基于RBF网络的汽轮发电机组故障诊断

针对电厂汽轮发电机组故障诊断问题,设计了RBF网络故障诊断系统．根据输入特征向量进行RBF网络的学习,并将RBF网络诊断故障的方法成功地应用于汽轮发电机组故障诊断．仿真结果表明：RBF网络比BP网络更稳定,训练误差更小。     

基于虚拟仪器的滚动轴承振动故障诊断系统

介绍了小波变换在滚动轴承故障特征提取中的应用．结合小波变换研制了一套滚动轴承故障诊断虚拟仪器系统．通过对滚动轴承振动信号的小波变换分析,可提取滚动轴承运行状态的特征向量,分析滚动轴承的振动信号,诊断轴承的故障．     

基于RBF网络的水位传感器故障诊断方法

将RBF网络应用于水位传感器的故障诊断,通过构建RBF网络估值器,提出了一种故障诊断方法。首先用影响汽包水位的各种相关参量的实测数据对RBF网络进行训练,然后用达到训练目标的RBF网络对汽包水位进行较高精度的估值;通过RBF网络估值器输出和水位传感器实际输出之差与设定的阈值比较检测传感器故障;若水位传感器出了故障,则诊断系统通过故障转换开关及时对水位监视或控制系统进行重构以消除故障的影响。仿真试验表明该方法能对水位传感器进行较有效的状态监测和故障诊断。     

改进胶囊网络的滚动轴承故障诊断方法

针对滚动轴承工作环境噪声复杂,振动信号信噪比低且呈现非平稳和非线性的特点,以及传统诊断方法在噪声环境下分类诊断准确率低等问题,提出一种基于改进胶囊网络特征提取结构和反向传播损失值计算方法的滚动轴承故障诊断模型.应用多尺度卷积核Inception结构和空间注意力机制,替代传统胶囊网络单一卷积层进行特征提取,得到不同尺度下...     

基于VMD与SET的滚动轴承故障诊断

在滚动轴承故障诊断研究中,同步提取变换(SET)在分析单分量信号时能显著提高时频可读性,但在分析多分量信号时存在时频模糊问题.为解决这一问题,首先通过变分模态分解(VMD)解调分离出信号的固有模态函数(IMF)分量;再对IMF分量进行希尔伯特变换,凸显故障特征频率;然后对变换后的IMF分量进行SET处理,实现时频聚焦提高时频分辨率,获得信号的时频解调谱,从而识别故障.经试验验证,该方法能准确提取信号的时频解调谱,识别故障频率及其倍频,诊断轴承故障.     

基于小波包分析的滚动轴承故障诊断

应用小波包分析方法构造滚动轴承故障信号的能量特征向量,再以此作为神经网络的输入,对滚动轴承故障进行分类,实践表明,能量特征向量较显著的表达了故障,有较好的诊断效果.     

基于振动信号分析和支持向量机的滚动轴承故障诊断

针对滚动轴承出现故障时产生的振动信号具有非平稳信号的特点,通过小波包变换提取故障信号的特征向量,采用支持向量机分类器对提取的特征向量进行多类故障分类.通过与BP神经网络分类器进行对比研究,结果表明,在有限故障样本条件下,支持向量机分类器比BP神经网络分类器具更好的分类性能.     

基于PSO-VMD与贝叶斯网络的滚动轴承故障诊断

为解决电机在变负载运行条件下滚动轴承振动信号故障的特征提取困难、故障诊断准确率低的问题,提出一种基于变步长粒子群的变分模态分解与贝叶斯网络相结合的滚动轴承故障诊断模型。通过变步长粒子群算法优化的变分模态分解与Hilbert变换,提取故障信息并离散化处理,构建贝叶斯网络故障诊断模型,对滚动轴承故障发生概率推理,并利用完备、不完备数据集以及噪声试验验证该方法的准确性。仿真结果表明,该方法能高效提取特征信息,实现对不确定信息的推理估计,提高滚动轴承故障诊断的准确率,在滚动轴承的故障诊断预测中具有较好的理论与应用前景。     

基于MODWPT的包络阶次谱在滚动轴承故障诊断中的应用

为了有效提取滚动轴承的故障特征,提出了基于MODWPT的包络阶次谱故障诊断方法.采用MODWPT将多分量的滚动轴承振动信号分解为若干个分量,对各个分量信号进行包络分析并对包络信号进行角域重采样;最后对重采样后的信号进行频谱分析,得到包络阶次谱,从而判断滚动轴承的工作状态和故障类型.采用该方法分别对仿真信号和实验信号进行了分析,结果表明了该方法的有效性.     

滚动轴承故障诊断

本文分析了轴承故障信号的基本特征,并将共振解调技术的原理用于滚动轴承的故障诊断。在实践中运用该技术手段消减了背景噪声的干扰,提高了轴承的信噪比,取得了与实际情况完全吻合的诊断结果。     

一种基于径向基函数神经网络的语音降噪方法

采用径向基函数神经网络在时域上对含噪语音信号进行降噪处理．针对语音信号的短时平稳性以及噪声的随机性,对语音信号进行分帧预处理;用分帧后的纯净语音信号作为径向基函数网络的教师信号,并利用Matlab神经网络工具箱设计和训练网络．实验结果表明,径向基函数网络作为语音信号滤波器,可有效地抑制语音信号中的白噪声,具有良好的降噪性能．     

径向基函数神经网络实现数字地图压缩

提出了一种基于径向基函数(RBF)神经网络的数字地图压缩方法，给出了网络训练的具体算法。与一般RBF网络的构造方法不同，该网络结构的所有参数是通过学习方式同时获得的，因此大大增强了其适应性。数字仿真表明该方法具有自动适应地形、参数配置合理、在线计算量小等特点。     

基于BP神经网络的变频器功率变换主电路故障诊断研究

提出一种基于BP神经网络的变频器功率变换主电路故障诊断方法。通过对变频器功率变换主电路的故障类型及原因进行分析，提取了反映故障状态的四个特征参数。利用BP神经网络，采用自适应学习速率动量梯度下降BP算法，实现了故障模式的模式识别。     

基于综合特征输入的DGA在变压器故障诊断中的应用

介绍了反向传播人工神经元网络在变压器故障诊断中的应用,建立了一种新型的基于综合特征输入的溶解气体分析DGA模型,说明了它的工作原理、样本分类方法及计算步骤.结果表明,该网络模型在变压器故障诊断中,经过不断地自适应训练,显著地提高了判断准确率.     

基于PCA和贝叶斯分类技术的滚动轴承质量检测方法

针对滚动轴承质量分类检测和贝叶斯分类器在实际应用中存在的问题,提出了基于PCA和贝叶斯分类技术的滚动轴承质量检测方法.理论分析和实验结果表明：基于PCA和贝叶斯方法的滚动轴承质量分类技术具有模型简单,检测速度快等优点,可以在实际应用中发挥有效作用.     

基于RBFNN的内模控制在气垫式流浆箱中的应用

针对气垫式流浆箱常规控制中总压和浆位之间存在严重耦合的问题,在分析传统解耦控制方案的基础上,提出了一种基于RBF（径向基）神经网络的内模控制系统（IMC）,采用径向基神经网络控制器（RBFNNC）在流浆箱控制中既充当对象模型,又充当控制器,实现了总压和浆位的解耦控制.仿真结果表明,该控制方法具有实现简单、控制效果好的优点.     

基于自适应模糊系统的非线性系统故障诊断

提出了一种基于模糊退火的自适应模糊系统学习算法,该算法进行非线性系统建模,建模精确度高,可以收敛到全局最优点,具有良好的性能。用这种学习算法建立某伺服机构的模型,并构造基于模型的故障诊断系统,通过实验取得了较好的结果。     

模拟电路故障诊断模糊法的研究

本文给出了关于模拟电路故障诊断的互克原理,提出了模拟电路故障诊断的模糊法。文中的算法均在IBM-PC机上用FORTRAN语言实现,并通过IC-9W功率放大器的验证,得到了满意的结果。其优点是:在线诊断时间短,避免了非线性以及容差影响等问题。与其它方法相比,模糊法更适用于大规模电路的故障诊断,也能应用于其它领域的研究。     

滚动轴承组合辅助设计

本程序适用于一个装有多个传动部件,且各传动部件上受载点方位角又不相同的轴系上之轴承组合设计计算。可以按轴系工作条件,在20mm至150mm轴颈范围内,从四大类别,五个系列的414个轴承规格,1012种轴承组合中筛选出满足使用要求的所有轴承组合,并顺序地打印出轴承型号、组合形式、使用年限及轴承支承上的支反力,为轴强度计算、刚度计算,提供可靠依据。