具有广泛的应用前景.     

设备在线监测与故障诊断系统

本文介绍了８０９８单片机为主ＣＰＵ的ＳＴＤ总线，实现晶闸管控制设备在线监测与故障诊断系统的总体设计，硬件电路及相应的软件设计。     

变电设备在线监测与故障诊断技术的应用

介绍变电设备在线检测与故障诊断技术的应用.     

基于RBF神经网络的自动驾驶仪故障诊断

介绍了自动驾驶仪的基本工作原理和径向基函数(RBF)神经网络基本结构,提出了基于径向基函数神经网络在某型自动驾驶仪故障诊断中的应用方法,并运用Matlab神经网络工具包对该神经网络模型进行训练和仿真测试,结果表明RBF网络有较高诊断正确率,且能满足实时诊断的要求.     

往复式压缩机曲轴箱在线监测与故障诊断系统设计

采用图形化编程工具LabVIEW和CompactRIQ嵌入式平台,设计了往复式压缩机曲轴箱在线监测与故障诊断系统。实现了四通道振动信号的同步采集;通过在线监测以及运用小波变换结合AR谱对振动信号进行分析,判断故障原因,有效避免恶性事故的发生。     

模糊RBF网络在电源车故障诊断中的应用

结合模糊理论与RBF神经网络构建了模糊RBF网络故障诊断法。在对某型电源车进行故障诊断的过程中,通过对RBF神经网络与模糊RBF网络故障诊断法进行比较,表明模糊RBF网络故障诊断法具有精度更高、收敛速度更快等特点。     

RBF神经网络的研究与应用

神经网络是对人脑神经系统的数学模拟,其目的是学习和模仿人脑的信息处理方式。文章介绍了神经网络的原理和模型、RBF神经网络的学习过程以及采用RBF神经网络进行高压断路器故障诊断的训练过程。     

在线监测与故障诊断在大型复杂设备管理中的应用

阐述在线检测与故障诊断的机理与策略,系统构成及其在钢铁企业中的实际应用。提出了在线监测与故障诊断应用于大型复杂设备维护对提高诊断水平、探索设备管理制度创新具有一定的现实意义。     

基于PCA和RBF网络的故障诊断技术及其应用研究

针对设备运行状态和特征参数之间存在的复杂非线性关系,提出了基于主成分分析的RBF神经网络故障诊断方法;该方法用主成分分析方法将高维相关特征参数转化为低维互不相关的特征参数,在此基础上建立了RBF网络分类器;用该网络对某汽轮机减速箱的运行状态进行识别,理论分析和实验结果表明,基于PCA和RBF网络方法的诊断技术具有模型简单、检测速度快等优点,可以在实际应用中发挥有效作用。     

基于神经网络传感器组改障诊断方法研究

对于系统状态检测与故障诊断,传感器自身故障的及早发现很重要.本文提出了一种基于神经网络和冗余率计算的传感器组故障监测与诊断的新方法.该方法先用RBF神经网络对传感器组中的各个输出进行预测,若预测值与输出值发生较大的偏差,可能是传感器故障或设备故障,运用传感器之间的冗余率,进一步判断传感器是否发生故障,进而采用对应的诊断策略.     

基于RBF神经网络和小波包的电动机故障诊断研究

针对传统的电动机故障诊断存在很难准确提取故障时的特征信号及对故障作出准确预测的问题,提出了一种基于RBF神经网络和小波包的电动机故障诊断的方法。该方法采用小波包分析技术提取电动机典型轴承故障、转子故障和绝缘故障振动信号的特征频段能量并组成向量作为RBF神经网络的输入,用于诊断电动机的故障。实验和仿真结果表明,使用RBF神经网络对电动机故障诊断是非常有效的,对电动机早期故障的发现及维修有积极意义。     

传感器组自诊断与自修复方法研究

提出了一种具有传感器组自诊断与自修复功能的监测框架.针对同一类型传感器组的构成特点,先根据传感器之间的冗余率,判断传感器是否发生故障;对故障传感器用RBF神经网络对其输出进行修正.运用三向加速度传感器进行了理论和实验验证.     

基于神经网络改进算法的飞控系统故障诊断

应用神经网络技术对复杂的飞行控制系统进行故障诊断对提高飞机的可靠性和容错能力具有重要意义。为了提高网络的学习效率和稳定性,该文提出一种改进的径向基神经网络学习算法,使用混合共轭梯度优化算法对网络参数进行调整。利用神经网络对某型飞机的飞行控制系统进行故障诊断,仿真结果表明该神经网络具有较强的故障识别能力。     

基于神经网络的故障诊断应用研究

文中根据神经网络的相关原理，运用神经网络领域的相关知识，对于工业生产中经常出现的设备故障，提出了一种基于RBF神经网络的诊断方法，并详细讨论了RBF神经网络的结构、训练算法及用于设备故障诊断的步骤，最后以某系统的故障诊断为例，证明了此方法的优越性。     

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RBF网络的高炉热流分析传感器故障诊断

在炼铁高炉热流强度分析系统中要用到温度、流量等传感器,为确保热流分析系统中传感器数据的可靠性及系统的连续、稳定运行,诊断系统用径向基函数(RBF)神经网络对传感器进行故障判断。系统由上位机、温度及流量采集装置、传感器等组成,采用RBF神经网络为每一个传感器建立预测模型,网络的输入为传感器采集信号最近的n个值,输出为该传感器在n+1时刻的预测输出值。网络通过在线学习实现对传感器的在线故障监测,经仿真分析表明:用RBF神经网络构建预测模型可满足实时性的诊断要求,提高了诊断系统的诊断精度。     

RBF神经网络的研究与应用

神经网络是对人脑神经系统的数学模拟,其目的是学习和模仿人脑的信息处理方式。文章介绍了神经网络的原理和模型、RBF神经网络的学习过程以及采用RBF神经网络进行高压断路器故障诊断的训练过程。