基于证据理论的并发故障诊断方法

为了解决并发放障诊断问题，提出了一种基于推广的证据理论的新算法：将并发放障状态作为设备的运行状态引入分辨框Θ中，使之成为分辨框Θ中的基本元素，依据诊断并发放障所获得的不同证据体的冲突程度，给出了两种不同组合规则．以200MwW发电机转子故障诊断为例，验证了该算法的有效性．     

基于证据理论的并发故障诊断方法

为了解决并发故障诊断问题,提出了一种基于推广的证据理论的新算法:将并发故障状态作为设备的运行状态引入分辨框(?)中,使之成为分辨框(?)中的基本元素,依据诊断并发故障所获得的不同证据体的冲突程度,给出了两种不同组合规则.以200MW 发电机转子故障诊断为例,验证了该算法的有效性.     

基于BP神经网络和D-S证据理论的损伤识别方法

目的有效利用结构健康监测系统中的多源传感器数据信息，进而提高复杂结构健康状况的正确诊断率.方法将BP神经网络与数据融合理论中的证据理论有机融合，提出一种决策级数据融合损伤识别新方法.为了验证所提方法的有效性，用1栋7自由度剪切型建筑模型的6种损伤进行了检验.结果研究发现，将BP网络和D-S证据理论相结合的综合诊断模型，可以有效地提高一些损伤模式的诊断率，具有良好的适应性.结论笔者所提方法优于单一信息建立模型的识别能力，表明它具有较好的容错性和识别精度，用于健康监测和损伤检测是可行的、有效的.     

基于神经网络与D-S证据理论的目标识别

针对目标识别中基本可信度分配需要专家知识在实际中难以实现的问题,提出一种基于神经网络和D-S证据理论相结合的多传感器数据融合的方法.该方法利用D-S理论来表示和处理不精确的、模糊的信息,发挥神经网络的自学习、自适应和容错能力,提高了系统识别率.最后通过实验,利用神经网络来处理证据理论中的基本可信度分配问题,对几种空中目标进行身份估计数据融合,经计算机仿真证实了该方法的有效性.     

模糊神经网络在多冲液压系统故障诊断中的应用

介绍了BP神经网络以及常见液压故障,设计了一个具有自动诊断液压系统故障的BP神经网络.     

修正的D-S证据理论在液压故障诊断中的应用

针对液压系统出现故障隐蔽性强、可变性强的问题,给出基于修正的D-S（Dempster-Shafer）证据理论的多传感器时空域信息融合方法。通过测试待诊断部分的压力、温度、流量并结合经验值,得到各部分信度函数分配,根据D-S组合、决策规则,对多个传感器多个测量周期的时空域信息进行融合,识别出故障部分。实验表明：该方法在证据高度冲突时仍有效果并有效防止了指数爆炸现象,算法简单,能准确定位故障。     

人工神经网络与液压设备故障诊断

介绍了人工神经网络用于液压设备故障诊断的基本原理与实现方法,并给出了诊断实例,结果表明昨用神经网络能有效地解决液压设备的故障诊断问题。     

基于神经网络的非线性系统故障诊断

本对非线性系统的故障检测与诊断提出了一种新的方法。利用神经网络对非线性系统进行辩识与建模，通过比较实际输出与模型的输出，可在线辩识出故障幅值的大小。     

液压系统故障诊断

在使用液压设备时,液压系统可能出现多种多样的故障,介绍了液压系统产生故障的一些征兆及对液压系统故障进行诊断的一些方法。     

基于改进的BP网络的D-S证据理论及其应用

目前,D-S证据理论凭借自身独特的处理不确定性问题能力,已在众多领域得到了广泛的应用。命题基本概率分配(BPA)的确定是D-S证据理论得以广泛应用的关键之一,将改进的BP网络运用到基本概率分配的确定过程中,使得BP网络和D-S证据理论两者有机地联合应用,这样既可利用D-S证据理论来表达和处理不确定信息,又可以充分发挥BP网络的自学习、自适应和容错能力。建立了基于BP网络的D-S证据理论的故障诊断模型,并给出了证据的融合算法。最后,仿真实验表明该模型可行。     

基于神经网络技术的故障诊断专家系统及其应用

针对基于符号专家系统的局限性提出了将神经网络技术引入故障诊断专家系统的思想，并对基于神经网络的专家系统的结构和工作原理进行介绍．最后，给出一个基于3层BP网的循环水泵故障诊断专家系统的实例，详细介绍其诊断过程，并对其进行仿真实验．仿真结果表明该系统的设计合理且可行．     

神经网络和证据理论融合的管道泄漏诊断方法

针对传统管道泄漏诊断方法存在的准确率不高的问题,结合无线传感器网络与信息融合技术,提出一种神经网络和证据理论有机结合的管道泄漏诊断方法. 在普通节点处建立两个子神经网络模型来简化网络结构,分别以负压波和声发射信号中的泄漏特征参数作为输入向量进行初始泄漏诊断;然后将神经网络的识别结果作为证据的基本概率分配,从而实现了赋值的客观化;采用改进的证据组合规则,在普通节点和汇聚节点处进行两级证据合成,充分利用了网络中各种冗余和互补的泄漏信息. 实验结果表明,该方法显著提高了管道泄漏诊断的准确率,降低了识别的不确定性.     

基于粗糙集和神经网络的机械故障诊断研究

提出了粗糙集理论与神经网络结合的机械故障诊断方法,研究了连续属性离散化的SOM方法和条件属性约简的差别矩阵方法,归纳了构建神经网络需考虑的关键问题,用一个算例验证了方法的有效性.结果表明：粗糙集能有效地约简冗余信息,简化神经网络的结构,缩短网络的训练时间,提高诊断的效率;SOM网络能将连续性输入映射成具有理想聚类结果的离散性输出,并能保持数据间的拓扑结构不变;利用差别矩阵对决策表进行约简,结果准确可靠;BP神经网络泛函逼近能力强,能快速准确地完成特征空间到故障空间的映射.     

基于神经网络信息融合的乳化器故障诊断系统

该文在分析、归纳了以往乳化器故障产生的原因及特征的基础上,着重研究了神经网络信息融合技术在乳化器故障诊断当中的应用。对采集到的乳化器多个关键部位振动信号进行处理、融合,最后根据融合后的信息得出诊断结果。仿真结果表明,该乳化器故障诊断方法诊断过程相对简单,诊断准确度较高。     

基于专家系统与神经网络的远程故障诊断研究

在综合运用神经网络与专家系统理论的基础上，提出了专家系统和神经网络的集成方法，即结合型神经网络专家系统(NNES)。文中详细介绍了系统的总体结构与功能，实现过程及关键技术。     

基于人工神经网络的变电站故障诊断

介绍了一种利用人工神经网络（ＡＮＮ） 实现变电站故障诊断的方法,该方法充分利用人工神经网络所具有的强大的学习能力及高度的容错性等特点,实现对变电站故障元件的诊断．仿真结果表明,该方法不仅能准确地诊断出保护、开关正确动作时的故障元件,也可有效地诊断出因保护或开关拒动的越级故障时的故障元件．     

基于粗糙神经网络的歼击机操纵面智能故障诊断

提出了一种基于粗糙神经网络的歼击机操纵面故障诊断方法．给出并证明了可利用粗集方法对故障信息进行快速特征提取的方法，用其作为神经网络的前置系统进行信息预处理，减少了所需样本数目，从而简化了神经网络结构，减少了网络训练时间，并且充分利用了神经网络容错及抗干扰能力，有效地降低了故障诊断中的误报率和漏报率．该方法可以进行组合故障的诊断，且具有较好的鲁棒性．仿真实验说明了该方法的有效性和实用性．     

基于RBF与BP神经网络的建筑电气系统故障诊断比较研究

建筑电气系统的故障自诊断一直是国内外故障诊断领域的空白,其主要原因是建筑电气系统庞大、复杂,子系统多,难于建立数学模型.利用神经网络不依赖模型和收敛速度快的优势和特性,可以很好地解决该问题.由于神经网络在建筑电气故障领域的基础研究和应用非常少,通过对经典的RBF和PB神经网络故障诊断方法进行对比研究,为后续研究打下基础.通过利用建筑电气系统试验平台的数据进行实验,结果表明在两种神经网络未经优化的情况下,RBF网络在建筑电气故障诊断的应用上要优于BP网络.基于RBF网络的建筑电气故障诊断方法在工程上将有广阔的应用前景.