基于小波包分解和卷积神经网络的滚动轴承故障诊断

针对旋转机械滚动轴承在恶劣工作环境中易于损坏,而目前故障诊断过于依赖人工特征提取的问题,提出了一种基于小波包分解和卷积神经网络(CNN)的滚动轴承故障诊断方法(WPDEC-CNN):通过小波包分解对振动时域信号进行处理,获得表征信号相似的小波系数,再将其进行预处理后输入CNN进行分类识别.试验结果表明,WPDEC-CN...     

基于小波包的织物纹理分类

采用小波包和BP神经网络相结合的方法对织物纹理进行分类 ,实验表明 ,分类率可达 98%。     

基于多重结构小波神经网络的航姿系统故障诊断研究

根据飞机航姿系统的结构特点和故障诊断过程的特性,建立了复杂设备故障诊断的多重结构小波神经网络模型结构,并将其应用于飞机航姿系统的故障诊断,结果表明,该方法有效地降解复杂系统故障诊断问题的复杂性,提高了航姿系统故障检测和诊断效率,同时为非线性系统的故障诊断提供了新的理论和方法。     

基于小波变换和BP神经网络的织物疵点检测

探讨基于小波变换和BP神经网络的织物疵点检测技术。为准确检测织物疵点,采用小波变换对预处理后的织物图像进行分解,小波分解后不同的子图像反应了织物的不同细节信息,从小波分解后的水平细节子图像和垂直细节子图像中提取特征参数,特征参数的提取采用灰度共生矩阵法,将提取到的特征参数送入训练过的BP神经网络,进行检测疵点,达到疵点织物融合、形态学和阈值处理并显示疵点的目标。实验证明:该方法行之有效。认为:寻找更适合的方法提取更有效的特征值和改进神经网络可以提高识别效率。     

神经网络在机械故障诊断中的应用

对BP神经网络进行数学推导及详细论述,提出神经网络用于机械故障诊断的前提条件,对轴承神经网络故障诊断系统进行仿真。     

基于BP神经网络的电控发动机故障诊断应用研究

以桑塔纳2000(GSI)电控发动机为例,在怠速工况下,模拟发动机可能出现的故障,利用金德K81电脑检测仪和NHA—501型尾气分析仪采集数据样本.调用Matlab神经网络工具箱中的BP神经网络,对所采集的其中4组数据样本进行训练、仿真.结果表明,BP神经网络对发动机故障的诊断是迅速、准确的.     

一种基于遗传算法优化BP神经网络的电网故障诊断方法

提出了一种基于遗传算法优化BP神经网络的电网故障诊断方法,利用神经网络的非线性问题处理能力进行故障诊断。针对BP神经网络在运算过程中易陷入局部极小的问题,结合遗传算法计算网络参数初始值,寻找最优的隐含层节点数,对网络进行优化。结合实例验证,该方法相对于传统BP神经网络在解决电网故障诊断问题上,收敛速度和准确率都有所提升。     

基于神经网络的复合材料缺陷超声波检测研究

描述了三维编织复合材料内部缺陷的超声波检测方法。在实现方法上,系统对三维编织复合材料的超声波A扫描回波信号进行小波包变换后,材料的内部缺陷信号被分解后表示为能量特征,并将缺陷特征值作为BP神经网络的输入参数,通过BP神经网络实现对三维编织复合材料微裂纹和孔隙的分类识别,并对三维编织复合材料缺陷自动化识别。实验结果证明该方法分析三维编织复合材料内部缺陷是可行性。     

基于傅丽叶变换——神经网络的模拟电路故障诊断

提出了一种基于傅丽叶变换与神经网络的模拟电路故障诊断方法,该方法用傅丽叶变换对电路频域响应信号进行数据压缩,用神经网络对模拟电路进行故障诊断。仿真表明,该方法能简化神经网络的结构,降低计算的复杂度,加快训练速度,提高诊断准确率。     

基于正交小波包变换的电能质量扰动检测与定位

文章在模拟仿真了含有高斯白噪声的电能质量扰动信号的基础上,给出利用正交小波包算法对电能质量扰动信号进行检测和定位的方法。研究结果表明,该方法有更好的检测性能,能更精确检测瞬态扰动发生的时刻和持续时间。     

基于神经网络的故障诊断

本文以神经网络为理论基础介绍了神经网络在故障诊断中的应用方法,并以风机以某钢铁公司烧结厂烧结风机,不同测点现场采集的待诊数据为神经网络训练样本和测试样本,通过MATLAB软件得出识别结果,结果表明该方法的正确性和有效性。     

浅谈小波方法在模拟电路故障诊断中的应用

模拟电路的故障诊断一直以来就是电路领域的一个研究热点和重点。当前,基于小波分析方法为模拟电路故障诊断提供了一条新的途径。首先提出了小波方法的理论知识,重点阐述了小波变换和基于小波变换的模拟电路故障特征提取,说明了小波方法在模拟电路故障诊断中的应用优越性。     

基于小波变换与RBF神经网络的焊缝缺陷智能化检测

文章主要阐述了对船舶水下关键部位焊缝缺陷的一种智能化检测及识别方法。该方法基于小波变换与RBF神经网络理论。利用小波变换对回波信号进行预处理,提取出所需要的焊缝缺陷的特征信息。然后由RBF神经网络对特征信息进行学习训练,通过对神经网络输出值与焊缝缺陷类型输出代码进行比较后,最终得出焊缝缺陷类型的检测与识别结果。     

基于神经网络的挤压机故障诊断研究

文章采用先进的神经网络技术,结合挤压机故障的特点,对挤压机故障诊断进行深入的剖析和研究,设计出一种安装使用方便、可靠性高的挤压机故障诊断系统。对保证生产安全、高效和经济运行具有重要意义。     

基于BP神经网络的三维编织复合材料缺陷超声波检测技术研究

本文阐述小波包变换处理三维编织复合材料缺陷的A扫描回波信号,提取缺陷信号被分解后表示为能量特征,并将缺陷特征值作为BP神经网络的输入的实现方法,通过BP神经网络实现对三维编织复合材料微裂纹和孔隙的分类识别,实现对三维编织复合材料缺陷自动化识别。实验结果证明系统的可行性。本课题的研究工作,为进一步研究三维编织复合材料的超声波检测奠定了一定的基础。     

基于小波神经网络的帘子布疵点智能识别技术

针对帘子布疵点图像特征,提出了将小波变换和人工神经网络技术应用在帘子布疵点检测上.在融合图像灰度的基础上,经小波变换后再提取分解子图像的特征值,利用BP神经网络进行图像分类.结果表明:对帘子布常见疵点如油污、破洞、抽经、断纬等能比较准确地识别.     

基于MEA-BP神经网络的封盒装置滑动轴承故障诊断方法

针对封盒装置滑动轴承在生产过程中故障率高、可靠性低的问题,课题组提出了一种基于思维进化算法(MEA)的BP神经网络滑动轴承故障诊断方法。该方法通过多次的趋同和异化操作,不断优化BP神经网络的初始权值和阀值,建立了基于MEA-BP神经网络的滑动轴承故障诊断模型。利用样本集训练、测试和验证MEA-BP故障诊断模型,结果表明MEA-BP故障诊断法较未经优化的BP神经网络故障诊断法优势明显,能够较好地用于封盒装置滑动轴承的故障诊断,延长滑动轴承无故障使用时间。课题组的研究可提高包装企业生产效率。     

基于小波包分解的边缘检测算法

边缘检测是图像处理中极其重要的一方面,文章简要介绍了传统的图像边缘提取算法,并提出了基于小波包分解的图像边缘提取方法。通过Matlab仿真实验,结果证明了基于小波包分解的边缘检测算法的优越性。     

改进小波包算法在负载扰动特征提取中的应用

研究了基于小波包分析的负载变化特征提取方法,通过分析三相电流在负载下和故障下各子空间的频带能量的变化率不同,提出了一种区分负载扰动和故障状态的处理方法,提高了故障诊断的准确性.