小波神经网络在故障诊断中的应用

介绍小波神经网络的发展和基本原理.在此基础上,详细分析和推导了两种小波神经网络的结构和算法,使其把小波变换和神经网络有机地结合起来,充分继承两者的优点.重点阐述对小波神经网络进行的改进,即动量项的引入,证明了动量项的引入在一定程度上解决了局部极小的问题,并对小波神经网络在故障诊断中的应用研究现存的几个问题和未来的发展进行了深入的探讨.     

小波包分析在旋转机械故障诊断中的应用

简述了小波包分析的基本原理及其用于故障特征识别的机理,研究了小波包分析在旋转机械故障诊断中的应用。由于此技术能够从复杂的信号中有效地提取微弱的故障特征信号,因此与小波分析相比,分析更为精细简单。实例采用小波包原理对一类旋转信号进行分解重构后,成功地提取了故障特征,体现了小波包分析的优良特性,其结果证明了该方法是行之有效的。     

改进的小波神经网络在变压器故障诊断中的应用

为提高变压器油溶解气体分析法的故障诊断能力,以变压器油溶解气体作为研究对象,提出了加动量批处理小波神经网络算法。选取200组油溶解气体含量作为故障识别样本,通过多输入/多输出模式小波神经网络模型的构造,对训练过程和仿真结果进行对比分析。实验结果表明,改进的小波神经网络算法故障检测符合率高达95%,较传统的检测算法提升十几个百分点,从而极大的提高了故障诊断效率,实用性较好。     

基于小波神经网络的模拟电路故障诊断研究

文章提出了一种基于小波神经网络的模拟电路故障诊断方法。这种方法采用正弦信号作为被测电路的输入激励,在时域中对输出信号采样来构造神经网络的训练和测试样本,将自适应学习率及附加动量BP算法训练后的小波神经网络应用于容差模拟电路故障诊断中。仿真试验表明,该方法减少了故障诊断时间和提高了网络的平均诊断正确率。     

紧致型小波网络在模拟电路故障诊断中的应用

提出了一种新的基于紧致型小波神经网络的模拟电路故障诊断方法。该法首先利用小波包变换对故障信号进行预处理,减少了紧致型小波神经网络的输入数目,简化了紧致型小波神经网络结构,然后对紧致型小波神经网络进行训练和测试。仿真试验表明,该方法比普通BP神经网络方法训练速度更快,诊断准确率更高,容错能力强,非常适用于模拟电路故障诊断。     

PNN神经网络在甚高频通信收发机故障诊断中的应用

为提高甚高频通信收发机通信失真故障诊断的效率和准确性,提出了一种利用PNN神经网络进故障诊断的方法.利用甚高频通信收发机输出信号中的9个参数作为故障特征输入向量,5类故障模式作为输出向量,建立PNN神经网络故障诊断模型.仿真实例表明,该诊断方法可行、有效,可大大提高诊断效率和准确性.     

模拟电路故障诊断的小波神经网络方法

利用小波和改进型BP神经网络相结合的方法,进行模拟电路故障诊断;通过分析被测电路的冲激响应,来识别电路中的故障元件;用小波对冲激响应信号进行多尺度分解,进行归一化后,提取特征信息作为神经网络的输入而进行分类。该方法减少了神经网络的输入、简化了其结构、并缩短了训练和处理时间。实验仿真结果表明:该方法能准确实现故障定位且准确率高。     

一种基于小波神经网络的故障诊断方法

在阐述了小波变换和BP(反向传播)神经网络概念的基础上,根据小波神经网络故障诊断的基本思想,提出了一种基于"能量-故障"的小波预处理神经网络故障诊断方法.实验仿真结果表明,使用该方法提取故障特征加快了神经网络的训练速度,能迅速地进行故障的检测和定位.     

小波变换和神经网络的电路故障诊断

模拟电路的元件较多,相互之间的耦合性较强,容易发生故障。为了提高电路故障的诊断准确性,提出小波变换和神经网络的电路故障诊断方法。首先采用小波变换方法提取电路故障信息特征,然后采用神经网络分类提取的故障特征量实现对电路故障的诊断和分类识别,最后通过仿真实验进行性能测试,结果表明,该方法提高了电路故障检测的准确度,具有较好的实际应用价值。     

一种基于小波神经网络的电路故障诊断研究

小波神经网络具有较好的特征提取和消噪能力,能够应用于模拟电路的故障诊断中。然而由于其收敛速度慢、容易陷入局部最小的特点限制了其更加全面的应用。文中研究了基于紧致型小波神经网络的诊断方法,它通过合理地选取相应的小波函数,利用其时频局部特性优化神经网络的结构,得到了较为合理的网络模型,具有较好的逼近能力且有效避免了陷入局部最优的问题。通过实例分析可以得出,该方法具有较好的故障诊断能力,能够应用于模拟电路的故障诊断,具有一定的研究价值和应用前景。     

基于小波神经网络的三相整流电路的故障诊断

应用带动量项和自适应学习率的小波神经网络解决了应用神经网络诊断三相整流电路时收敛速度慢,搜索空间局部极小,易引起振荡等问题。首先根据不同晶闸管的故障输出波形的不同,使用Multisim软件对三相整流电路的故障进行仿真模拟,然后用波形采集数据制作的样本对网络进行训练,最后训练好的网络可用于故障诊断。仿真表明,提出的方法比现有方法的收敛速度快,诊断误差小。     

一种基于小波-神经网络的模拟电路故障诊断方法

小波分析具有数据压缩和特征提取的特性,神经网络具有非线性映射和学习推理的优点。结合两者的特点,提出了一种基于小波与神经网络的模拟电路故障诊断方法,该方法用小波变换对电路响应信号进行特征提取,从而简化神经网络的结构,降低计算的复杂度,加快了训练速度。对实例仿真表明,该法能有效地对模拟电路进行故障诊断。     

基于小波分析和神经网络的模拟电路故障诊断方法

提出了一种基于神经网络和小波分析的模拟电路故障诊断的系统方法。该方法通过对电路的可测性测度计算，选择电路的最佳测试节点，然后利用小波分析作为特征提取手段提取电路的故障特征向量，经归一化和主元分析（PCA）处理后。得到最优特征向量，最后输入到神经网络实现电路故障诊断。计算机仿真结果表明该方法具有更好的故障分辨率。     

神经网络在齿轮故障诊断中的应用

以齿轮振动信号的时域特征为神经网络输入，齿轮的主要故障形式作为神经网络输出，利用改进的BP算法训练后的网络对齿轮故障进行诊断，取得较好的效果。     

电路故障诊断的神经网络方法

分析了神经网络的容错能力、分类能力以及高速神经计算能力在电路故障诊断中的优势。举例说明了应用神经网络方法进行数字电路及模拟电路故障诊断的基本方法和步骤,着重突出了实际应用中存在的故障特征选取、神经网络建立、多故障处理等难点,提出了具体解决方案,指出了进一步的发展方向和理论创新点。     

模拟电路故障诊断的神经网络优化方法综述

对故障诊断和模拟电路的特点做了简要介绍,分析了故障诊断的现状和相关研究方法。针对目前用于模拟电路故障诊断的神经网络,阐述了优化神经网络的方法--小波变换、遗传算法、模糊理论、粒子群算法和聚类算法等,并对未来的发展方向进行了展望。     

基于小波的消噪及BP神经网络的故障诊断

针对故障检测信号信噪比低、难以进行特征提取的特点,介绍了一种新的利用小波消除信号噪音的算法,进而利用BP神经网络实现了较为理想的故障诊断。该算法是基于最佳正交小波基的选择,使熵在小波收缩过程中的作用最小。实验结果表明利用小波变换从数据中提取的训练样本能够有效地消除噪声,更好地反映故障特征,提高故障诊断的效率。