遗传神经网络在齿轮故障诊断中的应用

由于齿轮故障征兆与故障之间具有非线性和耦合性等特点,采用BP神经网络对齿轮进行故障诊断存在着收敛速度慢和可靠性差等缺点,提出了一种基于遗传算法的BP神经网络齿轮故障诊断方法,即在利用BP神经网络对齿轮进行故障诊断的基础上,利用遗传算法对神经网络的权值和阈值进行修正,得到全局的最优值.仿真结果表明,该诊断策略具有故障诊断能力强和诊断效率高的特点,改善了齿轮故障诊断的精度和速度.     

基于1D-CNN的齿轮3D振动信号故障诊断方法

为了解决从齿轮一维振动信号提取故障特征不全面的问题,提出一种基于一维卷积神经网络（one-dimensional convolutional neural network,1D-CNN）的齿轮3D振动信号故障诊断新方法。首先,提取原始三维振动信号各维的时域特征;其次,利用一维卷积神经网络（1D-CNN）模型进行特征选择;最后,将选择后的特征进行重组,重组特征作为1D-CNN故障诊断模型的输入实现故障分类操作。结果表明,利用提出的故障诊断方法,诊断准确率显著提高。模型的结构简单,训练速度快,能够快速实现故障诊断。     

基于故障演化分析的齿轮故障预测特征选择

提出基于故障演化分析的齿轮故障预测特征选择方法.根据机械动力学与振动模型,计算不同故障严重程度下系统的输出响应.使用特征选择方法建立不同特征描述的齿轮故障演化曲线,计算各特征对齿轮故障演化过程的跟踪能力,选择跟踪能力最大的特征作为故障预测特征.以一阶齿轮传动系统的齿轮裂纹故障为例,论证结果表明,小波熵对齿轮裂纹故障演化过程的跟踪能力最大,采用小波熵作为齿轮裂纹故障的预测特征能有效提高故障预测的精度.     

基于混合特征提取和WNN的齿轮箱故障诊断

提出了一种基于混合特征提取和小波神经网络(WNN)的齿轮箱故障诊断方法,运用时域分析法、小波分解和小波包分解相结合的方法对齿轮箱振动信号进行故障特征提取,将所提取的特征值作为WNN分类器的特征输入参数,采用反向传播(BP)算法对WNN结构中的平移参数、尺度参数、连接权值和阈值进行调整和优化.在实验中采用不同裂纹尺寸的齿轮来模拟三种故障模式,通过对三种故障齿轮进行诊断和分类,能证明本文所提议的故障诊断方法是有效且可靠的.     

齿轮箱在线监测诊断方法研究与系统设计

研究了齿轮箱齿面缺损和齿轮偏心等典型故障的时域、频域和时频域特征,以此为依据提取了故障特征向量,应用RBF神经网络进行了齿轮箱故障识别,识别试验表明文中所研究的方法能准确识别齿轮箱故障状态。以前面研究的故障诊断方法为基础设计了基于LabVIEW的齿轮箱在线监测诊断系统,系统具有齿轮箱振动信号采集,齿轮箱振动信号时域、频域分析和时频分析,以及齿轮箱故障模式识别功能,系统已经应用于交通部救助局海洋救助船船舶动力装置监测诊断系统,作为齿轮箱监测诊断模块。     

基于小波包与支持向量机结合的齿轮故障分类研究

文章通过对齿轮系统在不同的运转状态下故障类型进行试验测试分析,采集了有关的振动测试信号,对振动特征信号进行了小波阈值去噪,运用小波包方法对信号进行分解,然后对分解后的各层信号进行重构,并计算各层的能量,将它作为故障特征,在此基础上将各层信号特征作为输入,运用支持向量机对它们进行分类,将所得结果与神经网络分类的结果进行了比较。研究表明,去噪处理后的效果比没有去噪的信号特征更加明显,而采用小波与支持向量机结合的方法,对于单一故障和复合故障都能够进行很好地区分与诊断,其诊断成功率均在92%以上。该方法不仅可对实际工程工作的齿轮系统进行故障诊断,而且可用于其它故障诊断领域。     

基于变精度粗糙集的齿轮故障诊断

提出一种基于变精度粗糙集的齿轮故障诊断模型。首先用自组织特征映射神经网络进行数据的离散化;再由变精度近似依赖度进行属性约简;然后生成故障诊断规则。给出一个齿轮的故障诊断的实例,并与粗糙集的故障诊断模型进行比较。结果表明基于变精度粗糙集方法降低了决策规则的复杂度及规则数量,且提高了故障识别率。     

基于SA-BP算法的主减速器品质诊断研究

汽车噪声是影响汽车品质的重要因素,而后桥主减速器齿轮噪声是微车噪声的主要来源。齿轮故障诊断是一个复杂的非线性问题,目前只能靠人工经验来诊断故障。提出了改进的模拟退火——BP神经网络融合算法,该融合算法克服了BP算法易陷入局部极小的缺点,将其应用于主减速器品质诊断,研究结果表明优于传统算法,效果突出。     

应用BP网络对增速器故障进行学习和诊断

以大型离心压缩机的增速器为研究对象,应用BP人工神经网络对其故障进行学习和诊断,在学习样本和特征参数不完备的情况下,给出了网络的输出;与谱分析诊断结论比较后,得出了神经网络应用于齿轮传动装置故障诊断的可行性。     

EEMD两级神经网络的数控机床伺服系统故障诊断

首先通过集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)得到含有核心故障信号IMF分量作为特征量,按故障部件确定故障定位总神经网络,然后以电机、轴承、滚珠丝杠和联轴器故障类型分别建立故障类型分神经网络。     

基于神经网络的自适应控制

在常规模型参考自适应控制器基础上采用神经网络作为辨识器和控制器，组成模型参考神经网络自适应控制系统。利用神经网络的优点弥补传统自适应方法的不足，使系统具有更强的鲁棒性。仿真结果表明，该系统比传统模型参考自适应系统具有更好的稳定性和更快的响应速度。     

基于改进神经网络的建筑结构损伤识别方法研究

采用ANSYS有限元分析软件建立神经网络的训练样本,将结构的固有频率作为网络输入,结构损伤的位置和损伤程度作为网络输出,提出了基于神经网络的建筑结构损伤识别方法。讨论了神经网络训练方法和隐含层节点数目对目标函数的影响,分析了网络训练的训练不足和训练过度等问题。以简单的建筑结构为例,基于MATLAB的GUI工具进行了BP神经网络的设计和分析。数值反演结果表明,所改进的建筑结构损伤识别方法具有良好的反演精度和较快的收敛速度。     

土木工程结构损伤检测中的神经网络方法

结构损伤检测与识别对结构安全及人们生命财产具有重要意义．近年来结构损伤检测中的神经网络方法受到了广泛的关注和研究．对神经网络方法在结构损伤检测中的研究进行了综合论述．阐述了各类神经网络方法在损伤检测中的应用、输入输出数据的不同类型、结构建模误差对检测效果的影响和分步损伤检测方法等。并对神经网络方法在损伤检测中的发展前景作了展望．     

一类时变非线性离散系统的分散自适应控制

把自适应的概念和神经网络理论相结合，本文提出了采用神经网络的分散自适应控制算法。系统中的神经网络用作辨识和控制器，这个算法适用于一类时变非线性离散系统。对算法的稳定性进行了分析，仿真例也说明了算法的有效性     

基于神经网络模型的信息融合技术

介绍了信息融合概念以及在信息融合领域中常见的BP神经网络和在此基础上发展而来的模糊神经网络和混沌神经网络,指出利用神经网络技术与信息融合技术相结合进行分析研究具有较大的拓展空间,信息融合的神经网络适用于更广泛的领域.     

一种基于神经网络的专家系统设计

提出了一种基于神经网络的专家系统设计方案,其核心是作为知识库的人工神经网络(ANN)和基于ANN的正向推理机制。研究了一种表达知识的二元产生式规则及其编码方法,通过编码知识被存储在ANN中。基于ANN的知识库,设计了一种具有正向推理的推理机,并且以动物识别为背景,设计了一个原型系统。     

基于回路神经网络的特征子空间估值算法

基于运用回复式离散神经网络进行特征子空间估值的理论,提出了解决正定对称矩阵的特征子空间估值问题的算法。其神经网络被描述为离散时间系统,它们在整个连续时间神经网络模型的数字化处理即计算机仿真方面具有优势,可以很容易地应用于数字化硬件。仿真结果的给出进一步阐明了网络良好的性能。     

具有离散和分布时滞的中立型细胞神经网络的全局渐近稳定性

文章研究了一类具有离散和分布时滞的中立型细胞神经网络的全局渐近稳定性问题,首先利用拓扑度原理等相关知识,证明了系统的平衡点的存在唯一性,然后通过构造Lyapunov—Krasovskii泛函,得出了具有离散和分布时滞的中立型神经网络系统的平凡解的全局指数稳定性的判别条件。     

基于非线性输入前向网络的色谱实验条件优化

利用包含实验条件两两偶合的非线性输入前向网络,研究了热解吸－气相色谱实验条件的优化。我们发现,这种非线性输入网络很好地给出色谱实验条件与评价指标之间的映射关系,在隐层单元数目均为６个时,非线性输入网络与线性输入网络的收敛速度相近。     

神经网络统一计算模型的设计规范

通过统一处理数据和功能的方式,建立了一种神经网络的统一计算模型,并借助Ｃ语言的结构类型提供了与该计算模型有关各项结构的形式化描述。最后,分别描述了神经网络的统一计算模型在计算设计和应用设计中的实例化方法。