基于LM神经网络的旋转机械故障诊断

BP神经网络具有优良的非线性映射能力，可以很好地描述频率特征和诊断结果之间的关系。针对BP神经网络存在局部极小值和收敛速度慢等问题，提出了一种基于Levenberg-Marquardt（LM）的改进的BP网络。经改进算法训练的网络能大大提高诊断的能力，具有广泛的应用前景和应用价值。     

基于概率神经网络的旋转机械故障诊断

鉴于传统神经网络收敛速度慢、隐含层节点数难确定及分类准确率低等问题,现引入了概率神经网络,阐述了其算法的理论依据、网络的拓扑结构以及运用其算法实现旋转机械故障诊断的基本步骤,并通过实例证明了概率神经网络在故障诊断中具有学习速度快、准确率高等优点。     

基于LM神经网络的旋转机械故障诊断

BP神经网络具有优良的非线性映射能力,可以很好地描述频率特征和诊断结果之间的关系.针对BP神经网络存在局部极小值和收敛速度慢等问题,提出了一种基于Levenberg-Marquardt(LM)的改进的BP网络.经改进算法训练的网络能大大提高诊断的能力,具有广泛的应用前景和应用价值.     

基于Alopex神经网络的旋转机械故障诊断专家系统

提出了一种可以减小网络规模的故障表示方法,并将Alopex算法引入神经网络模型的训练过程,将人工神经网络与规则推理相结合,建立了旋转机械故障诊断的神经网络专家系统。该系统充分利用了神经网络与规则推理的优点,采用正反向混合推理方式调用知识库中的各种知识进行诊断。采用二进制数码表示机械的各种故障,基于Alopex算法训练神经网络。建立的专家系统克服了基于规则专家系统的自学习困难问题和基于神经网络诊断系统的系统控制能力弱的缺点,具有较强的诊断能力。     

BP神经网络在旋转机械故障诊断中的应用

神经网络由于其本身具有的优越性，已广泛应用于各个领域中的分类、联想问题。本文将ＢＰ神经网络理论应用于风机故障诊断中，取得了较好的结果。     

基于组合式模糊神经网络的旋转机械故障诊断模型

针对旋转机械故障所具有的层次性、相关性和模糊性的特点,提出１种基于组合式模糊神经网络的旋转机械故障诊断模型。它由第１层的决策模糊神经网络和第２层的多个诊断模糊神经网络组合构成,依据大隶属度优先为真原则进行推理,按推理的过程和隶属度的大小给出可能的故障结果及相应的隶属度值,供现场工程技术人员结合辅助故障特征参数等进行进一步的联想推理,得到最终的故障诊断结果。实验研究结果表明,该系统可以有效地对具有模     

BP神经网络模型在旋转机械故障诊断中的应用

本文利用神经网络模型建立了旋转机械常见故障的类别与征兆之间的映射关系.并利用这一模型对几种常见故障进行了分析诊断,诊断结果表明本方法精度高,结果可靠,对于工程应用具有一定的实用价值.     

基于LabVIEW和BP神经网络的旋转机械故障诊断研究

旋转机械产生的振动信号是复杂的非平稳信号,使用单一的BP神经网络,难以快速分析出故障的状态。该文研究了基于LabVIEW和BP神经网络的旋转机械故障诊断。利用LabVIEW软件作为测试平台,对旋转机械的振动信号进行分析和提取,构造出特征向量,以此作为BP神经网络的故障样本进行训练。实验结果表明,BP神经网络能够快速收敛到目标精度,为旋转机械故障状态诊断积累了应用经验。     

基于广义粗糙集与神经网络集成的旋转机械故障诊断研究

故障诊断规则中判断条件的冗余、不完全和不确定性不利于实际应用。采用广义粗糙集理论对旋转机械振动故障诊断的非完备决策系统进行了约简 ,得到了更为简明的最优诊断规则 ;根据约简结果 ,建立了基于神经网络的故障诊断系统 ;网络的训练对比结果表明 ,基于粗糙集理论的约简处理简化了神经网络结构 ,提高了网络的训练效率 ;以诊断实例验证了广义粗糙集理论与神经网络集成进行故障诊断的可行性     

基于改进小波神经网络的旋转机械故障诊断

根据旋转机械复杂的故障特点，提出了结合第2代小波分析、模糊理论和神经网络形成的改进小波神经网络。该诊断方法利用第2代小波分析对信号进行预处理-征向量的提取，然后用训练好的模糊神经网络进行故障识别，并对相应算法进行了优化。将改进小波神经网络运用于旋转机械的故障诊断，通过计算机仿真和试验的结果表明，该方法在处理多故障耦合的情况时优势明显，不仅可以正确识别故障的类型，还可以进一步对故障的严重程度及其发展趋势进行可靠的诊断。这表明改进的诊断方法是行之有效的，为旋转机械的故障诊断提供了理论支持。     

用于旋转机械故障诊断的一种张量增强型前向神经网络模型

在多层前向神经网络模型的研究基础上，提出了基于张量的增强型前向神经网络诊断模型，以实现在已知输入模式不变的情况下，增强原始模式的表达，从而提高了诊断的精度。试验结果表明，本模型对工程应用具有较高的实用价值。     

粗糙集规则获取在旋转注水机组故障诊断中的应用

粗糙集理论能够有效地处理不精确、不完整的数据和知识,并从中发现隐含知识,提示潜在规律。提出一种基于粗糙集理论的大型旋转机械故障诊断和知识获取模型。该模型从包含冗余和不一致信息的原始数据出发, 构建决策表,通过属性约简和基于分明矩阵的属性值约简获取故障诊断的最小约简属性集和诊断规则,并建立诊断规则知识库。基于该模型以某旋转注水机组故障分析为例,从来自实际的经验数据获取旋转注水机组转子故障诊断的规则知识,其属性约简率可达25％,并能有效解决旋转注水机组故障诊断中规则获取的知识冗余或缺失问题,验证了其有效性。     

基于遗传算法的旋转机械故障诊断方法融合

针对任何单一性质故障特征、单一诊断方法难以实现在整个故障状态空间上准确诊断的局限性,提出基于遗传算法的旋转机械融合诊断方法。该方法能有效利用各种不同性质故障特征和不同诊断方法,使其发挥各自的优点,从而提高诊断的准确率。针对不同特征利用遗传算法将神经网络诊断和人工免疫诊断方法融合起来,使每一个诊断方法都在其优势空间区域发挥作用,使用小波包能量特征和双谱特征对两种诊断方法训练后,用遗传算法优化诊断融合权值矩阵对旋转机械进行实例诊断结果表明,该融合诊断方法能有效地提高故障诊断的准确率,并能提高诊断系统的鲁棒性。     

FAULT DIAGNOSIS EXPERT SYSTEM FOR ROTATING MACHINERY BASED ON A FUZZY PROBABILITY LOGIC INFERENCE MODEL

ＦＡＵＬＴＤＩＡＧＮＯＳＩＳＥＸＰＥＲＴＳＹＳＴＥＭＦＯＲＲＯＴＡＴＩＮＧＭＡＣＨＩＮＥＲＹＢＡＳＥＤＯＮＡＦＵＺＺＹＰＲＯＢＡＢＩＬＩＴＹＬＯＧＩＣＩＮＦＥＲＥＮＣＥＭＯＤＥＬＸｉｏｎｇＧｕｏｌｉａｎｇ；ＺｕｏＨｕｉｊｉｎｇ（ＥａｓｔＣｈｉｎａＪｉ...     

基于RBF神经网络的齿轮箱故障诊断

阐述径向基函数(radial base function,RBF)神经网络的基本原理和算法,将其应用于齿轮箱故障诊断与识别,建立齿轮箱的BRF故障诊断模型,并与BP(back propagation)神经网络、学习率自适应BP神经网络进行对比分析研究。结果表明,RBF神经网络性能优于BP神经网络,具有较快的训练速度、较强的非线性映射能力和精度较高的故障识别能力,非常适用于齿轮箱的状态监测和故障诊断。但在具体应用中应当注意,RBF网络的训练样本必须含有一定的噪声,以提高网络的容噪性能;各类故障的训练样本数不能太少,否则RBF网络的故障分类能力很差。     

基于应力波的低速滚动轴承故障诊断新方法研究

针对低速旋转机械故障诊断难题,文中以高频应力波信号为特征参量,采集低速滚动轴承机械故障信号.根据故障应力波信号的特点,通过对几种小波基函数进行比较筛选,选择Db10(Daubechies 10)小波对信号进行分析.用Db10小波函数对故障应力波信号进行多尺度分解,同时将分解变换后的各尺度能量进行比较,进行信号重构.结果表明, 应用小波分析很好地消除了故障应力波信号中背景噪声的影响,成功提取了故障特征频率.     

基于知识与模糊神经网络的故障诊断专家系统

提出了一种基于知识与模糊神经网络专家系统故障诊断方法,设计构造了诊断专家系统的整体框架,在框架中体现了在任务工机控制下,规则符号推理和模糊神经网络推理综合诊断的思想。知识库是诊断专家系统的核心,在本系统中定义了广义三层规则库结构,即元规则、故障诊断规则、结论合并规则。Ｒｕｌｅ型的模糊联想记忆器实现专家系统中的分类和综合功能,并讨论了模糊神经网络输入和输出模糊化的问题。本文为旋转机械故障诊断专家系统     

SEQUENTIAL DIAGNOSIS FOR A CENTRIFUGAL PUMP BASED ON FUZZY NEURAL NETWORK

A sequential diagnosis method is proposed based on a fuzzy neural network realized by ＂the partially-linearized neural network （PNN）＂, by which the fault types of rotating machinery can be precisely and effectively distinguished at an early stage on the basis of the possibilities of symptom parameters. The non-dimensional symptom parameters in time domain are defined for reflecting the features of time signals measured for the fault diagnosis of rotating machinery. The synthetic detection index is also proposed to evaluate the sensitivity of non-dimensional symptom parameters for detecting faults. The practical example of condition diagnosis for detecting and distinguishing fault states of a centrifugal pump system, such as cavitation, impeller eccentricity which often occur in a centrifugal pump system, are shown to verify the efficiency of the method proposed in this paper.     

旋转机械局部故障力的模型诊断及瞬时故障力识别

针对旋转机械中出现的大量局部故障现象,采用基于模型的故障诊断方法提取剩余振动量,利用模态扩展推测转子系统各节点瞬态振动,针对模型诊断中等效力出现的发散情况,提出通过最小二乘法利用挠曲线确定单一周期和准周期故障发生位置.提出利用瞬时能量判别瞬时故障力大小的方法,从而诊断出系统中故障严重程度.实现了仅利用少量传感器即可对转子系统进行精确故障位置和故障力大小的诊断.对转子系统的碰摩故障进行数值仿真,并在转子试验台进行试验验证本方法的正确性.     

基于故障树模型的智能诊断的确定性推理

提出了一种基于故障树模型的诊断方法，并基于该方法实现了一个故障诊断系统，本文仅讨论确定性推理，对可能性推理将另文详述。首先提出一种基于故障树的层次诊断模型，给出了故障树的故障传播矩阵，并基于该矩阵提出了一种确定性推理方法，其次，提出了一种面向故障树的基于框架和广义规则的混合知识表示方法，最后在ＣＯＭＰＡＱ４８６微机上，ＷＩＮＤＯＷＳ环境下，用ＢＯＲＬＡＮＤＣ＋＋实现了该诊断系统，并通过对一个电路系