基于模糊数学的工程机械制动系统故障诊断方法

选用模糊数学原理建立了故障模糊矩阵、故障诊断的数学模型、理想的故障模式和诊断方法,并对工程机械制动系统的故障现象进行了分析。表明该方法在实际应用中是可行的,并可用于其它工程机械系统的诊断。     

基于BP神经网络的挖掘机液压系统故障诊断

BP神经网络具有结构简单、工作状态稳定、易于硬件实现等优点,在模式识别及分类、系统仿真、故障智能诊断、图像处理、函数拟合、最优预测等方面具有很广泛的应用。液压系统是挖掘机很重要的组成部分。由于液压系统结构复杂,容易发生故障,一旦故障将会直接影响挖掘机的使用,因此对挖掘机液压系统的可靠性和可维护性具有很高的要求。针对上述问题,提出了基于BP神经网络的液压系统故障诊断方法。     

基于BP神经网络的矿井通风机故障诊断系统

提出基于三层BP神经网络的诊断模型,提取反映矿井通风机故障信息的振动信号频谱特征,用来训练神经网络。实测证明矿井通风机故障诊断系统高效、准确,可以推广应用。     

单位BP神经网络及磨机故障诊断模型的研究

简单分析了标准BP算法存在的不足 ,介绍了单位BP算法的特点及其算法实现的具体过程 ,并成功应用于磨机故障诊断。     

基于BP神经网络的滚动轴承故障诊断

滚动轴承在煤机设备中广泛应用,在恶劣工况下容易发生故障。为了能够及时准确地获取滚动轴承的运转状态,采用BP神经网络算法与小波函数对轴承振动信号进行分解,从而对滚动轴承进行状态监测以及故障诊断。实验结果表明,BP神经网络能够准确获得滚动轴承的运动状态及故障类型。     

基于网络的设备远程故障诊断

简述了基于网络的设备故障远程诊断的概念、原理及其优势，介绍了远程诊断的发展史和国内外的发展现状，指出了现阶段实施该技术需要解决的关键技术。     

基于BP神经网络的煤矿风机故障诊断

针对目前矿用风机的常见故障可收集故障征兆及类型,将故障样本数据与BP神经网络相结合,由BP神经网络确定输出向量,对风机常见故障进行诊断。通过MATLAB软件进行诊断参数运算后结果表明:神经网络输出与实际数据间误差较小,诊断结果与实际情况吻合。     

基于BP神经网络的减速箱故障诊断

减速箱故障极大影响煤矿机械装备的安全、效率及稳定性。以某型矿用减速箱为研究对象,对减速箱实时振动数据进行采集;基于BP神经网络建立减速箱故障诊断模型,运用数值软件MATLAB对减速箱BP神经网络模型进行仿真计算,根据BP神经网络计算结果对减速箱故障进行诊断。仿真结果表明:在不同减速箱样本数据中,减速箱振动特性不一致,但整体呈现为周期性波动的趋势;在多处超出平均位置的峰峰值波峰及波谷的减速箱存在故障,需要检查和维修处理;BP神经网络中的预测输出与期望输出基本一致,验证了其准确性及可靠性。该研究为矿用减速箱故障诊断、维修等方面提供理论依据。     

制动系统圆筒式传感器研究

为了能对提升机制动系统进行有效的在线监测与故障诊断 ,用传感器来拾取制动器的正压力和液压回路的油压进行在线监测与故障诊断是一种非常有效的方法 ,为此需研制特殊传感器以满足这种要求。通过对制动器各个零部件进行受力分析 ,得出可将柱塞进行局部的结构改造 ,使之成为圆筒式传感器来拾取制动器的正压力。因此通过用解析、有限元、实验等方法对圆柱式传感器进行了设计、分析和验证 ,得出圆筒式传感器的性能可靠 ,能够用于提升机制动系统内进行动态监测。     

基于BP神经网络的离心泵故障诊断方法研究

介绍了离心泵的主要故障类型和产生原因,应用BP神经网络的主要知识对离心泵的故障进行诊断,将BP神经网络的输入通过Matlab进行训练,最后得到了与理想输出基本相符的实际输出,证明了该方法的有效性和可行性。     

基于BP神经网络的煤矿机械故障诊断专家系统的开发

构建了基于BP神经网络的煤矿机械故障诊断专家系统的结构,以常见的20种故障诊断为研究对象,知识库、规则库和BP神经网络相结合进行推理,优化专家系统,提高了专家系统的响应速度和准确性。采用DreamWeaver、MatLab和.NET技术实现了专家系统的开发。并以一种煤矿机械为例,验证了整个系统的有效性和实用性。     

基于粒子群和BP混合优化的采煤机故障诊断分类方法研究

故障诊断的本质是信号的特征提取与分类,BP神经网络是典型的一种分类方法。针对传统的BP算法易形成局部极小值,缺乏全局搜索性的缺点,利用粒子群算法可以在复杂、多峰、非线性及不可微的空间中实现快速、高效的全局搜索的特点,结合传统BP算法,提出一种基于PSO-BP混合训练神经网络的新方法。该算法首先利用粒子群算法的全局搜索能力对BP网络的权值进行优化,同时引入粒子群熵的概念对粒子群体中个体的多样性进行度量,当粒子群熵的估计值超过某一设定阀值时,用BP算法进行神经网络的训练。采用采煤机的轴承故障数据集对PSO-BP算法进行验证,证明该方法能够对采煤机的故障进行诊断。     

基于遗传算法优化BP神经网络的提升机制动系统故障诊断

介绍BP神经网络的基本原理,提出合理的提升机制动系统故障诊断训练,分析神经网络存在的局部最优解和收敛速度慢等问题,利用遗传算法对BP神经网络进行改进。分别对原始的BP神经网络和改进后的神经网络进行仿真分析,结果显示基于遗传算法优化后的BP神经网络优势明显。     

基于BP网络的露天煤矿生产系统管理评价研究

综合考虑了影响露天煤矿生产系统各方面的复杂因素,采用改进的BP神经网络算法用于生产系统的管理评价,建立了一个评价指标体系,设计了BP神经网络模型,并运用MATLAB软件来进行网络设计和计算。最后,以实例来验证这种方法能够有效克服专家评价的主观因素,得到了合理的结果,能够更好地指导露天煤矿生产。     

基于BP神经网络技术的采煤机齿轮箱早期故障诊断

齿轮箱既是采煤机的核心部件,也是较容易出现故障的部件,一旦发生故障会导致严重的后果。因此,在齿轮箱出现问题的早期进行故障诊断具有重要意义。采用齿轮箱振动信号的5种特征指标作为BP神经网络的输入值,以齿轮箱的正常、齿轮磨损、齿面点蚀和齿根裂纹4种状态为神经网络的输出值,通过对BP神经网络进行训练和对故障类型进行编码,可以实现利用BP神经网络对齿轮箱早期缺陷的故障诊断。从实验仿真结果可知,诊断方法具有较高的准确率,为采煤机齿轮箱的早期故障诊断提供了新的研究思路。     

基于EMD和BP神经网络的大功率柴油机故障诊断

研究了将经验模式分解(EMD)和BP神经网络2种方法诊断大功率柴油机的振动故障信号。首先运用经验模式的分解方法对柴油机缸盖表面的振动信号进行分解并来提取特征参数;最后通过建立了BP神经网络模型对柴油机典型故障进行诊断。通过对150-12缸柴油机的验证,表明该方法能够准确识别柴油机供油系统的典型故障。     

基于GA优化BP神经网络变压器故障诊断的研究

BP算法基于梯度下降原理是一种局部寻优算法,在变压器故障诊断应用中网络学习过程收敛速度慢,且易陷入局部极小值。而遗传算法(GA)具有并行计算的特点,可以有效防止搜索过程收敛于局部最优解。将二者结合起来,由GA寻找最优的BP神经网络权值与相应节点的阈值。仿真结果表明:此方法既能快速收敛,又能大大提高避免陷入局部极小的能力,改善了故障诊断的精度和速度。     

基于网络的矿井提升机的故障诊断系统

主要回顾了国内外的故障诊断的发展现状 ,提出了基于网络的故障诊断系统及模型。并对系统的现场工作站做了软硬件方面的一些论述 ,开发基于网络的诊断系统 ,实现了提升机远程诊断     

基于小波包和BP神经网络的滚动轴承故障诊断

基于Matlab平台,利用小波包技术对滚动轴承典型故障的振动信号提取特征值,再借助BP神经网络对特征值进行分类,经验证该方法能够准确识别故障。