基于遗传-BP神经网络的航空发动机气路故障诊断研究

为提高BP神经网络诊断发动机气路故障的准确率,利用遗传算法对BP神经网络的初始连接权值和阀值在解空间内进化寻优,再将优化结果赋给网络以梯度下降算法进行二次训练,再对待检故障样本进行诊断。结果表明：GA BP网络在输出精度、收敛速度及收敛曲线平滑性上明显优于普通BP网络,为航空发动机故障诊断领域的研究提出了新的思路和方法,具有一定研究价值。     

基于改进BP神经网络的机器故障诊断技术研究

机器故障诊断技术进入智能化阶段,利用人工神经网络诊断故障模式的优势十分明显。传统BP神经网络存在收敛慢,容易陷入局部最小等缺陷,提出了基于批处理的变速率的BP求解方法。根据问题描述,改进了BP网络故障识别模型,并以拖拉机的减速箱为例,建立模型进行故障模式识别,比较改进BP与传统BP的误差曲线,论证方法有效。     

基于BP神经网络的SCARA机器人故障诊断

以SCARA机器人为研究对象,在ADAMS软件中建立SCARA机器人模型,进行仿真。采集SCARA机器人大臂前后端、小臂前后端及底座等容易出现裂纹部位的加速度数据;在MATLAB中运用BP神经网络建立SCARA机器人故障诊断模型,实现利用BP神经网络对SCARA机器人故障进行智能识别与分类。结果表明：BP神经网络的计算结果与期望输出基本一致,验证了其准确性及可靠性。     

基于BP神经网络的液压系统故障诊断专家系统

本文尝试将BP神经网络应用于液压系统的故障诊断，阐述了基于BP神经网络的故障诊断专家系统的基本结构，以及知识库，正向推理机和解释机的实现方法。     

基于BP神经网络的武器火控系统故障诊断平台

武器火控系统广泛采用PLC控制系统。首先根据火控系统工作流程建立故障诊断模型,然后详细介绍了BP神经网络的原理及如何在武器火控系统故障诊断中应用,特别是故障诊断中BP神经网络结构和故障诊断训练样本的确定方法。最后根据上述分析建立火控系统故障诊断实例。实践表明,应用BP神经网络算法后故障诊断系统的诊断准确率达到90％以上,该方法具有一定的参考及实用价值。     

BP神经网络在齿轮箱故障诊断中的应用

介绍了BP网络的原理、算法，并用BP网络对采煤机截割部齿轮箱机械传动系统的故障进行了趋势预测。经过地面模拟加载实验及井下验证，证明用人工神经网络可较好地预报机器故障，变被动维修为视情维修，可节省大量的设备维修费用，为合理安排生产计划及设备检修提供了可靠的依据。     

基于BP神经网络的电解加工故障诊断方法研究

针对机匣电解加工工艺复杂、加工环境封闭且故障发生时特征不明显、诊断不及时等问题，提出一种利用遗传算法优化BP神经网络的电解加工状态预测与故障诊断方法，不依赖于加工人员的诊断经验。通过对机匣电解加工过程进行故障诊断试验，表明正常情况下优化后的BP神经网络的识别准确率可达95%，该方法为机匣电解加工故障诊断提供了一种新的模式，有效提高机匣电解加工的可靠性。     

基于遗传算法优化BP神经网络的液压系统故障诊断

液压系统作为控制和动力传输设备的核心部件,在现代工业生产机械中被广泛应用,准确诊断其故障具有提高生产效率和保障工作安全性等重要的工程意义。液压系统一旦发生故障往往是多故障同时出现,传统BP神经网络故障诊断算法往往不能满足多故障诊断准确率,提出一种基于遗传算法改进BP神经网络（GA-BP）的液压系统故障诊断方法,针对不同采样频率下多传感器信息融合的液压系统3种典型的故障模式进行对比分析。结果表明：GA-BP故障诊断算法相对于传统的BP神经网络具有更好的诊断性能。     

基于遗传优化的BP神经网络

人工神经网络的优化学习是其研究中的一个重要课题.将遗传算法用于BP神经网络的学习,将遗传算法的全局搜索和BP神经网的局部搜索相结合,并设计一网络实例加以训练,达到了比较满意的效果.     

用BP神经网络实现PLC控制系统故障诊断

介绍了PLC控制系统故障诊断的BP神经网络方法。文中首先对PLC控制系统故障诊断模型、PLC控制系统故障特点进行了分析。然后详细介绍了用BP神经网络实现PLC控制系统故障诊断的过程，特别是故障诊断BP神经网络结构和故障诊断训练样本的确定方法。在文章最后，还给出了该故障诊断方法的应用实例。     

基于EMD与BP神经网络的齿轮故障诊断

针对基于传统BP神经网络的齿轮故障诊断方法存在收敛速度慢,误差较大等问题,提出经验模式分解（EMD）与BP神经网络相结合的齿轮故障诊断方法。首先简述经验模式分解和BP神经网络的基本原理,然后采用EMD方法提取齿轮时域信号中的各个IMF分量,计算IMF分量中故障信号能量特征参数,将这些能量特征参数作为BP神经网络输入参数进行故障诊断。在齿传动故障实验台上采集足够的样本数据进行实验研究。结果表明:与传统的BP神经网络相比,可将训练误差从0.01降低至0.001左右。此外,训练迭代次数可减小至10次以内。     

基于BP神经网络的浆体管道输送系统故障诊断

在浆体管道输送系统中,受设备成本、安装难度等因素的限制,往往安装的测量仪表较少,从而导致可测变量偏少,且变量之间存在非线性关系,难以建立精确的数学模型,给故障诊断带来很大困难。通过MATLAB神经网络工具箱构建BP神经网络,利用离线数据对网络进行训练,将训练好的BP网络应用到浆体管道输送系统故障诊断中,有效地实现了两种典型故障的诊断。     

基于BP神经网络的三电平逆变器开路故障诊断研究

分析了三电平变频器发生故障的原因,并将2只IGBT开路故障进行分类,为各类故障进行编码。选择逆变电路3个桥臂的相电压信号作为研究对象,利用d-q变换将三相电压信号转换为两相以减少故障信息的维数,通过傅立叶变换提取不同故障下的特征向量;建立一个4层的BP神经网络并进行故障诊断,将特征向量作为输入,对应故障的编码作为输出,对网络进行训练仿真,实现并验证了采用BP神经网络对三电平变频器故障诊断的可行性和准确性。     

基于风驱动优化BP神经网络的滚动轴承故障诊断

提出一种基于风驱动优化BP神经网络的滚动轴承故障诊断方法。把BP神经网络权值和阈值作为优化参数,利用风驱动算法对其进行优化,提高了神经网络的训练效率和准确率。对滚动轴承的振动信号进行处理,提取其时域特征、频域特征、FFT谱特征、功率谱特征、小波包络谱特征作为轴承的故障特征。经测试,优化算法的诊断结果正确,减小了BP网络的训练误差和测试误差,验证了风驱动优化BP神经网络用于滚动轴承故障诊断的有效性和实用性。     

基于改进BP神经网络铆接接头力学性能预测

针对钢铝材料的铆接接头优化设计和结构车身混合材料接头技术问题,使用改进的BP神经网络模型研究钣金材料厚度、硬度、接头底部直径等的接头技术参数与材料自身剪切力与剥离力强度等力学参数的映射关系。ALM算法被用来优化改进的BP神经网络预测模型连接权值,提高了神经网络模型的预测精度和泛化能力。对改进的神经网络的预测结果进行检验的结果表明,训练后的神经网络模型能够准确有效地预测铆接接头力学性能,证实了改进神经网络应用于铆接接头力学性能预测的可行性与可靠性。     

BP神经网络在挖掘机液压系统故障诊断中的应用

介绍了BP网络的结构及学习算法,阐明了液压系统故障诊断的实现过程.通过对挖掘机液压系统常见故障进行试验和测试,验证了该神经网络收敛速度快,学习记忆稳定,具有很好的学习功能;测试结果表明该诊断方法具有高可靠性,达到了预期的结果,可以用于液压系统的故障诊断.     

基于改进BP神经网络的控制图模式识别系统

提出一种基于激励函数参数可调和动态阈值的改进BP神经网络控制图模式识别算法,并优化Monte Carlo工序数据模拟方法,使样本数据更具与实际生产数据相同的质量特性.根据改进后的网络参数迭代公式,将预处理后的样本数据作为输入对该神经网络识别器进行训练,训练结果用于生产过程的控制图模式识别.改进BP神经网络识别器的拓扑结构简单,在保证识别精度的前提下,提高识别速度,改善神经网络的泛化能力.最后,通过计算机模拟和生产现场应用验证该算法的可行性.     

改进的BP神经网络在风机故障诊断中的应用

采用动量法和学习速率自适应法的改进BP神经网络进行风机的故障诊断.根据风机的故障诊断特点,确定神经网络的结构与参数,并制作了相应的故障诊断界面,最后通过风机的故障诊断实例表明:改进的BP神经网络提高了学习速度,有效地抑制了网络陷于局部极小,缩短了学习时间,是风机故障诊断的有效方法.     

基于混合神经网络的数控机床故障诊断技术研究

为了实现数控机床故障诊断的自动化和智能化,提出了一种基于混合神经网络的数控机床故障诊断技术.首先通过一级BP神经网络对输入的故障信息进行分类,然后针对分类后的故障再通过二级ART神经网络实现故障的诊断和排除.基于两级混合神经网络的故障诊断系统不但具有故障自动诊断功能,而且还具有自学习和自组织等智能.     

基于ARMA神经网络的泵机组故障诊断

泵机组是保障油库正常作业的主要装备,也是一个有机的整体,采集的信号往往以几种故障状态的形式表现出来,因此对其进行故障诊断非常复杂。通过ARMA(时间序列分析法)提取振动信号中的振型参数、阻尼比、振型系数,然后利用BP神经网络进行模式识别。实验结果证明,利用ARMA与BP神经网络结合的方法,可以达到很好的识别效果。