基于自组织神经网络的信息融合在故障诊断中的应用

提出了一种用于某机舵面系统故障诊断的方法．应用自组织神经网络的非线性拟合能力扩展相关传感器的测量信息,采用D-S证据论算法将相关传感器的输出信息进行融合．信息融合诊断策略根据这些信息确定出故障,同时对故障信号进行识别．建立了某机舵面系统故障诊断的数学模型,并进行了计算机仿真．仿真实验结果表明,该故障诊断结构形式能够对舵面常见故障进行有效的识别和告警,显著地降低了故障诊断的不确定性,提高了故障模式的识别率．     

神经网络信息融合技术在故障诊断中的应用

提出了一种某机舵面系统故障诊断的方法,针对多传感器融合的特点,将相关传感器的输出数据融合,应用神经网络的非线性拟合能力扩展相关信息,信息融合诊断策略根据这些信息确定出故障,同时对故障信号进行恢复和诊断.建立了某机舵面系统故障诊断的数学模型并进行了计算机仿真,仿真实验结果表明该结构形式对于舵面常见的故障均能进行识别和告警,效果令人满意.     

信息融合技术在传感器故障诊断中的应用

研究了扭转材料试验机传感器的故障诊断系统,为提高传感器的故障诊断精度,在对诊断方案进行分析、研究、仿真、比较和验证的基础上,结合工程实际的特殊要求和相关经验,确定了最合适的一种--多传感器信息融合故障诊断方案.通过对传感器的故障建立数学模型并进行计算机仿真,仿真结果表明该故障检测方法对于材料试验机的传感器常见的故障均能进行识别和告警,效果令人满意.     

传感器故障的神经网络信息融合诊断方法􀀁

提出了一种控制系统传感器故障诊断的结构形式,针对多传感器系统的特点,将相关传感器的输出数据综合,应用神经网络的非线性拟合能力护展相关信息,信息融合诊断策略根据这些信息确定出故障传感器,同时对故障信号进行恢复。仿真实验表明该结构形式对于传感器的三种常见故障均能进行识别和恢复,效果令人满意。     

基于信息融合技术的某新型自行火炮发动机电控系统故障诊断

多传感器故障诊断过程中,由于多方面的原因,如测量噪声的存在、诊断知识的不完全等等,使得故障诊断存在着不确定性,影响到诊断结果的可靠性和准确度;通过分析某新型自行火炮发动机电控系统的故障特点,研究了一种基于BP神经网络及信息融合技术的多传感器故障诊断方法,将该自行火炮发动机电控系统的故障诊断过程分为子系统和系统级两级诊断,子系统采用BP神经网络实现故障模式分类,系统级运用D-S证据理论对整个系统故障进行综合决策评判;应用表明,在某个子神经网络识别存在差异的情况下,采用D-S证据理论进行融合可以有效地提高识别的准确性。     

神经网络在控制系统故障诊断中的应用研究

飞行控制系统的故障诊断是保证飞行安全的重要手段.研究飞控系统的安全问题,针对飞控系统的非线性和复杂性,采用传统解析方法不能识别飞控系统故障的非线性特征,导致故障诊断准确率低的难题.为了提高故障诊断准确率,提出一种RBF神经网络观测器的故障检测与诊断方法.利用神经网络的非线性建模能力,把飞控系统中输入和输出信号作为神经网络输入与输出,通过神经网络的在线学习,得到需要的参数估计,根据网络预测值和实际输出之差与设定故障阈值的大小比较来判断故障.最后针对实际飞机的作动器三种典型故障建立仿真模型,给出了仿真实现结果,并加以分析.仿真结果表明,方法的故障诊断能力及泛化性均强于传统的解析方法,在故障诊断中很有实用价值.     

基于信息融合原理的智能故障诊断模型

针对传统设备故障诊断方法中存在的局限性,文章在对设备智能故障原理和方法初步探索和研究的基础上,提出了基于信息融合原理的智能故障诊断方法。该方法利用多源异质传感器采集设备的各种特征信息,并采用模糊神经网络融合诊断中心作为诊断判决的执行机构,从而实现准确诊断设备故障诊断原因以及对设备运行工况进行态势评估的过程。并且通过对单传感器与多传感器信息融合诊断结果的对比表明多传感器信息融合诊断比单个传感器具有更高的准确性。     

BP神经网络在飞控系统传感器故障诊断中的应用

故障检测和诊断技术对提高系统可靠性具有重要意义,针对飞控系统中常见的传感器故障,提出了基于神经网络观测器的故障诊断方法;通过构造神经网络模型代替解析系统建模,利用神经网络的学习能力在线检测传感器故障,最后,应用BP神经网络算法对故障进行仿真;仿真结果表明,神经网络观测器方法对单一传感器故障及多个传感器故障均能够准确识别,并对故障的定位也有不错的效果。     

基于集成信息融合的智能故障诊断系统设计

提出了基于集成信息融合技术的实时智能故障诊断系统结构.在对传统BP神经网络分析的基础上引入了聚类分析方法与遗传优化算法,有效降低了BP神经网络的训练难度并提高其训练精度.将遗传神经网络与自适应神经-模糊推理系统相集成用于特征级信息融合,既提高了诊断可靠性又充分利用了诊断知识;引入D-S证据理论进行决策级融合,有效地利用了各诊断单元的诊断结果.仿真测试结果表明,该故障诊断系统能迅速、准确、可靠的诊断出各种故障.     

基于径向基函数神经网络的转子系统裂纹故障诊断

结合基于模型的转子系统诊断技术和径向基函数(RBF)神经网络在辨识非线性系统动态时的优势,本文提出了一种新的转子系统裂纹故障诊断方法.该方法采用RBF神经网络对裂纹转子系统的未知动态进行辨识,实现部分神经网络权值收敛到最优值以及神经网络对系统未知动态的局部准确逼近;诊断过程中利用已辨识的信息实现转子系统裂纹故障的快速检测与分离.所提方法尤其适用于微小裂纹的在线检测与定量识别.最后,以Jeffcott转子系统裂纹故障诊断为例进行仿真,仿真结果验证了所提方法的有效性.     

基于模糊神经网络的雷达印制板故障智能诊断系统研究

以故障诊断理论和方法为基础．综合运用人工智能、模糊理论和神经网络理论．对雷达印制板故障智能诊断问题进行了研究，给出了模糊神经网络故障智能诊断系统的实现过程。仿真结果表明，该方法是一种行之有效的故障智能诊断方法。为雷达印制板的故障诊断提供了一务新的途径。     

两种优化训练的FNN在船舶柴油机故障诊断中的性能研究

本文针对船舶柴油机故障诊断系统,基于遗传算法（genetic algorithm,GA）和蚁群优化算法（ant colony optimization algorithm,ACOA）构造了2种优化训练的模糊神经网络（fuzzy neural network,FNN）智能故障诊断模式,给出了该模糊神经网络智能故障诊断系统的结构及其参数选取方法,通过对船舶柴油机燃烧子系统的FNN模型结构权值和阈值优化训练的故障诊断仿真研究,对两种方式的性能进行对比研究,仿真测试结果表明,基于ACOA的诊断模型具有更好的故障诊断知识表达准确性和较快的收敛速度等特点,具有较好的应用前景。     

基于贝叶斯网络的故障诊断专家系统

现代系统设备的日趋复杂化和自动化,对故障诊断技术提出了更高的要求;随着人工智能技术的发展,故障诊断技术向智能化方向发展,如何将人工智能技术应用到故障诊断中去,是当前研究的重点;为了实现对汽车发动机已发故障和潜在故障的快速高效诊断,根据发动机故障知识结构特性,将贝叶斯网络因果有向图的故障知识表示方法引入到专家系统中,并采用可在线监控和离线诊断的推理机制,在G2平台下实现了汽车发动机故障诊断专家系统,系统应用的效果表明了该方法的可行性.     

基于模糊神经网络和证据理论的列车智能控制系统多信息融合故障诊断研究

针对列车智能控制系统故障诊断中的多故障特征信息输入时的时变、冗余、不确定性和空间分布性,给出了一种列车智能控制系统多信息融合故障诊断的系统结构。讨论了采用模糊神经网络进行特征层融合和证据理论进行决策层融合相结合的列车智能控制系统多信息融合故障诊断方法。故障诊断实例的结果表明:该方法能够有效地提高诊断的可信度,减小诊断的不确定性。     

综合传动便携式故障诊断系统开发研究

基于综合传动装置结构特征和工作原理,以LabVIEW为软件开发平台开发了便携式故障诊断系统。系统选择转速、压力和温度作为信号监测对象,依次完成综合传动装置湿式换挡离合器、各轴转速和转向系统、润滑系统、液力变矩器等部位功能参数的实时采集、显示、存储和故障诊断功能。经实验验证,该故障诊断系统具有便携、使用方便、性能可靠和扩展性强的特点。     

基于神经网络的数模混合电路故障诊断模型设计

神经网络是智能故障诊断中运用最为广泛的诊断方法之一,能应对复杂数字电路和模拟电路故障诊断;基于VC++的神经网络诊断系统具有运算速度快、输入输出界面丰富、易于实现在线故障诊断等特点,而Matlab提供强大的神经网络工具箱,在网络训练方面有优势;利用参数文件将二者优势结合起来,可实现功能完善的数模混合电路智能故障诊断系统;诊断实例表明,使用该方法实现数模混合电路故障诊断系统,具有高建模速度和高诊断精度的特点。     

电力GIS中多层次智能故障诊断技术的研究

GIS因其强大的数据和空间分析功能，已被广泛应用于电力系统的各个方面。随着配网规模不断扩大，其运行方式变得更复杂，采用传统的、单一的故障诊断方法已不能满足实际系统的需要。本文提出一种分布式多层次智能故障诊断方法，它依据配电设备的类型进行故障诊断任务的分解，对分解后的子系统在多层智能推理策略的控制下按系统结构层次进行协同故障诊断，将最终的诊断结果在AM／FM／GIS中实时、动态地显示出来。该方法在大型复杂的配电系统中应用效果特别显著。     

基于BP神经网络的智能BIT故障诊断系统研究

论述了智能BIT的设计、检测、诊断、决策四个方面的主要研究内容,分析了BP神经网络的网络模型及工作原理,构建了基于BP神经网络的智能BIT故障诊断系统,并用某雷达录取终端的故障实际数据进行了验证。结果表明将神经网络与智能BIT结合是一种有效的诊断方法,解决了传统BIT故障诊断能力不足,导致系统虚警率过高、自适应性能差等问题,使被测系统具有更高的故障诊断能力。