基于PSO-RBFPNN的柴油机故障诊断

提出一种基于粒子群优化算法(PSO)和径向基概率(RBFP)神经网络的新型进化神经网络模型(PSO-RBFPNN).在实例研究中,该模型被应用于柴油机故障诊断中.试验结果表明,该方法具有运算效率高,收敛速度快的特点,是一种有效可靠的新型故障诊断技术.     

基于神经网络的船用柴油机故障诊断专家系统

介绍一种基于神经网络的船用柴油机的故障诊断专家系统，以及系统结构、神经网络的学习算法，给出应用实例，诊断结果表明该方法的有效性。     

基于SOM神经网络的柴油机故障诊断

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网络应用于柴油机的故障诊断.利用夹持式传感器获得柴油机喷射系统的燃油压力波形,对波形进行时域分析和特征提取.根据所取得故障信息及其对应的故障类型来构造网络结构,用单一故障样本对网络进行训练,根据输出神经元在输出层的位置对故障进行判断.通过仿真实验验证SOM神经网络在柴油机故障诊断的正确性.经实例分析证明,该方法可对故障进行有效诊断.     

基于经验模态分解与神经网络的结构故障诊断

采用经验模态分解对简支梁振动信号进行分解,对分解得到的前4个固有模态函数分别求其能量百分比,并作为神经网络的输入向量.用17种工况的8组样本训练了简支梁故障诊断的神经网络模型.应用该法结果表明,2组测试样本的测试结果均与实际状况相一致,故可检测出结构的故障、故障的类型和故障的位置.     

基于概率神经网络的柴油机故障诊断研究

针对柴油机故障的人工诊断方法存在诊断难度大、诊断速度慢、干扰因素多等问题,提出了使用概率神经网络模型进行柴油机故障智能诊断的方法。实验结果表明,该方法能够有效应用于柴油机故障诊断中,并在诊断速度、准确率等方面均优于人工诊断方法。     

基于混沌粒子群优化的神经网络在旋转机械故障诊断中的应用

基于混沌粒子群优化算法提出一种根据群体早熟收敛程度和个体适应值来调整惯性权重的自适应混沌粒子群优化算法,算法兼顾全局寻优和局部寻优,能够有效地避免早熟收敛.使用自适应混沌粒子群优化算法训练神经网络并建立旋转机械故障诊断模型,实验结果表明,与粒子群优化算法、遗传算法训练神经网络相比,基于自适应混沌粒子群优化算法的神经网络能够有效改善神经网络的训练效率,提高故障模式识别的准确率.     

基于径向基函数神经网络的柴油机故障诊断

提出一种应用径向基函数(RBF)神经网络解决故障诊断问题的方法,并将其应用于柴油机故障诊断与识别。在RBF神经网络中采用了一种减聚类的学习算法来确定径向基函数的相应参数,从而使神经网络结构得到优化。实例仿真结果表明,RBF神经网络学习收敛较快,对故障识别性能好。     

基于粒子群优化SOM神经网络的轴系多振动故障诊断

针对自组织特征映射神经网络(SOM)在多振动故障诊断中出现的不能对所有可能故障完整分类和明显区分的缺点,提出基于粒子群算法优化的SOM神经网络.利用粒子群优化算法易实现、收敛快等优点,对SOM神经网络的参数进行优化,并用优化后的SOM神经网络对轴系故障进行仿真诊断.仿真诊断结果表明,粒子群算法优化的SOM神经网络比SO...     

基于神经网络信息融合的柴油机故障诊断

本文论述了神经网络信息融合的原理与方法,首先就BP网络训练速度慢,易陷入局部极小点的问题,提出将附加动量项与自适应学习速率相结合的改进BP算法,有效地抑制了网络陷于局部极小并提高了收敛速度。最后,将振动信号与血管压力信号作为特征参数,分别采用传统BP算法,改进BP算法对供油系统的三种故障进行信息融合诊断分析。实践表明,神经网络信息融合方法非常适用于多征兆机械系统的故障诊断。     

基于改进的BP神经网络的柴油发动机故障诊断

柴油发动机采用高压共轨燃油喷射技术,提高了柴油机的综合性能,但高压共轨柴油机电控系统比较复杂,增大了柴油机故障诊断的难度。该文介绍了BP神经网路及LM算法,并利用改进的BP神经网络对发动机电控系统故障进行诊断研究。以长城哈佛GW2.8TC发动机为实验对象,让发动机在怠速状态下,对发动机进行故障设置,利用金德KT600故障诊断仪采集发动机的故障数据流,运用改进的BP神经网络建立诊断模型,诊断结果表明改进的BP神经网络的收敛速度快,运用改进的BP网络诊断柴油机电控系统故障是行之有效的。     

融合电控柴油机传感器数据的贝叶斯综合故障诊断网络研究

针对电控柴油机故障源多样性和不确定性的问题,对故障现象、状态数据提取及处理、贝叶斯故障诊断网络、故障源的先验概率获取、故障源的确定等方面进行了研究,在故障现象出现的情况下对如何有效确定故障源进行了分析和归纳,构建了融合传感器数据的电控柴油机贝叶斯网络综合故障诊断模型,提出了使用传感器数据技术检测电控柴油机工作状态,并结合经验法等估算出各类故障源的先验概率。通过运用贝叶斯网络技术推断查找到故障源的方法,并以丰田1KZ电控柴油发动机为实验对象,使用Hugin Expert工具对该诊断网络进行了推理验证。研究结果表明,该诊断网络充分发挥了传感器数据诊断技术的实时性和贝叶斯网络技术的判断决策能力,有效提高了电控柴油机故障诊断的正确率和实效性。     

基于小波分析与神经网络的柴油机气阀间隙识别

通过对柴油机气阀间隙的调整,实时监测缸盖的振动信号,运用小波分析法对振动信号进行分析,提取柴油机气阀间隙异常的多个特征参数,并采用BP神经网络对气阀间隙进行识别,以此提高诊断故障的针对性和准确性。     

基于变精度粗糙集的柴油发电机排气阀故障诊断方法研究

提出一种基于变精度粗糙集算法的阀门故障诊断方法。该方法具有一定的容错能力,同时能够在确保故障规则具有较高准确度和覆盖度的前提下得到尽可能简洁的规则集。将该方法用于柴油机排气阀典型故障的诊断,研究表明该方法具有良好的故障诊断性能。     

Fault diagnosis for manifold absolute pressure sensor(MAP) of diesel engine based on Elman neural network observer

Intake system of diesel engine is a strong nonlinear system, and it is difficult to establish accurate model of intake system; and bias fault and precision degradation fault of MAP of diesel engine can’t be diagnosed easily using model-based methods. Thus, a fault diagnosis method based on Elman neural network observer is proposed. By comparing simulation results of intake pressure based on BP network and Elman neural network, lower sampling error magnitude is gained using Elman neural network, and the error is less volatile. Forecast accuracy is between 0.015-0.017 5 and sample error is controlled within 0-0.07. Considering the output stability and complexity of solving comprehensively, Elman neural network with a single hidden layer and with 44 nodes is presented as intake system observer. By comparing the relations of confidence intervals of the residual value between the measured and predicted values, error variance and failures in various fault types. Then four typical MAP faults of diesel engine can be diagnosed: complete failure fault, bias fault, precision degradation fault and drift fault. The simulation results show: intake pressure is observable and selection of diagnostic strategy parameter reasonably can increase the accuracy of diagnosis;the proposed fault diagnosis method only depends on data and structural parameters of observer, not depends on the nonlinear model of air intake system. A fault diagnosis method is proposed not depending system model to observe intake pressure, and bias fault and precision degradation fault of MAP of diesel engine can be diagnosed based on residuals.     

基于模糊理论的柴油机故障诊断专家系统

针对柴油机故障征兆、故障原因及故障机理的复杂性和模糊不确定性,将模糊数学理论与故障诊断专家系统引入柴油机故障诊断。建立故障诊断的模糊模型、模糊隶属度函数,利用模糊产生式系统实现了模糊性知识表达,论述了模糊诊断原则和推理诊断流程,构建了基于模糊理论的柴油机故障诊断专家系统。通过一个具体故障诊断案例证明系统能够快速、准确地推断出故障原因,同时也证明了该方法的实用性。     

基于实例推理的柴油机故障诊断与维修

根据柴油机维修行业领域的专家知识和实践经验，运用实例推理，对柴油机的故障采取现象和原因相结合的综合分析方法进行推理机制的设置，进而建立能迅速确定维修方案的推理系统，并给出应用实例。     

基于Matlab的柴油机故障诊断

利用小波分析、BP神经网络技术处理柴油机工作时产生的振动信号。在输入层对振动信号进行小波变换,提取其在多尺度下的特征作为故障特征向量。根据这些特征向量进行BP网络的分析,以对柴油机进行故障诊断。在实验台上模拟了多个故障,并对柴油机工作时在汽缸盖上方振动信号采集和处理,对几种故障模式进行了成功的判别。结果表明此方法是可行和有效的。     

自适应遗传小波网络在发动机故障诊断中的应用

由于包含丰富故障信息的传感器信号是由多振源和背景噪声的混合,小波变换良好的时频域局部化特性可以有效地滤除噪声,并且通过对重构的小波系数求取均方根值来有效提取故障的特征向量,根据采集数据的故障工况,建立学习样本.通过网络训练建立神经网络的输入和输出良好的非线性映射,进而通过特征向量输入来诊断系统的故障.由于神经网络具有收敛速度慢和容易陷入局部最小点的缺陷,对神经网络进行改进和优化.仿真结果误差分析表明,该网络具有良好的诊断效果.     

数据挖掘在柴油机故障诊断中的应用

介绍了一个应用数据挖掘技术的柴油机故障诊断系统。通过对柴油机信号数据的获取和分析,建立了故障诊断模型。从关键技术、系统体系结构、功能模块等方面论述了诊断系统的设计,给出了建立模型的基本思想、具体算法和步骤,并结合具体的信号数据建立了诊断系统。通过该系统对待识别信号数据进行故障诊断实验,表明该系统能有效地对柴油机活塞组件和气门机构故障进行诊断。