基于进化神经网络的模拟电路故障诊断

基于人工神经网络的智能故障诊断系统作为人工智能技术在模拟电路故障诊断领域的应用,在实践中取得了一定的成效.但由于容差和非线性特性使得模拟电路的故障诊断趋于复杂化,以及诊断系统中神经网络的拓扑结构难以确定,因此,针对上述局限,提出了模拟电路故障诊断的进化神经网络方法;文中详细的阐述了进化神经网络的构成方式,提出了把网络的结构和权值分级进化的方法,并在两级进化的过程中使用不同的适应度函数及改进的遗传算法.举例说明诊断系统的具体实现方法,仿真结果表明,在相同的精度要求下,该算法的训练时间远小于普通的进化神经网络,对模拟电路的故障诊断有一定的实际意义.     

基于故障传播的模块化BP神经网络电路故障诊断

大规模的数模混合电路所含故障模式众多,电路故障状态复杂,且易发生传播,因而电路故障诊断难度较大。针对大规模电路发生故障时存在故障传播的问题,提出一种基于故障传播的模块化BP神经网络（MBPFP）故障诊断方法。首先,在电路模块划分的基础上分析子电路间的故障传播,并将故障源和故障传播源"模块化";然后,通过子电路的异常检测模型进行一级定位,缩小故障原因集合,确定故障模块;最后,利用目标模块的BP神经网络模型进行二级定位,实现故障诊断并识别故障模式。与传统BP神经网络等方法进行比较的实验结果表明,MBPFP故障诊断方法具有较高的故障覆盖率,在定位准确率方面提高了至少8个百分点,其性能优于传统BP神经网络等方法。     

基于模糊神经网络的雷达印制板故障智能诊断系统研究

以故障诊断理论和方法为基础．综合运用人工智能、模糊理论和神经网络理论．对雷达印制板故障智能诊断问题进行了研究，给出了模糊神经网络故障智能诊断系统的实现过程。仿真结果表明，该方法是一种行之有效的故障智能诊断方法。为雷达印制板的故障诊断提供了一务新的途径。     

数模混合电路故障字典生成技术的研究

复杂装备中复杂模拟和数模混合电路的应用,在提升装备性能的同时,也对电路故障诊断提出了更高的挑战;通过研究数模混合电路故障仿真和信号处理等关键技术,实现了具有标准文件数量、内容和格式的故障字典自动生成功能;故障字典具有规范性和实用性等特点,可有效解决当前模拟和数模电路故障诊断存在的问题,提高故障诊断效率;试验验证表明,文中所述技术具有很好的实用与推广价值。     

经验模态分解在模拟电路故障诊断中的应用

针对目前人工神经网络在模拟电路故障诊断中的应用对样本的依赖性较强及经验模态分解突出了信号的局部特征、可以更准确有效地把握原信号数据特征信息的特点,提出了模拟电路故障诊断的经验模态分解预处理方法;文中详细地阐述了希尔伯特变换的具体方法、模拟电路故障诊断的神经网络方法;并举例说明诊断系统的具体实现方法;仿真结果表明,在相同的精度要求下,该算法的训练时间远小于普通的神经网络,对模拟电路的故障诊断有一定的实际意义。     

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。     

基于混合神经网络的电路故障诊断研究

本文分析了混合神经网络的结构特点,简单介绍了混合神经网络的故障诊断原理.在此基础上研究了基于混合神经网络的电路故障诊断方法.     

脉频调制神经网络VLSI的设计及应用

本文提出了一种用于故障诊断识别的改进脉冲频率调制(PFM)VLSI神经网络电路,改进了传统的基于软件的机械故障诊断模式,发挥了神经网络超大规模集成电路(VLSI)的优势.利用单层感知器网络、场效应管电路实现了一种新的数字模拟混合突触乘法/加法器电路,而且该神经网络电路的突触权值不需要学习调整,降低了电路的复杂性.以此电路为基础,设计了进行主轴承噪声故障诊断的神经网络故障识别系统.将含有故障信息的原始噪声信号,经过前置信号处理分析、故障特征值提取和神经网络运算,得出VLSI电路输出端电容的电压——代表待识别信号与模板故障信号的“欧氏距离”,进而判断出故障的类别.经过仿真测试,基于硬件的诊断系统的识别性能接近于基于软件的系统.     

基于BP神经网络的智能BIT故障诊断系统研究

论述了智能BIT的设计、检测、诊断、决策四个方面的主要研究内容,分析了BP神经网络的网络模型及工作原理,构建了基于BP神经网络的智能BIT故障诊断系统,并用某雷达录取终端的故障实际数据进行了验证。结果表明将神经网络与智能BIT结合是一种有效的诊断方法,解决了传统BIT故障诊断能力不足,导致系统虚警率过高、自适应性能差等问题,使被测系统具有更高的故障诊断能力。     

BP神经网络在雷达故障诊断中的应用研究

对雷达混合电路故障诊断问题进行了研究,针对传统雷达故障诊断中的“自适应差”,“过分依赖故障数学模型”的缺陷。采用了一种故障诊断表示模型,提出将专家系统与神经网络相结合的诊断方法,避免了在实际中雷达电路难以建立精确的数学模型的问题。利用人工神经网络理论为其建立了BP神经故障诊断网络,增加了雷达电路故障诊断系统的“自适应性”。进而给出了网络训练算法和诊断步骤,最后给出了在某型雷达设备上仿真调试诊断的实例。     

基于数据挖掘的电路板故障诊断系统设计

针对电路板运行时从DCS上采集了大量特征数据,提出了基于数据挖掘的电路板故障诊断方法。即将运行的特征数据约简得出诊断的规则,再应用人工神经网络,优化该诊断的结果,并使其具有自学习能力,从而设计出具有故障诊断和智能预测的电路板故障诊断系统。     

基于支持向量机的旋转机械故障诊断研究

为了解决因缺少大量故障数据样本而制约机械故障智能诊断发展的问题,提出了一种基于支持向量机的故障诊断模型。该模型建立在VC维理论和结构风险最小原理基础上,根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折衷。在选取诊断模型输入向量时,对故障信号功率谱进行小波分解,简化了故障特征向量的提取。仿真结果表明该模型可以有效地对旋转机械设备故障进行诊断。     

基于遗传小波网络的飞控系统故障诊断研究

针对飞行控制系统的传感器故障诊断问题,构造基于Mexico hat小波的小波神经网络,采用改进的自适应遗传算法优化所构造的小波网络的网络参数,并应用训练好的小波网络对飞行控制系统的传感器故障进行诊断.通过在Matlab/Simulink中建立飞控系统传感器的数字仿真模型并进行计算机仿真,得出所构造的小波网络能很好地诊断出飞控系统传感器的三类故障.仿真结果表明,用遗传算法训练小波网络,收敛速度快,且不会陷入局部最优点,训练好的小波神经网络的收敛性、故障诊断能力及泛化性均强于传统的BP神经网络.     

基于ANN的组合智能故障诊断专家系统的设计

介绍了基于ANN的组合智能故障诊断专家系统的总体结构和诊断模型，在此基础上给出了故障诊断系统的推理机制和诊断策略，并对其各诊断模块的诊断方法进行了较为深入的研究，为进一步开发基于某导弹通用测试系统的导弹故障诊断系统提供了主要的依据，具有一定的指导意义和实践价值。     

A web-based intelligent fault diagnosis system for customer service support

In traditional help desk service centres, service engineers provide a world-wide customer support service through the use of long-distance telephone calls. Such a mode of support is found to be inefficient, ineffective and generally results in high costs, long service cycles, and poor quality of service. With the advent of the Internet technology, it is possible to deliver customer service support over the World Wide Web. This paper describes a Web-based intelligent fault diagnosis system, known as WebService, to support customer service over the Web. In the WebService system, a hybrid case-based reasoning (CBR) and artificial neural network (ANN) approach is adopted as the intelligent technique for machine fault diagnosis. Instead of using traditional CBR technique for indexing, retrieval and adaptation, the hybrid CBR–ANN approach integrates ANN with the CBR cycle to extract knowledge from service records of the customer service database and subsequently recall the appropriate service records using this knowledge during the retrieval phase.     

一种推挽式电路故障诊断方法的仿真研究

提出了基于小波变换和神经网络的推挽式电路故障诊断方法。先仿真得到各种故障状态下的输出电压信号,然后对输出电压信号进行Daubechies小波变换获取多尺度低频系数和高频系数,并对小波系数进行处理提取故障特征量,最后利用故障特征矢量训练神经网络确定了推挽式电路故障诊断的神经网络模型。仿真结果表明基于小波变换和神经网络的推挽式电路故障诊断方法取得了较好的效果。     

RBF在冷轧在线监测与故障诊断中的应用

通过对某钢厂冷轧电气传动系统分析,合理选取检测信号,构建了基于组态的实时在线监测系统,实现实时数据显示、报警、样本数据的存储、数据采集、参数设定等功能。利用MATLAB的Simulink工具构建了冷轧传动中的三相异步电动机故障诊断仿真系统。将RBF神经网络技术应用于冷轧电气传动系统的故障诊断,设计了基于RBF网络的三相异步电动机故障诊断系统。通过对训练好的网络进行验证,证明所设计的诊断方法能够对传动系统中的电动机故障进行很好的预测和判断,具有良好的实际应用前景。     

基于神经网络专家系统的钻井事故诊断

结合石油钻井工程的实际情况,依据钻井过程的监测参数,设计了利用神经网络进行知识获取、专家系统进行事故诊断的钻井工程事故智能诊断系统。通过神经网络对钻井复杂问题实例的不断学习训练,获得用于智能诊断的知识,完成对事故发生可能性的初步诊断。经过专家系统的进一步启发式反向推理验证事故是否存在,给出最后确诊,以此监控钻井参数,指导钻井参数调整的实施。应用实例结果表明,该智能诊断系统应用于钻井事故诊断是有效的,对减少钻井事故的发生与发展具有重大的实际应用价值。     

基于Matlab与．Net的神经网络推理应用

介绍了人工神经网络技术的基本概念,及其在Matlab6.5环境下的实现方法,探讨了Matlab与.Net开发平台的接口。最后以机械故障诊断为应用案例,说明了如何开发基于两个不同环境的故障诊断系统,得出了结合.Net框架和Matlab6.5环境解决工程技术领域问题的具体方法,并展望了此方法的应用前景。     

神经网络和模糊系统在故障诊断中的应用

本文提出了一种神经网络和模糊系统相结合的分级式故障诊断方法。神经网络通过对部分测量数据的处理，实现系统的回路级故障诊断，输出各回路故障出现的可信度。模糊系统通过对神经网络得到的初步诊断结果和其他测量值的处理，实现系统的元件级故障诊断，并对最终诊断结果作出解释。该方法融合了神经网络自适应学习能力强和模糊系统知识表达明确的优点，简化了神经网络学习数据获取及模糊推理规则建立的过程。通过对热硝酸冷却系统故障诊断的仿真，证明了该故障诊断方法的有效性。