基于神经网络的机电作动系统传感器故障分类研究

机电作动系统已经用于民航客机飞控舵面的控制,其中传感器输出的正确性对系统正常工作影响较大,因此对传感器的故障检测非常必要。本文分析了机电作动系统的传感器类型和故障模式,研究设计了BP神经网络对传感器故障进行检测和识别,并对不同训练方式的神经网络方法进行对比,确定了使用莱温伯格-马夸特学习方法的BP神经网络的故障检测分类结果更加准确,最后通过机电作动系统联合仿真实验平台验证了该方法的有效性。该方法可以支持传感器故障检测和系统健康管理。     

基于Park变换和神经网络的逆变器故障检测方法

为实现实时检测逆变器电路中功率元件的故障,提高逆变器电路工作的可靠性,提出了一种基于Park变换故障检测算法和神经网络的逆变电路开路故障检测方法.利用Park变换得到三相电流基波幅值作为特征量用于故障检测,基于BP神经网络并结合简单逻辑判断即可实时检测逆变器电路的故障类型、故障桥臂以及故障元件位置,仿真结果论证了方法的可行性.     

基于模糊神经网络的燃气轮机热力部件故障诊断研究

针对燃气轮机热力部件故障,提出了基于模糊神经网络的故障检测和诊断方法。在利用模糊规则描述系统故障状态的基础上,通过建立故障诊断目标函数,利用误差反向梯度算法实时修正神经网络连接权值和阈值。仿真结果证明与传统BP神经网络相比,模糊神经网络在对燃气轮机热力部件故障的识别中,具有更高的准确率。     

基于BP神经网络的舰船电机故障诊断

为了准确判断舰船电机故障类型,找到故障原因,建立基于BP神经网络的舰船电机故障诊断模型,收集故障样本数据.运用MATLAB软件进行仿真,以实例进行检测.检测结果表明,构建的模型准确可靠,可以模拟电工人员对舰船电机故障作出正确诊断,验证了BP神经网络的优越性和可行性.     

基于神经网络分类算法的电机轴承故障检测方法

针对电机轴承故障的检测问题,提出一种结合移除非故障分量(Removing Non-bearing Fault Component,RNFC)滤波器和多层感知器(Multi-Layer Perceptron,MLP)神经网络分类器的电机轴承故障检测方法。首先,利用神经网络设计一种RNFC滤波器,滤除与故障不相干的信号,只输出各种故障信号分量。然后,利用Levenberg-Marquardt算法训练MLP神经网络来构建故障分类器,并从RNFC滤波器输出的故障信号中提取4种时域特征(均方根、方差、偏度和峰度),作为故障分类器的输入。最后,实现对内圈缺陷、外圈缺陷和滚动体故障的检测。实验结果表明,该方法能够准确检测故障且对环境噪声具有鲁棒性。     

基于小波神经网络和数据融合的直流系统故障检测方法及实现

针对直流供电系统接地故障,提出了一种将多尺度神经网络和数据融合技术相结合的故障检测方法,利用小波神经网络对来自直流系统的采样信号进行滤波,再应用数据融合技术对滤波后的信号进行分析处理以判断是否存在接地故障。该方法弥补了传统检测方法的缺陷,并可以实现利用微机装置在线检测。文章采用“PC机+数据采集卡”的形式实现了故障检测的硬件设计,并通过仿真分析和相关实验,验证了该方法应用于直流系统故障检测的可行性。     

基于深度卷积神经网络的变电一次设备故障检测方法

为解决传统变电一次设备故障检测方法中存在的故障检测误报率及漏报率等问题,提出了基于深度卷积神经网络的变电一次设备故障检测方法。在多种光照条件下采集变电一次设备图像和场景图像,组建变电一次设备数据集合场景数据集,再对各类型数据集进行预处理。通过深度卷积网络自适应方法提取变电一次设备的时域和频域信号特征,将深度卷积神经网络作为特征提取器,利用免疫学习特性形成未知故障检测器,实现变电一次设备故障检测。实验结果表明：所提方法能够有效降低变电一次设备故障误报率和漏报率,切实提高了检测及时性和故障辨识率。     

基于傅里叶变换和神经网络的逆变器故障检测与诊断

提出了一种基于傅里叶变换和神经网络的逆变器故障检测与诊断方法。利用加窗傅里叶变换提取逆变器输出信号的正序对称分量,提出了谱残差和相对谱残差的概念,利用获得的基本谱残差实现了逆变器的故障检测。通过对谱残差和谱相位的对比分析,提出了一种简单的故障判断逻辑,实现了逆变器故障桥臂定位。最后利用神经网络方法,实现了故障元件的分离。仿真结果表明了本文方法的有效性。     

电力电子主电路故障诊断方法研究

提出了采用小波分析和神经网络诊断电力电子装置故障诊断的方法,分析了三相桥式可控整流电路的故障波形特点,将利用小波变换模极大值和多尺度分析理论提取的故障特征输入神经网络诊断故障。归纳了故障诊断需知的3个条件以实现控制角的检测、故障的分类和定位。仿真表明该方法有效。     

基于小波神经网络的传感器故障诊断方法研究

详细阐述了小波神经网络的结构、原理,在分析智能大厦中空调机组传感器主要故障的基础上,提出了基于小波神经网络的诊断方案.MATLAB仿真和模拟实验结果表明,在相同的条件下,小波神经网络在解决传感器故障检测、分离和补偿问题上优于传统的BP网络.     

模糊神经网络在变压器故障诊断中的应用

提出了与神经网络结合的模糊变压器故障诊断新方法 ,克服了一般模糊诊断学习困难的局限 ;通过与模糊判决矩阵的对应关系 ,发现神经网络系统的权值矩阵就是模糊诊断里面的判决矩阵。模糊神经网络、组合神经网络和判决树 3种方法对故障样本的正判率分别为 90 .4 %、75 .4 %、83.3% ,这表明模糊神经网络方法的有效性与可行性 ,它弥补了DGA试验相近故障识别率低的不足 ,克服了组合神经网络无“可塑性”的缺陷 ,避免了判决树对样本选择的强烈依赖 ,使故障诊断准确度大为提高 ;也说明了DGA和其它电气试验相结合综合分析的必要     

无刷励磁同步发电机旋转整流器故障的模糊神经网络诊断

模糊神经网络是模糊逻辑与神经网络相结合而构成的 ,具备模糊技术和神经网络技术的优点 ,应用于电力系统故障诊断中 ,是一种使用方便的人工智能处理系统。基于模糊神经网络对无刷励磁同步发电机旋转整流器故障诊断进行研究。经过训练后的模糊神经网络 ,在对旋转整流器故障进行诊断时 ,有较高的准确性和有效性     

汽轮机组凝汽器故障诊断方法的分析研究

结合凝汽器的实际运行状况和现场专家经验，介绍了3种凝汽器故障诊断方法：模糊模式识别、神经网络、模糊神经网络。用实例对几种方法进行分析比较，指出了凝汽器故障诊断方法的发展趋势。     

电机故障诊断的人工智能方法综述

在分析电机故障诊断传统方法的基础上,讨论了近年来电机故障诊断领域的智能控制手段和最新进展:即神经网络、模糊逻辑、模糊神经和遗传算法等,给出了详细的图表和简化的应用实例,并比较了各方法的优缺点。     

感应电动机故障诊断技术综述

分析了感应电动机故障诊断技术的研究现状,介绍了小波分析、人工神经网络、模糊逻辑、专家系统等前沿技术在感应电动机故障诊断中的应用,对感应电动机的各种常见故障诊断方法进行了详细的分析和评述.     

判决树方法在凝汽器故障诊断中的应用

运用一种属于模式识别范畴的判决树 ID3 (Identification Data)方法对凝汽器的故障进行诊断。通过实例 ,验证了该方法对凝汽器故障诊断的有效性。提出了 ID3 方法与模糊模式识别和神经网络方法相比所具有的优点 ,指出将 ID3 方法和其他人工智能方法相结合是实现凝汽器故障诊断实用化的有效途径。     

基于粗糙集与模糊神经网络的变压器故障诊断方法

将基于粗糙集理论的模糊神经网络，应用于变压器故障诊断中，充分利用粗糙集理论对知识的约简能力模糊神经网络优良的分类能力，首先利用粗糙集方法对原始数据进行约简，形成精简的规则集，以此基础构建的模糊神经网络结构完全是由粗糙集最终约简规则决定的，具有良好的拓扑结构，网络规模大大减少，学习速度大为提高，而且保持了网络较好的分类能力。     

基于模糊遗传神经网络的信息融合故障诊断技术及其应用

在基于广义模糊加权型推理的模糊神经网络基础上,融合非一致性遗传算法,建立了一种模糊遗传神经网络。利用模糊遗传神经网络技术建立信息融合中心,对多传感器数据进行融合处理,通过多源互补信息减小故障诊断系统的不确定性。讨论了模糊遗传神经网络多传感器信息融合方法中数据处理、特征向量维数压缩与关联、归一化处理方法等。同时,对模糊遗传神经的构造以及学习训练等内容,也作了较为详细的讨论。并对模糊遗传神经网络信息融合技术应用于变压器状态的实时监测的应用前景进行了初步探讨。     

基于模糊积分融合技术的变压器故障识别

提出了一种基于模糊积分融合技术的变压器故障诊断新方法。首先建立三比值的隶属函数并对三比值数据进行模糊预处理,再用4个不同的径向基函数神经网络进行故障识别,最后利用模糊积分融合方法将4组诊断结果进行融合处理,得出诊断结果。仿真实例表明这种方法比单个人工神经网络具有更高的故障诊断性能。     

模糊神经网络在变压器故障诊断中的应用研究

基于模糊逻辑理论和人工神经元网络，提出了将模糊神经网络应用于变压器故障诊断的方法，该方法实现了变压器故障的智能诊断。