基于多级模糊神经网络的故障诊断在化工生产过程中的应用

化工生产过程一般都非常复杂，如柠檬酸蒸发。由于控制回路与测控参数很多，生产过程的故障检测与诊断问题非常困难，难以做到实时检查，得到其故障信息。所以本文提出一种基于神经网络的多级故障诊断系统。采用三级递阶模糊神经网络，降解整个系统故障诊断问题的复杂性，同时采用所有子神经网络全局并行的推理方式，具有快速处理能力，适合系统实时在线故障诊断。     

基于神经网络的智能故障诊断技术

归纳了神经网络在故障诊断中的运用方式，探讨了故障诊断的神经网络方法和专家系统方法的联系和区别，以及两种方法的结合方法；最后，给出了选择智能故障诊断方法的原则。     

基于神经网络和专家系统的故障诊断

分析了专家系统和神经网络在故障诊断中的应用，针对两种技术各自的优缺点，建立了一个基于神经网络和专家系统的采煤机集成故障诊断系统，介绍了系统的结构，诊断策略及神经网络的学习算法，并给出了仿真结果。     

基于神经网络的故障诊断研究

在对基于神经网络的智能故障诊断进行充分分析的基础上,本对汽轮机的典型故障进行神经网络建设,经测试取得了良好的效果。     

基于LE-ISTOA-SVM的聚合釜化工过程故障诊断

聚合釜是制备高分子化合物的最主要设备,其能否稳定的运行关系到产品的质量以及人员、设备的安全。但是,现代化工生产流程非常复杂,化工过程诊断数据具有高维非线性的特点。提出了基于LE-ISTOA-SVM的聚合釜化工过程故障诊断方法。首先,使用拉普拉斯特征映射算法（Laplace Feature Mapping Algorithm,LE）对故障数据进行降维。然后,使用改进乌燕鸥优化算法（Improved Sooty Tern Optimization Algorithm,ISTOA）优化SVM（Support Vector Machine,SVM）的参数来提高其性能。最后,利用聚合釜的实验数据做仿真测试。测试结果表明,该方法有较好的诊断效果。     

基于神经网络的化工过程故障诊断

由于化工过程的高复杂性及高危险性,且装置都是都是长周期连续运转,一旦出现故障会造成巨大的损失,因此对化工过程和设备进行早期和准确的故障检测与诊断,可以提高设备运行的安全性,避免发生重大安全事故,降低生产成本.人工神经网络具有非线性、大规模、并行处理能力强,以及鲁棒性、容错性、自学习能力强等特点,处理化工过程的复杂非线性问题,比其他方法都优越.本文描述了人工神经网络的基本原理,及近年来人工神经网络在化工过程故障诊断应用中的进展.以BP神经网络为例,分析和介绍了其结构和学习算法,说明了神经网络故障诊断的推理过程,并建议将神经网络与符号有向图(SDG)结合诊断故障.     

基于神经网络和专家系统的雷达故障诊断方法

针对专家系统在雷达故障诊断中存在的不足,构建了一种人工神经网络和专家系统融合的故障诊断模型,给出了该模型的组成和功能表述,分析了诊断参数的选取方法、知识库的建立过程及神经网络模块结构等.并用实例讨论了诊断方法有效性.     

火电厂生产过程故障诊断神经网络专家系统

将人工神经网络和专家系统结合地火电厂生产过程的故障诊断，提出并设计了热工过程故障诊断系统。同时对常规ＢＰ算法做了改进，神经网络则采用分层化与并联运用相结合的结构，从而使系统诊断速度和准确率得到提高。仿真结果表明了该系统设计的合理性和可行性。     

基于BP神经网络与专家系统的故障诊断系统

针对目前国内油田压缩机故障诊断存在的效率低、自动化程度不高的问题,设计了一种基于BP神经网络和专家系统的油田压缩机故障诊断系统,利用专家先验知识和神经网络的数值推理、自学习能力,对油田压缩机的故障进行分析处理,与以往油田压缩机故障诊断方法相比,该系统自动化程度高,诊断可靠准确。     

基于神经网络的复杂电子装备故障诊断系统

文章针对复杂电子装备故障诊断难的特点,以一种典型设备的几种主要故障为例,设计了一种新型神经网络模型,并对系统进行了诊断,讨论了以此模型为基础进行诊断的可能性和正确性。实践表明了该模型的有效性和合理性,与传统方法相比,提高了故障诊断的准确度,而且充分运用了工作经验、专家知识,具有很大的工程应用价值。     

基于模糊神经网络的机械故障诊断方法的研究

本文针对机械传动系统典型零部件的故障，应用振动谱分析方法，给出故障诊断的模糊规则，并采用模糊神经网络实现诊断推理，文中举例说明了该诊断方法。     

基于粗糙集的多层容错神经网络故障诊断

针对神经网络故障诊断问题中输入属性维数多和数据量庞大的情况,首先利用粗糙集理论对原始数据进行约简,并按照一定的原则选取多个约简;然后对所得到的多个约简分别构建子神经网络,将多个子网络合成统一的容错网络。结合实例应用取得了令人满意的结果,并为高可靠性设备的故障诊断提供了新的思路。     

基于粗糙集神经网络和信息融合的故障诊断

神经网络是智能故障诊断系统的一种重要的方法。粗糙集理论则是处理不完备信息的一种技术。文中以复杂的人工智能诊断问题为研究对象,系统地论述了基于神经网络、粗糙集、信息融合的智能诊断的理论、方法与实践。其主要方法如下:在故障诊断的神经网络模型的基础上,以粗糙集理论中的信息系统属性值表为主要工具,将复杂的组合神经网络约简并删除其中不必要的属性,克服了网络规模过于庞大和分类速度慢的缺点,并给出了基于粗糙集理论的组合神经网络的模型结构,最后再利用数据融合技术,得出更加精确的结果。一个故障诊断实例证明了该方法的有效性。     

Fault Diagnosis Using Wavelet Neural Networks

Wavelet neural networks are a class of neural networks consisting of wavelets. This paper presents a novel universal tool for fault diagnosis and algorithms for wavelet neural network construction are proposed. Using the model of wavelet neural networks, we can not only extract the features of system but also predict the development of the fault.     

基于集成多神经网络在模拟电路故障诊断中的研究

以进行模拟电路故障诊断为主要目的,针对单神经网络故障字典法在进行复杂电路系统故障诊断时,对多故障和多任务诊断的不足之处,讨论了基于多故障的神经网络集成技术,采用集成多神经网络来提高诊断速度和精度,提出了集成多神经网络故障字典法来解决多故障任务,对基于层次分类模型的多重结构神经网络进行了研究,给出了两种对故障定位的统一融合算法,克服了采用单神经网络多故障时学习速度慢,出现新故障的网络要重新进行学习等缺点.并给出了应用实例.     

基于神经网络的柴油机故障诊断方法

提出了一种基于三层BP网络的柴油机故障诊断模型，给出了一种基于黄金分割法的变步长学习算法。仿真结果表明，该算法比标准BP算法具有更快的学习速度，完全适用于柴油机故障诊断系统。     

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。     

基于BP神经网络的军用电源智能故障诊断

电源设备的可靠运行关系到地空导弹武器系统的性能,对电源系统进行准确的故障诊断是十分重要的.为对地空导弹武器系统中电源设备故障进行准确诊断,介绍了BP神经网络和某型地空导弹静变电源的相关知识,建立了三相DC/AC逆变器的故障模型,并对几种常见的故障进行了简要的分析.最后,将BP神经网络模型应用于某型地空导弹静变电源的故障诊断,利用神经网络较好的模式分类能力,解决了以往地空导弹部队进行静变电源故障诊断的不足.仿真结果表明,该方法能够准确诊断电源设备的故障,验证了该方法的准确性和实用性.     

基于神经网络的故障诊断应用研究

文中根据神经网络的相关原理，运用神经网络领域的相关知识，对于工业生产中经常出现的设备故障，提出了一种基于RBF神经网络的诊断方法，并详细讨论了RBF神经网络的结构、训练算法及用于设备故障诊断的步骤，最后以某系统的故障诊断为例，证明了此方法的优越性。