SOM神经网络在全液压钻机液压系统故障诊断中的应用

利用神经网络的非线性映射及其高度的自组织和自学习能力,将SOM网络应用于钻机液压系统的故障诊断。根据钻机液压系统故障的特点,选取能够表征全液压钻机故障特点的样本,设计相应的SOM神经网络,并在MATLAB环境下实现了对网络的训练和仿真实验,表明该方法有很强的实用性,为全液压钻机的故障诊断提供了一种途径。     

FAM神经网络在机械故障诊断中的应用

介绍了fuzzy ARTMAP(FAM)神经网络的一般原理。通过快慢结合学习方法和投票的操作策略,对FAM神经网络作了改进,提高了学习的稳定性和诊断的可靠性,与BP、径向基神经网络做了比较,证实了FAM神经网络在机械故障诊断中的优势。     

SOM神经网络在复合材料损伤监测中的应用

总结研究了自组织特征映射(SOM)神经网络的结构及学习算法,提出了利用SOM神经网络对输入样本的"聚类"作用及MATLAB神经网络工具箱来实现对故障模式的分类,通过U矩阵图对其分类结果进行仿真与分析的新方法。结果表明:该网络对复合材料损伤监测的诊断故障能够准确识别和分类,与一般可视化界面相比,此方法可视化界面更简单直观,故障识别率高,应用于材料无损检测是有效可行的。     

BP神经网络在振动筛故障诊断中的应用

按BP神经网络的基本原理和算法,确定了振动筛的BP神经网络结构,用振动筛运行状态的特征量作为BP神经网络的输入,运用Matlab神经网络工具箱对该网络进行训练,得到了用于诊断的BP神经网络模型。实验结果表明,运用神经网络方法能较为准确诊断振动筛故障。     

小波神经网络在提升设备故障诊断中的应用

介绍小波神经网络的构成和学习算法,并针对提升机减速箱故障的复杂性构造了用于减速箱故障诊断的小波神经网络,对减速箱的状态进行判别,实现了故障诊断。实验结果表明,小波神经网络在减速箱故障诊断领域具有良好的实用性。     

基于模糊神经网络的风机故障诊断

风机是企业安全生产的关键设备,探讨有效的故障诊断方法有着实际意义。将故障树和模糊神经网络相结合,利用故障树信息和专家经验知识提取神经网络的训练数据,并应用在风机故障诊断中,实例证明此方法较其他分析方法更简明、有效。     

基于概率神经网络的风机故障诊断

针对风机常见故障征兆与故障类型之间的非线性映射关系,结合专家知识建立了风机系统故障知识库,提出了基于PNN神经网络的风机故障诊断方法,结果表明该方法能克服BP算法诊断过程中容易陷入局部极小的缺点,并能满足故障诊断的快速性和准确性要求,适用于在线检测,具有实际应用价值。     

模糊神经网络在矿井副井提升系统故障诊断中的应用研究

首先把矿井副井提升机故障分类样本进行模糊化,将不可能出现、多余的故障样本剔除,并输入到训练好的BP神经网络里进行数据训练,然后利用MATLAB软件中的工具箱对矿井副井提升系统液压制动系统故障的具体实例进行仿真分析。仿真结果表明,模糊神经网络可以过滤掉多余信息,节省时间和空间,能够很好地对矿井副井提升系统的故障进行预测,提高了故障诊断的准确性和可靠性。     

模糊神经网络在提升机制动系统故障诊断中的应用

针对BP神经网络在提升机制动系统故障诊断中的局限性,如收敛速度慢和可靠性差等缺点,根据提升机制动系统的故障机理和特点,提出了一种基于遗传算法的模糊神经网络故障诊断方法。结合了神经网络和模糊逻辑的优点,在利用神经网络对提升机制动系统进行故障诊断的基础上,引入模糊逻辑的概念,采用模糊隶属函数来描述这些故障的程度,并利用遗传算法对网络的权值和阈值进行修正,加快了网络收敛的速度,克服了易陷入局部极小的问题。     

人工神经网络在煤矿通风机故障诊断中的应用

分析了煤矿通风机的常见故障,在介绍BP神经网络原理和算法的基础上,建立了基于BP神经网络模型的通风机故障诊断模型,并应用数学软件MATLAB中的神经网络工具箱实现了通风机不同故障状态的识别。研究结果表明,该方法能准确地诊断通风机的故障类型,具有简单、准确的特点,为实现煤矿通风机的故障预警和保障煤矿的安全生产具有指导意义。