基于人工智能的数控机床故障诊断研究

为了提高数控机床故障诊断的能力,针对普通神经网络在数控机床故障预测中出现的收敛速度慢和训练容易陷入局部极值问题,提出了基于RBF神经网络的数据机床故障诊断算法。文章在RBF神经网络的基础上,建立了数控机床故障诊断模型,并提出了基于该模型的算法。     

基于人工智能的中波发射台故障诊断与预测

中波发射台是用于发射中波无线电信号的设施,通过发射天线和相关设备,将电能转化为电磁波并辐射出去.在广播电视台中,中波发射台作为中波广播发射系统的重要组成部分,其工作稳定性直接影响着整个发射系统的发射质量.基于此,深入分析中波发射台常见故障,并利用人工智能技术对中波发射台故障诊断方式与预测方式进行二次创新,以维护中波发射台稳定运行,实现广播节目的高效转播.     

试析人工智能在计算机网络技术中的运用问题

随着时代的发展,科技的进步,人工智能逐渐的出现在了我们的视线当中。人工智能是继计算机之后另一大科技创新的产物,其可以通过底层代码以及运算器对于我们日常生活中的问题进行详细计算,从而得出正确的决策。所以人工智能的问世对于我们的日程生活以及工作将带来十分深远的影响。此外,人工智能还具有一定的自我学习能力,这将使得人工智能不但可以帮助我们完成一些繁琐的工作,同时和可以帮助我们的计算机网络技术获得更进一步的发展。将对于人工智能在计算机网络技术中的运用问题进行简要分析。     

基于人工智能的计算机网络技术

本文在对人工智能做出概述解析的同时,着重就基于人工智能的计算机网络技术发展进行了探究。     

基于人工智能网络的远程教学系统设计

智能网络教学系统的应用改变了传统计算机辅助教学系统受到通信技术影响,而导致教师与学生之间无法交互的问题,在良好校园网络环境下,提出了基于人工智能网络的远程教学系统设计.依据系统各个模块功能,设计硬件结构.其中,学生学习模块是由教学协调代理及多个其他代理组成的,负责具体教学材料呈现、问题解决,通过协作机制实现知识共享,为...     

基于被动测量的网络故障诊断

A new passive method for automatic discovery and location of network failure is proposed. This method employs a passive measurement to collect information and events from network traffic, and employs a model-based reasoning system to detect and locate network faults.Measurement points are deployed in a backbone network to capture the traffic and then evaluate the Quality of Service (QoS) metrics of end-to-end IP conversations. A routing model is also established for the observed network to simulate the attributes and activities of routers and links. This routing model also deduces the routing path for each IP conversation, and thus the QoS metrics of IP conversations are mapped into the metrics of paths. With the information of shared links of overlapping paths and network tomography technique, the QoS metrics of links can also be estimated, and the poorly rated links are picked out as failure points. This method is implemented in a tool named Fault-Man, which is deployed in a campus network. Test results have shown its availability in middle-scale networks.     

基于BP网络的雷达故障诊断

针对传统故障诊断技术的局限性,探讨了基于BP神经网络的故障诊断方法,并结合雷达系统故障诊断的特点,建立了基于神经网络的雷达故障诊断系统。系统在Windows环境下,使用面向对象程序设计,使故障诊断智能化、简单化。实验表明,该系统提高了故障诊断的效率。     

基于人工智能的网络智能化发展探讨

梳理了当前人工智能在通信领域的研究和应用进展,提出了中兴通讯基于人工智能的网络智能化解决方案。认为网络可以在网元智能、运维智能和业务智能3个层面引入人工智能(AI),并按照分层、按需、分阶段的引入原则,最终实现网络泛在智能。同时提出了一套多维度智能化分级标准,结合通信工作流程和智能化范围,将网络智能化水平分为5个等级,这将有助于网络逐步向目标架构演进。     

一种基于小波神经网络的电路故障诊断研究

小波神经网络具有较好的特征提取和消噪能力,能够应用于模拟电路的故障诊断中。然而由于其收敛速度慢、容易陷入局部最小的特点限制了其更加全面的应用。文中研究了基于紧致型小波神经网络的诊断方法,它通过合理地选取相应的小波函数,利用其时频局部特性优化神经网络的结构,得到了较为合理的网络模型,具有较好的逼近能力且有效避免了陷入局部最优的问题。通过实例分析可以得出,该方法具有较好的故障诊断能力,能够应用于模拟电路的故障诊断,具有一定的研究价值和应用前景。     

基于萤火虫BP神经网络的轴承故障诊断研究

针对BP神经网络训练过程易陷入局部极值导致训练误差收敛速度慢的问题,提出将具有全局寻优的萤火虫算法,结合BP算法共同训练神经网络。在本质上,萤火虫BP神经网络利用萤火虫算法对神经网络进行早期训练,避开局部极值点,得到优化后的神经网络初始权值后,利用BP算法的局部寻优特性对网络做进一步精细训练。轴承故障实验表明,萤火虫BP神经网络的训练误差收敛速度相比BP神经网络、萤火虫神经网络显著提升,故障识别率最高达到99.47%。     

基于模糊神经网络的执行器故障诊断

针对神经网络在故障诊断中的局限性,提出了一种将模糊理论与BP神经网络结合的故障诊断方法,使其应用到执行器故障诊断中.通过和BP神经网络学习算法对执行器故障诊断的结果比较来证明模糊神经网络算法的优越性.首先介绍执行器常见故障;其次对故障征兆进行模糊化预处理,获得了神经网络训练样本,最后应用Matlab软件进行了系统仿真.仿真结果表明:该方法收敛速度快、诊断精度高、自适应性强,能够有效地诊断执行器故障.     

基于人工神经网络的航空发动机故障诊断方法

针对航空发动机工作环境和结构的复杂性,设计了一种基于人工神经网络的航空发动机故障诊断方法。使用BP神经网络实现对航空发动机故障的诊断和识别,为了加快BP算法的收敛速度,采用带惯性项的批处理BP算法对BP神经网络进行训练。通过对检验样本的测试验证了该方法的有效性和可行性,将不同隐含层数及不同误差精度的算法性能进行了比较分析,结果表明本设计的网络结构及选取的误差精度能满足实际需要。     

基于人工智能的跨媒体感知与分析技术研究

随着新媒体技术的飞速发展,传统方法已难以准确表达具有人工智能属性的复杂知识结构,跨媒体成为大家关注的焦点。当前,媒体数据感知与分析已经从文本、语音、图像以及视频等单一媒体形态向覆盖网络空间与物理空间的跨媒体融合转变。研究满足新一代人工智能发展规划的跨媒体感知和分析技术体系,并依托知识图谱、长短时记忆网络以及卷积神经网络等技术,实现多通道网络数据爬取、实体统一表征、文本语义识别以及视图像分类等,可有效支撑舆情分析、新闻追踪以及情报获取等领域的跨媒体应用。     

小波变换和神经网络的电路故障诊断

模拟电路的元件较多,相互之间的耦合性较强,容易发生故障。为了提高电路故障的诊断准确性,提出小波变换和神经网络的电路故障诊断方法。首先采用小波变换方法提取电路故障信息特征,然后采用神经网络分类提取的故障特征量实现对电路故障的诊断和分类识别,最后通过仿真实验进行性能测试,结果表明,该方法提高了电路故障检测的准确度,具有较好的实际应用价值。     

基于BP神经网络的电控发动机故障诊断

针对汽车发动机电控系统结构的复杂性,提出用BP神经网络进行故障诊断的方法。以北京现代05款途胜G4GC型发动机电控系统为实验,并对其进行故障设置,采集发动机故障数据流,运用BP神经网络构建诊断模型,并且改变BP训练方法。诊断结果表明用BP神经网络诊断发动机电控系统故障是行之有效的,具有较好的应用前景。     

混沌神经网络在发电机故障诊断中的应用

采用耦合的混沌振荡子作为单个混沌神经元构造混沌神经网络模型,采用改进Hebb算法设计网络的连接权值。在此基础上,实现了混沌神经网络的动态联想记忆,并应用该混沌神经网络模型对发电机定子绕组匝间短路故障进行诊断。结果表明,该种方法有助于故障模式的记忆和重现。     

基于神经网络方法的模拟电路故障诊断研究

小波变换是一种时频分析方法,具有多分辨率特性,被誉为数学显微镜;而BP神经网络具有较好的泛化能力,很适合判断电路状态属于哪种故障类型的分类问题。将二者结合起来,采用基于小波神经网络的模拟电路故障诊断方法,应用小波变换对模拟电路幅频响应的采样信号进行故障特征提取,然后利用BP神经网络对各种状态下的特征向量进行分类决策,实现模拟电路的故障诊断。通过对电路进行仿真,证明该方法能够实现故障检测及定位,具有准确率高的特点。     

基于改进神经网络的机床刀具故障诊断

针对机床刀具的故障诊断系统进行研究,使用智能人工神经网络算法建立诊断模型。为了提高神经网络模型的训练效率,避免网络陷入局部最优解,使用一种改进的量子神经网络,将附加动量与自适应学习速度方法融合,提高网络收敛效率。使用五轴联动铣床进行刀具故障诊断识别。对声发射信号进行特征提取,使用总振铃技术、总能量、有效电压、事件计数、重心频率、均方根频率以及频率标准方差作为网络的输入向量,判别刀具为新刀、轻微磨损或严重磨损。实验结果表明,使用的改进的量子神经网络的效率以及识别准确度均高于常规BP神经网络。