基于小波包-模糊神经网络的发动机泵机组故障诊断

提出了利用小波包分解、神经网络和模糊诊断的方法进行发动机泵机组故障诊断;运用小波包频带能量分解,可以在不丢失振动信息的情况下降低信号的维数,提高神经网络的识别能力;运用了神经网络使故障诊断具有自适应、自学习能力,对发动机泵机组的各类故障进行分类和训练,得到了满意的效果.     

基于小波包频带能量分解和欧氏贴近度的柴油机气阀机构故障诊断

通过调整柴油机气阀机构的不同气门间隙,采集柴油机缸盖表面的振动信号。利用小波包改进算法对所采集的信号进行频带分解。研究了不同气阀间隙情况下的缸盖振动频带能量分布规律。以频带能量为特征向量,以同一工况下我次采样均值作为标准模式,通过计算欧几里得贴近度实现了对柴油机气阀机构间隙异常的故障诊断。     

小波神经网络在柴油机异响故障诊断中的应用

由于活塞敲缸响和活塞销响是两种常见的、却难以区分的柴油机异响故障，这里对EQ6BT柴油机这两种故障的缸体振动信号进行Morlet连续小波变换，作出小波变换系数的尺度-能量谱，并提取出尺度为3～20范围内的最大尺度能量作为BP神经网络的输入向量，实现了对该柴油机两种异响故障的诊断。结果表明，利用文中所设计的小波神经网络能非常准确地诊断出EQ6BT柴油机活塞敲缸响、活塞销响两种异响故障及其故障的严重程度。     

基于小波包和PSO-Elman神经网络的滚动轴承故障诊断

针对滚动轴承的故障诊断,分析滚动轴承故障机理及特点,提出基于小波包分析的滚动轴承振动信号的特征向量提取算法,并建立PSO-Elman神经网络进行故障诊断和识别。将滚动轴承故障振动信号进行小波包分解,构造频带能量谱作为特征向量,输入PSO-Elman神经网络对故障进行识别。试验结果表明,基于小波包分析和PSO-Elman神经网络相结合的方法可准确地实现滚动轴承的故障诊断。     

基于小波包和SOM神经网络的车辆滚动轴承故障诊断

以车辆滚动轴承故障诊断模型为基础,针对其轴承的特点,提出了一种小波包分析和SOM神经网络相结合的故障诊断方法。将该方法应用于车辆滚动轴承的故障诊断中,经过大量实测数据的分析与验证,能够有效地诊断出轴承的故障类型,为旋转机械的动态监测和故障诊断提供了新的参考,具有重要的理论和实际工程应用价值。     

基于小波包与改进BP神经网络的齿轮故障诊断

对齿轮振动信号应用小波包分解提取故障特征向量,并以此作为改进BP神经网络的输入,对神经网络进行训练,建立齿轮运行状态分类器,用以诊断齿轮的运行状态。结果表明,该方法对齿轮故障诊断十分有效。     

基于小波包变换与神经网络的齿轮故障诊断方法

对齿轮箱故障诊断问题进行研究,由于齿轮的振动信号是非平稳信号,常规的齿轮特征提取方法难以从振动信号中提取有效故障特征信息。笔者采用小波包理论对齿轮振动信号应用db12小波进行多层分解后,从而对信号进行消噪,并对消噪后的信号进行小波包3层分解及系数重构,再次对各频段能量进行处理分析从而得到特征向量。最终应用归一化方法对特征向量处理后再结合RBF神经网络进行故障诊断,并且取得了良好的诊断效果。     

基于小波包分析的滚动轴承模糊聚类方法

用小波包方法构造滚动轴承状态信号的能量特征向量,通过模糊聚类方法对滚动轴承状态进行分类,只需少量的样本数据就能获得较好的分类效果,实用性较强。试验证明了该方法的有效性。     

基于模糊RBF神经网络的滚动轴承故障诊断

针对现有滚动轴承故障诊断方法存在人为因素影响、表达模糊信息能力弱等问题。结合模糊评价和RBF神经网络的优点,选取3层小波包分解方法以获取评价因子,并使用正态分布型隶属度函数,构建了模糊RBF神经网络滚动轴承故障诊断模型。网络测试结果表明,该模型客观准确,诊断结果与实际情况一致。     

基于小波包分解的机械振动信号分析

提出了一种新的基于小波包的振动信号故障特征提取方法,运用这种方法对柴油机表面振动信号经过小波包降噪处理,有效地剔除柴油机表面振动信号的噪声干扰,提高信号的信噪比。对降噪信号提取频带能量特征,为神经网络故障诊断提供了新的故障样本。     

基于小波模糊神经网络刀具监控系统研究

针对切削过程中振动信号和AE信号的特点,利用小波分析技术提取信号深层特征,建立了新型的基于模糊推理的神经网络模型,该模型能融合振动和AE信号的特征和描述信号特征与刀具状态的非线性关系,以此识别刀具状态。试验表明小波模糊神经网络对提高在线刀具监控系统的可靠性极为有效。     

基于小波包的遗传神经网络故障诊断系统研究

用遗传算法建立了汽机故障诊断地人工神经网络模型,以小波包分解技术获得的10个频段上的能量为网络的输入模式,对汽机常见的几种故障进行分类训练,并应用于待识别故障样本的识别计算,结果表明该方法在汽机故障诊断中是有效的。     

神经网络在柴油机振动有源控制中的应用

将神经网络技术应用于柴油机双层隔振系统,构造了一种AVC(Active vibration control)系统。用Matlab语言进行有源控制仿真计算之后,采用液压执行机构在柴油机双层隔振试验台上进行试验研究,结果表明神经网络技术在振动有源控制中具有一定的可行性,在某些主要频率下振动可衰减8dB左右。     

用于气动伺服系统的自适应神经模糊控制器

研究了一种基于压力比例阀的气动伺服系统自适应神经模糊控制器。其中的神经网络辨识器（NNI）通过高线训练可以充分逼近非线性动态系统的模型,并能够在线调整模糊控制器的控制规则。系统的位置控制精度和伺服特性有了很大改善。试验结果表明,所提出的控制器对该气动伺服系统具有很好的控制特性以及很强的自适应能力。     

FUZZY NEURAL NETWORK CONTROL FOR VIBRATION WAVEFORM SYSTEM OF MOLD

Combining with the characteristic of the fuzzy control and the neural network control(NNC), a new kind of the fuzzy neural network controller is proposed, and the synthesis design method of the control law and fast speed learning algorithm of the parameters of networks are put forward. The output of the controller is composed of two parts, part one is derived on basis of the principle of sliding control, the lower order model and the estimated parameters of the plant are only required, part two is derived on basis FNN, it is used to compensate the uncertainties of the systems. Because new type of FNN controller extracts from the advantages of the intelligent control and model based sliding mode control, the numbers of adjusting parameters and the structure of FNN are simplified at large, and the practical significance and variation range are attached to each layer of the network and its connected weights, the control performance and learning speed are increased at large. The lightness of the conclusions     

小波降噪技术在柴油机故障诊断中的应用

在柴油机的故障诊断中,对其振动信号的分析是柴油机故障诊断的重要手段,但是由于噪声的干扰而使诊断的精度大打折扣,而传统的傅里叶低通滤波降噪方法对于柴油机这样的非平衡复杂振动信号不能起到好的降噪作用。本文采用小波降噪技术,将柴油机缸盖振动信号进行小波多尺度分解,然后分别进行阈值处理,最后进行小波重构,剔除柴油机的噪声信号,提高信号的信噪比,获得了比较理想的效果。     

基于小波包能量神经网络的滚动轴承故障诊断方法

针对单一的信号处理诊断方法难以实现滚动轴承故障准确诊断的局限性,提出一种基于小波包能量神经网络相融合的滚动轴承诊断方法。搭建MPS-ICP滚动轴承振动信号的数据采集平台,利用小波包变换对滚动轴承内环、外环及滚动体的故障信号进行去噪、分解与重构,有效提取不同故障下各频段能量的故障特征。将提取的能量故障特征分别输入至建立的BP、RBF和Elman神经网络的诊断系统中,实验分析表明,三种神经网络都能较好的诊断电机滚动轴承的故障类型,且与实际滚动轴承的故障类型较吻合,但就诊断误差和时间综合而言,BP神经网络诊断系统更适合电机滚动轴承故障的检测。     

用神经网络提取模糊诊断知识的方法

改进了Ｂ－Ｐ神经网络的算法结构,找了单层神经网络权值矩阵与模糊综合评判关系矩阵之间的对应关系,由此构造了模糊神经网络系统,本系统解决了模糊诊断学习困难的局限,可以将所学知识中具有普遍意义的知识提取出来,同时,将过去隐含分布式的神经网络权值矩阵的物理意义明晰化,克服了单层Ｂ－Ｐ网络的一些局限性。     

基于小波包分解和支持向量机的机械故障诊断方法

提出应用小波包分解和支持向量机进行机械故障诊断的方法。该方法将振动信号小波包分解后的频带能量作为特征向量,输入到由多个支持向量机构成的多故障分类器中进行故障识别和分类。试验结果表明,与神经网络相比,采用支持向量机进行故障诊断可以获得更高的诊断精度,表明该方法是有效的、可行的。