基于遗传神经网络的矿井通风机故障诊断研究

为了提高矿井通风机机械故障诊断的准确性,提出了一种基于遗传神经网络的矿井通风机故障诊断模型。利用BP神经网络的自学习、自适应、强容错性,并通过遗传算法优化BP神经网络的连接权重和阈值。弱化了故障诊断中的人为因素,提高了评价结果的准确性和权威性。仿真结果表明,该诊断方法具有准确度高、诊断速度快等优点,是一种实用的故障诊断方法。     

基于Elman神经网络矿用通风机故障诊断的研究

介绍了一种基于Elman神经网络的通风机故障诊断的诊断原理,学习算法以及技术路线。通过对现场信号特征数据的采集以及归一化处理,对Elman神经网络选取最优的结构与参数,实现了煤矿主通风机故障类型的智能分类与诊断。与传统BP神经网络诊断结果相比较,Elman神经网络综合诊断性能更优。最后通过风机的故障诊断实例表明:Elman神经网络在提高学习速度上有了很大的改进,并且有效地抑制了传统神经网络容易陷于局部极小的缺陷,缩短了自主学习的时间,是风机故障诊断的有效方法。     

神经网络技术与小波分析相结合的故障诊断方法

提出了一种将神经网络技术与小波分析相结合的故障诊断方法,对诊断对象进行时域信号采集,通过小波分析,获得所需参数,再将此参数作为神经网络的输入量,从而达到故障诊断的目的.     

基于EMD能谱熵和概率神经网络的采煤机摇臂齿轮故障诊断

采煤机摇臂齿轮是采煤机故障高发区,对其进行故障诊断研究可提高摇臂可靠性,提高工效。结合摇臂工作特点,提出基于EMD能谱熵和概率神经网络的齿轮故障诊断方法,提取振动信号EMD分解的前9个IMF分量的能谱熵作为故障特征信息,并将其作为概率神经网络的输入向量进行齿轮故障的分类与识别。结果证明该方法可实现齿轮故障准确诊断,是一种有效的摇臂齿轮故障诊断方法。     

基于小波神经网络的采煤机摇臂故障诊断的研究

针对采煤机机械系统故障信号诊断的问题,在小波分析和神经网络的基础上,采用了一种基于小波神经网络诊断采煤机摇臂故障的方法。根据摇臂振动的信号通过小波分析检测出信号奇异点和突变情况,利用小波基函数作为小波神经网络的激励函数对故障信号做进一步的诊断,判断出故障特点和程度。结果证明此方法在故障诊断中的诊断准确率较高。     

基于模糊神经网络的异步电动机故障诊断研究

针对异步电动机常见的故障特点,采用基于模糊神经网络的故障诊断方法,通过利用改进的BP算法,运用该诊断模型,对异步电动机故障进行了诊断。仿真结果表明,该诊断方法具有准确度高、诊断速度快等优点,是一种较实用的故障诊断方法。     

基于遗传算法优化的RBF神经网络的压力传感器故障诊断

提出了一种基于遗传算法优化的RBF神经网络故障诊断方法,此诊断方法首先利用小波包分解的方法对传感器电路的各种故障数据进行特征提取,再将所得的特征向量输入到遗传算法优化的RBF神经网络进行故障诊断。经过MATLAB仿真,此故障诊断方法不仅对传感器故障进行准确分类,而且提高了BP神经网络的收敛性,从而验证了此方法是可行的。     

基于D-S证据理论和BP神经网络的齿轮箱故障诊断

在故障诊断时,需要从多方面获得关于同一对象的多维信息并进行融合,才能对设备进行更可靠更准确地诊断,以求得最佳诊断结果。以齿轮箱故障作为研究对象,提出了一种基于D-S证据理论和BP神经网络相结合的信息融合诊断方法,并进行了验证。首先利用BP神经网络对测量数据进行分析诊断,最后用D-S理论对诊断结果进行融合,结果满足需求,从而证明了D-S理论和BP神经网络相结合的诊断方法的实效性。     

基于粒子群优化RBF神经网络的液压钻机故障诊断

提出了一种基于粒子群优化径向基神经网络的液压钻机故障诊断方法。该方法使用虚拟仪器及LabVIEW软件对液压钻机的特征信号进行采集,利用粒子群优化算法对径向基神经网络的径向基中心值、宽度以及权值进行优化,实现了液压钻机的故障诊断。结果表明,基于粒子群优化径向基神经网络的液压钻机故障诊断方法在小样本情况下,诊断准确率高,实用性强。     

小波包神经网络在数控机床故障诊断中的应用

为了能够提高数控机床故障诊断的正确率,提出了小波包模糊神经网络方法对数控机床进行故障诊断,也提出了小波包分析提取特征向量的程序,利用小波包分析可以获得数控机床的特征向量,应用模糊神经网络对数控机床进行故障诊断.利用小波包模糊神经网络对数控机床常见的8种故障进行了诊断,证明小波包神经网络进行故障诊断的有效性.     

模糊神经网络在提升机制动系统故障诊断中的应用

针对BP神经网络在提升机制动系统故障诊断中的局限性,如收敛速度慢和可靠性差等缺点,根据提升机制动系统的故障机理和特点,提出了一种基于遗传算法的模糊神经网络故障诊断方法。结合了神经网络和模糊逻辑的优点,在利用神经网络对提升机制动系统进行故障诊断的基础上,引入模糊逻辑的概念,采用模糊隶属函数来描述这些故障的程度,并利用遗传算法对网络的权值和阈值进行修正,加快了网络收敛的速度,克服了易陷入局部极小的问题。     

SOM神经网络在复合材料损伤监测中的应用

总结研究了自组织特征映射(SOM)神经网络的结构及学习算法,提出了利用SOM神经网络对输入样本的"聚类"作用及MATLAB神经网络工具箱来实现对故障模式的分类,通过U矩阵图对其分类结果进行仿真与分析的新方法。结果表明:该网络对复合材料损伤监测的诊断故障能够准确识别和分类,与一般可视化界面相比,此方法可视化界面更简单直观,故障识别率高,应用于材料无损检测是有效可行的。     

基于遗传算法优化BP神经网络的提升机制动系统故障诊断

针对提升机故障诊断系统的复杂性,利用浮点数编码的遗传算法优化BP神经网络的初始权值和阈值,再按BP算法沿负梯度方向进行网络学习直至收敛,构建起遗传算法优化BP神经网络的诊断方法。将此诊断方法应用于2JTP-1.2型提升机液压制动系统,诊断结果表明,该方法用于提升机液压制动系统常见故障诊断可行。     

基于神经网络与专家系统的高压断路器故障诊断研究与分析

利用神经网络获取故障编码,把与之相对应的故障类型存放到知识库中,故障诊断时专家系统利用故障编码通过正向推理找到对应的故障类型,给出合理的故障解决办法。经仿真结果证明,这种将神经网络与专家系统集成的智能诊断系统,为高压断路器的快速故障诊断提供了一种新的途径。     

SOM神经网络在全液压钻机液压系统故障诊断中的应用

利用神经网络的非线性映射及其高度的自组织和自学习能力,将SOM网络应用于钻机液压系统的故障诊断。根据钻机液压系统故障的特点,选取能够表征全液压钻机故障特点的样本,设计相应的SOM神经网络,并在MATLAB环境下实现了对网络的训练和仿真实验,表明该方法有很强的实用性,为全液压钻机的故障诊断提供了一种途径。     

基于人工神经网络技术的矿用带式输送机滚动轴承故障诊断

研究了人工神经网络的原理、结构和学习算法,并将该网络应用于带式输送机滚动轴承的故障诊断中。采集不同类型的滚动轴承故障信号,并对信号进行预处理。利用神经网络进行训练,当训练误差满足设定要求时,训练完成。利用训练成熟的神经网络对滚动轴承进行故障诊断。实验结果表明神经网络技术可以快速、准确地诊断出带式输送机滚动轴承的故障类型。     

基于模糊输入的概率神经网络在变压器故障诊断中应用

将概率神经网络引入到油浸式电力变压器的故障诊断中,并提出了利用模糊数学的知识对神经网络输入进行预处理方法。采用改良的三比值方法来实现故障诊断,建立了基于模糊输入的神经网络故障诊断模型。通过对神经网络模型的实例训练及仿真,证明了此方法有较好的收敛性,提高了故障诊断的有效性和准确性。