基于PNN的电力变压器故障诊断方法

对油中溶解气体进行深入分析后,以改良的三比值法为基础,提出一种基于概率神经网络(PNN)的变压器故障诊断方法。该方法利用PNN的强大的非线性分类能力,将故障样本空间映射到故障模式空间中,可形成一个具有较强容错能力和结构自适应能力的诊断网络系统,从而提高故障诊断的准确率。仿真结果表明,实际案例数据验证了此方法准确率高,是一种有效的故障诊断方法。     

基于数字孪生技术的工业机器人故障预测方法

为了提高工业机器人的运行效率，采用数字孪生技术和卷积神经网络算法设计了工业机器人故障的预测方法。首先设计了工业机器人故障预测的基本架构，然后利用数字孪生技术构建了虚实映射的工业机器人的物理模型，并提取工业机器人的运动姿态特征，最后利用卷积神经网络算法构建了工业机器人电机故障的预测模型，通过对故障特征信号特征提取和分类，实现了故障的实时预测。仿真结果表明：通过孪生虚拟模型获取的工业机器人运行状态与实际运行状态高度重合，采用提出的故障预测方法对100组数据处理，得到的正确率、精确率、召回率和F1值4个性能指标分别为0.961 7、0.903 5、0.925 4和0.923 1，均明显高于其他两种对比方法，为工业机器人进行故障诊断和预测提供有力的技术支持。     

基于数字孪生技术的生产线故障预警

为解决生产线生产过程中出现故障无法及时预警的问题,对生产线智能管控技术进行研究。在模块化生产线基础上,探究设备故障预警的方法。运用数字孪生技术对模块化生产线进行建模,构建虚拟生产线。探究符合故障预警要求的算法,选取神经网络算法建模,采集数据进行训练,实现产品合格率的精确管控。应用结果表明:该技术基本实现了对故障的精确预警,减轻了管理人员的操作统计工作量,提高了生产线的智能化水平。     

数字孪生驱动的离心泵机组故障诊断方法研究

数字孪生技术不仅是实现信息物理融合的核心，还是实现数字化故障诊断的关键。为了实现物理空间和信息空间的实时映射、故障实时预测、故障信息及时反馈，提出数字孪生驱动的离心泵机组故障诊断方法。首先，利用数字孪生技术构建离心泵机组数字孪生映射模型。然后，基于数字孪生映射模型，通过数据驱动的故障诊断方法实现故障实时预测，利用模型仿真的故障结果验证方法完成故障结果验证，以验证结果作为数字孪生模型修正和深度学习模型调整的条件。最后，借助Unity3D平台实现故障诊断系统的开发，并通过3种工况验证了系统的可行性。     

基于优化遗传算法的变压器故障诊断方法研究

提出的变压器故障诊断方法以多个主要影响因子为网络的输入信息,建立变压器故障诊断的遗传神经网络模型,利用GA较强的全局寻优能力和BP梯度法较强的局部搜索能力,较快同时又较好地综合诊断出网络输出信息的变压器故障类型。为了验证所提出识别方法的有效性,对变压器故障实测数据进行了学习和综合诊断对比,测试结果表明,基于优化遗传算法的故障诊断方法计算速度快、精度高、鲁棒性强,可以有效直观地对变压器故障类型进行综合诊断,具有一定实际应用价值。     

基于SSA-PNN的电力变压器故障诊断

为了提高变压器故障诊断的准确率,在改良三比值法的基础上,采用麻雀搜索算法优化概率神经网络构建一种新型变压器故障诊断网络模型,并设计相应的故障诊断方法。分析表明,与基于概率神经网络的变压器故障诊断方法相比,基于该网络模型的诊断方法提高了变压器故障识别与故障分类的准确率,在电力变压器的故障诊断中具有一定的实际工程意义。     

基于粗糙集-神经网络的变压器故障诊断方法

本文构建了粗糙集-神经网络故障诊断模型,用粗糙集方法约简信息,简化训练集,以减小神经网络结的规模,同时利用神经网络克服粗糙集对噪声数据敏感的影响.仿真结果表明,与该模型更能简化神经网络结构,减少网络的训练时间,提高故障诊断的准确率.     

基于DGA与神经网络融合的变压器故障诊断方法

针对传统油中溶解气体分析法(DGA)的诊断方法存在的问题,提出了一种融合传统的DGA方法与人工神经网络的综合诊断方法.利用改良的三比值法、特征气体法、无编码比值法等传统DGA方法以及基于径向基函数(RBF)神经网络方法,分别进行了初级诊断,最后综合考虑了各种故障类型下初级诊断结果的可靠性差异,采用模糊积分的方式将初级诊断的结果进行了融合,并通过仿真验证了该方法的有效性.     

基于数字孪生的肺结节诊断

为解决肺结节诊断难度大的问题,提出基于数字孪生的肺结节诊断技术思路。采用智能算法、模型融合、虚实交互等关键技术建立了肺结节诊断的数字孪生框架。通过重建算法构建了肺三维虚拟模型,建立了肺结节诊断系统的虚拟实体;利用深度学习技术对数据进行迭代分析生成肺结节检测模型,与三维虚拟模型结合提升交互性,实现了对肺结节的智能检测;通过随访更新患者数据构建肺结节的动态预测模型,完成了肺结节分析与诊断,满足了可视化监控、健康管理等需求。以实际案例进行了肺结节的检测与诊断,验证了所建系统的可行性。     

基于数字孪生的液压运维系统

以数字孪生技术为基础,构建运维机理模型加数据驱动的液压运维系统。介绍了液压运维系统的总体设计、系统功能和系统实现。参照实际液压设备结构搭建线上液压系统,作为数字孪生体。在实体液压系统中安装少量传感器,采集数据并上传。构建物理系统与数字系统的孪生体映射,剩余节点参数通过运维机理模型计算得到,由此实现液压系统的实时监控和智能运维。     

基于LMD多尺度熵和概率神经网络的滚动轴承故障诊断方法

研究了一种基于LMD多尺度熵和概率神经网络的滚动轴承故障诊断方法。该方法将故障信号自适应地分解为若干乘积函数分量,然后将各分量的多尺度熵作为故障特征向量输入概率神经网络进行模式识别,实现了对损伤位置和损伤程度的诊断。将该方法与基于LMD时域统计量和神经网络的滚动轴承故障诊断方法进行了对比。实验结果表明,基于LMD多尺度熵和概率神经网络的方法能对滚动轴承故障进行有效的识别与诊断。     

变压器故障的诊断研究

阐述了变压器在线故障诊断的意义,对故障类型和诊断方法做了详细的介绍,系统阐述了基于神经网络的变压器诊断理论,对尽早发现潜伏性故障及提高运行维护水平,具有重要的意义。     

基于分形神经网络的电力电子电路故障诊断

分析了电力电子电路故障产生的特征类型,提出了基于分形理论及BP网络故障诊断的方法。以三相整流桥路为例,利用分形理论建立了故障元与分形维数之间的关系,对故障信息做预处理。通过仿真试验提取出用于BP神经网络训练的学习样本,并确定出用于不同类故障的三层的BP神经网络结构,继而确定故障点。     

电力变压器故障诊断中模糊决策方法应用的初探

电力变压器故障诊断受众多因素的影响,其中存在大量的不确定因素.综合各方面因素,判断出变压器运行或检修状况的优劣变化,是变压器故障综合诊断所要求达到的目的之一.本文将模糊决策方法应用于变压器故障诊断中,为解决这一问题提供了一种新的尝试.     

概率神经网络PNN在发动机故障诊断中的应用

介绍了概率神经网络的模型，分析了其特点，并探讨了基于PNN的发动机故障诊断方法。通过MATLAB进行仿真试验，结果表明基于概率神经网络的故障诊断方法可以最大程度地利用故障先验知识，提高发动机故障诊断的准确率。     

BP网络算法及其在故障诊断中的应用述评

根据目前BP网络及其在设备故障诊断中的应用和发展,讨论了BP算法存在的问题和解决途径,归纳总结了BP算法在故障诊断中的应用,提出了未来BP网络在故障诊断中的研究方向,表明BP网络在故障诊断中具有广泛的应用潜力和发展前景。     

[设备健康管理]深度置信网络在齿轮故障诊断中的应用

针对齿轮传动系统中齿轮等零部件易出现故障或失效等问题,提出了一种基于深度学习理论的齿轮传动系统故障诊断方法。首先利用深度置信网络强大的特征自提取能力,对齿轮传动系统的振动信号进行特征提取,然后通过DBNs的复杂映射表征能力对故障信号进行故障判别。诊断实例表明,若不对齿轮振动的原始时域信号进行特征提取,直接利用DBNs对其进行诊断时,故障识别正确率只能达到 60%左右;如果对时域信号进行简单的傅里叶变换后,再利用 DBNs 对处理后的振动信号频谱进行诊断分析,正确率能达到 99.7%,从而证明了所提故障诊断方法的简易性和有效性。     

基于粗糙集-神经网络系统的轴承故障诊断

针对神经网络在故障诊断中存在着输入属性维数多和数据量庞大的缺点,利用粗糙集理论对原始数据进行约简,并剔除其中不必要的属性,构建了优化的粗糙集-神经网络系统.实例分析表明,使用该系统能够减少故障诊断的时间.     

变压器故障诊断的专家系统研究

针对变压器的故障特点,提出了采用基于规则的产生方法进行知识表示,以模拟方式构造知识库,并选用正反向混合推理方式,创建变压器的故障诊断专家系统。