基于SVM和BP神经网络的滚动轴承故障诊断

为更好地对滚动轴承进行状态监测和故障诊断,采集3种不同状态下的滚动轴承振动信号,根据振动信号特点提取其时域和频域的相关特征,然后分别利用SVM(支持向量机)和BP神经网络进行模式识别。不断减少每种状态下训练样本集的个数,利用2种不同的方法进行模式识别。当每种状态下的样本个数为3个时,支持向量机仍然能准确地将测试样本进行分类,而BP神经网络完全无法识别。实验结果表明,支持向量机比BP神经网络更适合于小样本的故障诊断。     

基于BP神经网络的齿轮故障诊断

通过介绍神经网络的模型算法,根据齿轮的四种故障类型,采用BP神经网络对其进行训练和诊断,得到了较为理想的结果,为及早发现和预防机械故障提供了可靠的理论依据。     

基于BP神经网络的摊铺机智能故障诊断

针对大型复杂的工程机械，建立基于BP(逆向传播)神经网络的智能故障诊断系统。给出了该系统的诊断方法和故障诊断步骤，并提供了对工程机械液压系统故障诊断的调试实例。     

基于BP神经网络的汽车故障诊断的研究

研究了一种基于BP神经网络的汽车故障诊断方法。主要结合了专家系统判断推理的思想,通过多个子BP神经网络形成一条诊断链,从故障征兆出发,对汽车故障进行分级连续诊断,使故障诊断范围逐级缩小,最终确定汽车故障的具体原因。该方法符合人的逻辑思维,实现简洁,同时具有很高的诊断精度和很好的鲁棒性,可行性强。     

基于单片机和BP神经网络的凝汽器故障诊断系统

该文介绍了现代工业设备故障诊断的必要性，以凝汽器为对象，列举了其故障征兆集，采用反向传播神经网络算法，设计了一个具有故障诊断功能的单片机系统，使用效果良好。     

基于遗传算法的BP神经网络滚动轴承故障诊断

针对滚动轴承的故障诊断问题,提出了一种基于遗传算法的BP神经网络滚动轴承故障诊断方法。以BP神经网络的误差为目标函数,利用遗传算法进行BP神经网络的权值和阈值优化,并用优化后的BP神经网络进行故障诊断。通过MATLAB仿真,结果表明遗传算法优化的BP神经网络相比传统的BP神经网络具有更好的诊断效率和准确度。     

基于BP神经网络的数控机床故障诊断系统研究

提出了一种改进的BP神经网络模型应用于数控机床的故障诊断方法。介绍了诊断模型结构及网络算法，并以机床中进给伺服系统为例，分析其诊断过程；然后利用MATLAB对其进行仿真验证，并提出采用CPLD器件进行硬件的实现方式。试验结果表明，该方案合理、可行，有较好的应用前景。     

基于改进BP神经网络的故障诊断方法

对于常规BP神经网络,其收敛过程存在两个很大的缺陷:收敛速度慢;存在所谓"局部最小值"问题.文章采用了一种自适应学习速率动量梯度下降反向传播算法对BP神经网络进行训练,建立了智能诊断模型,并应用于某型坦克发动机的故障诊断,测试结果表明该方法相比常规BP算法能够更有效诊断发动机油路和气路的故障,从而为故障诊断及判定的自动化提供了一个新思路.     

基于BP神经网络的滚动轴承故障诊断研究

通过对滚动轴承振动信号的分析处理，提取能够反映轴承运行状态的特征量作为BP神经网络的输入，并用BP算法对该网络进行训练，利用神经网络的智能性来判断轴承所属的故障类型。仿真结果表明，该方法实用有效。     

基于BP和RBF神经网络的滚动轴承故障诊断比较

通过仿真实例,应用BP和RBF神经网络对滚动轴承的故障诊断进行了比较研究,结果表明,BP网络和RBF网络仿真效果都比较理想,但RBF网络构建简单,训练速度快且比较稳定,体现了RBF神经网络的优越性。     

转轴故障诊断监测系统的原理与设计

讨论了转轴系统的故障诊断理论和相应监测系统的设计;介绍了对调相信号的解调和相位调制信号的提取;研究了PLC和微机监测系统的数控监测、系统抗干扰及数据通讯中的一些问题。     

小波包和BP神经网络在齿轮箱故障诊断中的应用

研究如何采用处理非平稳性的实用方法以提高监测诊断效率及水平是国内外专家一直研究的课题之一。小波包技术将信号中不同的分量无冗余、无疏漏、正交地分解到独立的频带内,这些频带里的信号能量守衡,每个频带里信号的能量对于状态监测和故障诊断都是十分有用的信息。本文对齿轮箱振动信号应用小波包分解提取故障特征向量,进一步用特征向量训练前向传播BP人工神经网络,建立齿轮运行状态分类器,对齿轮故障进行识别。实验结果表明,本文方法对齿轮箱故障诊断十分有效。     

基于广义粗糙集与神经网络集成的旋转机械故障诊断研究

故障诊断规则中判断条件的冗余、不完全和不确定性不利于实际应用。采用广义粗糙集理论对旋转机械振动故障诊断的非完备决策系统进行了约简 ,得到了更为简明的最优诊断规则 ;根据约简结果 ,建立了基于神经网络的故障诊断系统 ;网络的训练对比结果表明 ,基于粗糙集理论的约简处理简化了神经网络结构 ,提高了网络的训练效率 ;以诊断实例验证了广义粗糙集理论与神经网络集成进行故障诊断的可行性     

电动机故障诊断的BP及RBF建模比较

用BP人工神经元网络建立电动机故障诊断模型,泛化能力好,但逼近速度较慢;运用RBF人工神经元网络建模,泛化能力较差,但逼近速度快。该项研究克服了运用传统方法建模的不足,为实现电动机故障诊断模型的优化设计提供了可行的途径。     

基于BP神经网络的齿轮故障诊断系统研究

对ＢＰ神经网络在齿轮故障诊断中的模式表达、网络拓扑及其相关参数等问题进行了探讨;并利用ＢＰ 网络对齿轮四种典型的故障模式进行训练学习和诊断,取得了满意的效果。结果表明：ＢＰ 神经网络是实时地解决齿轮故障中复杂的状态识别问题的一种有效工具     

旋转机械故障诊断专家系统的知识库设计

根据旋转机械故障的特点，对诊断知识进行了适当的分类，建立了功能完善的知识库，为故障诊断专家系统的研制提供了有效手段。     

基于BP神经网络的制冷机组故障检测与诊断

研究了BP神经网络用于制冷机组故障检测与诊断的方法，并且用来自真实测量的数据建立了冷水机组故障检测与诊断的BP神经网络模型：研究表明，在静态条件下，通过提取制冷机组有代表件参数的残差，以此作为BP神经网络的输入，当BP神经网络经过适当的训练后，能成功地对各种耦合的故障进行辨识，诊断训练时间短．BP神经网络能实现对制冷机组进行实时故障检测与诊断的需要.