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SOM神经网络的风机故障诊断研究

应用自组织特征映射（SOM）神经网络实现风机的故障诊断。介绍了SOM网络的结构和学习算法;总结了风机的故障集、征兆集和故障特征数据。在MATLAB环境下给出了风机故障诊断的具体实例,表明该方法是一种可行有效的风机故障诊断方法。     

基于AR模型和神经网络的柴油机故障诊断

建立了一种基于AR与RBF神经网络结合的诊断模型,模拟柴油机气阀漏气、气门间隙异常等故障,采用NI公司PCI-4472采集卡在LabVIEW7．1平台上开发了柴油机缸盖振动信号采集分析与诊断系统。首先,对利用该系统采集的缸盖振动信号样本建立AR模型并进行AR谱估计,从中提取5个特征参数,然后利用RBF神经网络进行故障模式识别。结果表明,该诊断方法具有较高的精度,便于故障在线监测与诊断系统的开发。     

基于ART-并行BP神经网络的柴油机故障诊断研究

造成柴油机故障的因素十分复杂,既存在单一类的故障,也存在多故障并存的现象,而且还会出现新型故障,仅仅依靠单一神经网络技术的故障诊断已经很难满足对柴油机的有效诊断要求。本文在信息决策层融合的基础上,以自适应谐振理论ART和误差反向传播并行BP两种神经网络为基础,建立了用于柴油机故障诊断的新型神经网络模型,以对柴油机系统工作过程多种故障进行诊断识别。通过与单一神经网络诊断识别结果的分析和比较,验证了该神经网络诊断模型的可行性,它能够进行多传感器信息综合诊断,既能识别单故障和并发故障,又具有识别新型故障的能力,可有效地提高对柴油机故障诊断的准确性和可靠性。     

复合神经网络在柴油机故障诊断中的应用

以自组织特征映射网络SOM(Self-Organizing Feature Mapping)和误差反向传播网络BP(Back Propagation)为理论基础,提出了SOM-BP神经网络模型,将某内燃机燃油系统故障及其相关参数作为训练样本,通过仿真试验,验证了复合神经网络在柴油机故障诊断中的正确性和精确性.     

基于SOM神经网络的矿井提升机故障诊断研究

应用自组织特征映射（SOM）神经网络实现矿井提升机的故障诊断。介绍了SOM网络的结构和学习算法;总结了矿井提升机的故障集、征兆集和故障特征数据。在MATLAB环境下给出了矿井提升机故障诊断的具体实例,表明该方法是一种可行有效的矿井提升机故障诊断方法。     

小波神经网络在柴油机异响故障诊断中的应用

由于活塞敲缸响和活塞销响是两种常见的、却难以区分的柴油机异响故障，这里对EQ6BT柴油机这两种故障的缸体振动信号进行Morlet连续小波变换，作出小波变换系数的尺度-能量谱，并提取出尺度为3～20范围内的最大尺度能量作为BP神经网络的输入向量，实现了对该柴油机两种异响故障的诊断。结果表明，利用文中所设计的小波神经网络能非常准确地诊断出EQ6BT柴油机活塞敲缸响、活塞销响两种异响故障及其故障的严重程度。     

EMD和SOM神经网络在燃气发动机故障诊断中的应用

提出了EMD和SOM神经网络相结合的燃气发动机故障诊断方法。将燃气发动机振动信号进行EMD分解,提取前几个IMF分量的能量构成故障诊断的特征向量,输入SOM网络进行聚类,再将测试样本输入训练好的网络模型进行故障识别,网络输出结果采用U矩阵图法进行显示。对燃气发动机正常、气门间隙大、排气阀漏气3种状态的信号分析结果表明,该方法可以有效地提取非平稳信号的故障特征,网络模型结构简单,对大数据量样本的聚类与识别准确率高,输出结果清晰、直观、可视性强,该方法为燃气发动机故障诊断提供了新的途径。     

基于SOM神经网络的远程监测与故障诊断系统

针对网络化制造对现场物理设备实时监控的要求,通过对FDM快速成型机结构和性能分析,提出了基于SOM神经网络和Java 3D的远程监控方法.完成了SOM神经网络模型的建立,应用PMAC运动控制卡采集电机转速、位置、温度等数据,实现了现场设备运行数据驱动Java 3D模型再现加工过程以及在客户端通过SOM网络实时故障诊断、优化加工参数的远程监控目的.     

利用SOM网络可视化方法诊断凝汽器系统故障

SOM网络是一种重要的无导师学习训练算法的神经网络,使用该算法进行训练后,可以将高维输入空间映射到二维空间上,并对故障现象进行自动分类,从而得出它们对应的故障原因.同时为了便于识别故障,利用U矩阵图对神经网络仿真结果进行可视化.以凝汽器故障诊断的为例,总结了凝汽器的故障集、征兆集和故障特征数据.利用SOM网络进行仿真并对其结果进行可视化分析,表明SOM网络可视化方法具有故障模式识别能力,是一种可行有效的凝汽器故障诊断方法.     

基于自组织竞争神经网路的发动机故障诊断

自组织竞争神经网络自适应的学习能力拓宽了人工神经网络在模式识别和分类方面的应用,提出了基于自组织竞争神经网络的发动机电控系统故障诊断的方法。介绍了自组织竞争神经网络及学习规则,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,运用自组织竞争神经网络建立诊断模型,诊断结果表明自组织竞争神经网络能对故障进行识别和分类,准确率比较高。     

基于小波包和SOM神经网络的车辆滚动轴承故障诊断

以车辆滚动轴承故障诊断模型为基础,针对其轴承的特点,提出了一种小波包分析和SOM神经网络相结合的故障诊断方法。将该方法应用于车辆滚动轴承的故障诊断中,经过大量实测数据的分析与验证,能够有效地诊断出轴承的故障类型,为旋转机械的动态监测和故障诊断提供了新的参考,具有重要的理论和实际工程应用价值。