基于BP网的异步电机故障诊断方法

在对异步电机三类典型故障机理的分析基础之上,提出了基于ＢＰ网的诊断方法,建立了适宜于异步电机故障诊断的网络模型和电气故障模板,开发出基于ＢＰ网的电机故障诊断软件．     

基于BP网络的汽轮发电机组振动故障诊断方法研究

首先分析了汽轮发电机组振动故障特点及ＢＰ网络的特点,指出采用ＢＰ网络诊断方法的必要性,然后对基于ＢＰ网络的汽轮发电机组振动故障的诊断方法及网络结构与诊断性能的关系进行研究。     

基于 ANN 的 FMS 故障诊断模型及其学习算法

讨论了基于前馈型神经网络的ＦＭＳ故障诊断模型，并提出一种用于前馈型神经网络训练的改进ＢＰ算法和基于遗传算法的网络初始点获取策略，给出一种通用前馈型神经网络结构和学习参数自整定学习算法，最后应用上述方法建立了基于前馈型神经网络的ＦＭＳ机器人故障诊断模型，并用所提出的新的学习算法对网络进行了学习，与传统ＢＰ算法比较，学习速度较快，且不易陷入局部极小点     

用BP网络诊断汽轮发电机组振动故障

针对ＢＰ网络的不足，提出了自适应学习率的ＢＰ网络算法，该算法从根本上解决了ＢＰ网络中学习率的取值和收敛速度慢的问题，并有效地解决了ＢＰ网络易收剑到局部最小点的问题，并将这种改进的算法应用于汽轮发电机组的故障诊断中，结果表明该方法可行。     

误差反向传播算法的优质改进及其应用

对误差反向传播（ＢＰ）算法进行了深入分析,从影响ＢＰ算法收敛速度的两个重要原因一代价函数和激励函数出发,对其进行改进,提出了一种实用,高效的改进算法,并用于机械故障诊断中,实验结果表明,训练１００次后,网络平方和误差ｅ〈Ｅ－１１．０,４００次地ｅ〈Ｅ－６０．０收敛效果和测试效果极佳。     

齿轮故障诊断的神经网络方法

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

基于BP网络的伺服阀故障诊断方法

介绍应用ＢＰ网络诊断伺服阀故障的原理和方法,在试验的基础上建立了伺服并故障诊断的ＢＰ网络,并成功地实现了伺服阀状态的模式识别。     

自适应神经网络在发电机组故障诊断中的应用

提出了自适应学习率及动量因子的ＢＰ神经网络算法和误差逼近度渐近收缩学习的ＢＰ神经网络算法，并将其应用于汽轮发电机组振动故障诊断与识别。实例结果表明，该算法学习收敛较快，误差曲线平稳，不会引起误差曲线振荡，对复合故障的识别性能好。     

基于改进果蝇算法优化PNN的变压器故障诊断研究

为了提高电力变压器故障诊断准确率,通过分析变压器油中溶解气体数据,提出了一种定向变步长的果蝇算法(DVSFOA)与概率神经网络(PNN)相结合的变压器故障诊断模型。由于PNN的参数平滑因子对输出结果影响较大,对果蝇算法位置公式进行更新调整,对平滑因子进行参数寻优,将优化结果赋值给PNN模型进行网络训练,得到了用于变压器故障诊断的最佳网络模型。实验结果表明,该组合算法具有较高的诊断精度,收敛速度快,整体性能高。     

对称PMC(SPMC)模型下节点可诊断性研究

在图论和网络科学上,网络故障诊断是目前非常受欢迎的课题之一,影响着多处理器系统的可靠性与安全性。随着多处理器系统规模的急速增长,系统的全局故障诊断模式适用性降低,相应地,局部故障诊断得益于对网络拓扑结构的要求较低,可对网络分块处理,大幅提高了诊断效率,具有更强的适用性,成为了新的研究方向。针对最新的对称PMC(SPMC)模型,研究了网络节点可诊断(局部诊断)的相关性质,提出了新的拓扑结构(拓展树结构),得到了在SPMC模型下网络节点可诊断的条件以及节点可诊断与系统可诊断的关系,并给出了扩展树结构上各节点是否故障的判定定理及详细证明。根据该定理,提出了扩展树结构网络的悲观故障诊断算法ST₂_B-FDA,并应用到超立方体网络中进行仿真实验,验证算法的有效性。该算法时间复杂度仅O(NlogN),远低于一些传统故障诊断算法的时间复杂度,可有效降低诊断成本,大幅度提升诊断效率。此外,所提出算法原理简单,便于实现及应用,也可作为大规模规则网络系统的诊断方法之一。     

D-S多Agent飞行器结构系统早期故障智能诊断

将D-S证据理论与多A gent相结合,建立了飞行器结构系统早期故障智能诊断模型,对其实现策略、D-S融合推理算法等进行了分析和研究,并以空间飞行器防热系统为例说明了该方法的有效性。结果表明,该方法具有结构简单、组态灵活、推理速度快等特点,能够有效地对飞行器早期故障实施快速诊断,为保障飞行器安全可靠飞行提供了一种新的技术途径。     

基于贝叶斯网络的真空树脂灌注机故障诊断

本文将贝叶斯网络技术应用于真空树脂灌注机的故障诊断,建立了故障诊断基本结构,并通过实验验证了该方法的可行性.本方法可广泛应用于往复工作设备的故障诊断工作.     

神经网络在机械设备故障诊断中的应用研究

提出了一种基于RBF神经网络的机械设备故障诊断方法，详细讨论了RBF神经网络的结构、训练算法及用于机械设备故障诊断的步骤，最后通过以柴油机系统的故障诊断为例，验证了此方法的可行性。     

列车轴承频带变化类故障的诊断方法

为了解决常规谱分析技术在列车轴承故障诊断中的误诊和漏诊问题,分析了列车轴承频带变化类故障的振动机理,研究了一种基于数据插值重采样分析的诊断方法;通过脉冲触发式整周期采样技术以及等角度重采样、特诊谱提取技术等信号处理方法,实现列车频带变化类故障的精确诊断.仿真分析与实验结果表明,该诊断方法能准确、有效地识别列车轴承早期故障.     

贝叶斯网络在水电机组故障诊断中的应用研究

分析了传统故障诊断方法对于处理实际系统中的不确定性问题时所存在的不足,将贝叶斯网络的理论与方法应用到水电机组故障诊断中,介绍了贝叶斯网络的建模方法与推理机制,并通过一个专家系统的建模过程与诊断结果,证明了基于贝叶斯网络的水电机组故障诊断专家系统所具有的独特优点。     

故障诊断树生成技术研究与实装验证

讨论了基于相关性矩阵的故障诊断树生成技术和优化方法：采用设置故障测试点,得到故障信息相关性矩阵,以描述系统各单元的逻辑关系。利用故障检测、故障隔离化简相关性矩阵,并通过生成故障诊断树的方式得出故障测试最优步骤,从而将故障快速定位到可更换单元。通过介绍某装备系统的故障诊断树生成过程说明诊断树的生成步骤,并用该诊断树对装备进行故障检修,说明其正确性、实用性和优越性。     

基于小波变换的水轮机组故障诊断的研究

对传统傅立叶分析技术在水轮机组振动故障诊断的故障特征提取的应用进行深入研究的基础上,针对使用该方法提取的频率信息精度不够的问题,提出了一种运用小波分析技术对水轮机组振动信号进行故障诊断的方法.采用Mallat算法并运用设定阈值的方法对采集到的裂纹转子的振动信号进行去噪,然后运用Trous算法对滤波后的振动信号的突变信号特征进行提取.结果表明本方法对水轮机组的振动信号故障诊断具有很好的准确性,为水轮机组故障识别提供了一种方法.     

基于改进PSO-BP混合算法的电力变压器故障诊断

采用粒子群算法和反向传播神经网络建立一种新型变压器故障诊断网络模型,设计故障诊断方法.仿真分析结果表明：基于该网络模型的诊断方法与传统的三比值法相比较,具有较好的故障识别与分类能力,显著提高了诊断准确率,将在电力设备故障诊断中有良好应用前景.     

基于模糊数学的汽车悬架系统故障诊断方法

将模糊数学方法引入悬架故障诊断中,分析了故障与征兆之间的模糊关系,建立了悬架故障诊断的模糊综合评判模型。同时借助状态参数法建立了隶属函数数学模型,采用最大隶属原则,对悬架系统进行综合评判。并以典型故障实例验证了所建模型的正确性及实用性。     

基于交叉覆盖算法的模糊神经网络在车用发电机故障诊断系统中的应用研究

文章针对车用交流发电机的特点,建立了故障现象与故障征兆列表,并应用基于交叉覆盖算法的模糊神经网络,实现了对该类发电机故障的模糊诊断。