BP神经网络在模拟电路故障诊断中的应用

模拟电路故障诊断有很多方法,介绍一种基于BP神经网络的智能诊断方法。     

模拟电路软故障与 LM 算法的结合应用研究

在模拟电路故障诊断中,由于标准的BP神经网络算法在训练样本时存在着收敛速度慢、分布不均匀、效率不高等缺点,导致电路的整体诊断性能下降。提出了一种将Levenberg-Marquardt （LM）算法与神经网络相结合的方法,对电路的脉冲信号进行多尺度分解,提取故障特征作为神经网络的输入对网络进行训练。实验仿真表明, Pspice与Matlab相结合的样本训练方法的稳定性高于传统方法,证明了该方法的实用性与可行性。     

基于移民算子遗传BP神经网络的模拟电路故障诊断

针对传统BP神经网络实现模拟电路故障诊断时存在的缺陷:容易收敛于局部最优值且训练时间过长等,提出了利用遗传算法(GA)优化的BP神经网络来对模拟电路进行故障诊断的方法.实验结果证明,优化后的BP网络可有效地避免收敛于局部最优值,大大地缩短了训练时间.同时为了提高遗传优化的收敛速度和精度,避免"早熟"现象,本文提出了一种引入移民算子的遗传算法,仿真结果表明了该算法的有效性.     

基于BP神经网络的模拟电路故障诊断研究

在简要介绍标准BP神经网络基本原理的基础上。详细说明了基于改进BP神经网络算法的模拟电路故障诊断方法和设计步骤，根据网络总误差来自适应调节网络的学习率，加速网络的收敛过程。此算法应用于电路的故障诊断，能够对被测电路的故障进行有效并且精确的分类。以折线式有效值测量电路为例，设计了基于改进BP神经网络算法的模拟电路故障诊断系统，以实际测试数据作为训练样本进行学习训练后，对其它实际测量数据进行诊断，结果正确，验证了算法的有效性。     

基于BP算法的模拟电路故障诊断

文中就BP神经网络的学习算法进行了分析,使用PSPICE软件对电路进行仿真,在此基础上建立了模拟电路的BP神经网络故障字典库。通过查阅字典库实现模拟电路的故障诊断。指出了BP神经网络在模拟电路故障诊断过程中存在的网络泛化性能差的问题,并提出了解决办法。经过仿真实验验证,这种方法用与模拟电路故障诊断相结合能够提高神经网络检测故障的智能性,提高故障诊断的准确性,结果较好,具有一定的应用价值。     

LabVIEW及BP神经网络在模拟电路故障诊断中的应用

LabVIEW是一种图形化编程语言,它不光设计界面直观,而且提供了许多与多种编程语言的通信接口,为虚拟仪器设计者提供了—个便捷、轻松的设计环境,被工业界及研究实验室所广泛接受。Matlab有非常强大的矩阵计算能力且有非常成熟的工具箱,适合设计及训练神经网络。若将两者结合起来,即用Matlab实现神经网络的设计训练,而用LabVIEW实现故障的诊断及显示,充分发挥了两者的优势。实验结果表明,两者结合运用于故障诊断系统中,是非常有效的。     

基于BP神经网络的电路故障诊断方法

介绍了BP神经网络的电路故障诊断方法、故障诊断的原则及BP网络的算法，实验证明所提出的方法是有效可行的。     

基于交叉算法的神经网络模拟电路特性分析

本文利用基于交叉算法的神经网络训练方法对模拟电路进行性能分析.前馈神经网络的监督学习通常是一种从上到下(top-down)的学习模式,具有单隐层结构的前馈神经网络也可采用从下到上(bottom-up)学习模式的非监督学习算法来进行,基于交叉算法的复值神经网络训练方法突破以往算法的各种局限,其学习过程将从下到上的非监督学习和从上到下的监督学习相结合,网络性能更优.模拟电路特性分析的仿真研究表明该算法行之有效.     

基于BP神经网络的电站锅炉污染诊断

文章基于神经网络理论，提出了可以对电站锅炉污染受热面诊断的方法。根据额定工况下不同受热面进出口烟温差，建立了基于BP网络的污染诊断模型。此模型可以有效地诊断无法由常规测量仪表监测的锅炉污染情况，为得到有效的锅炉吹灰策略提供理论依据。     

模拟电路分级诊断研究

通过分析人类专家诊断思维的特点。本文提出了基于知识的A级诊断和应用网络分解法的B级诊断相结合的分级诊断思想,并以水平检查仪为例建立了一个自动故障诊断系统.其中A级诊断采用专家系统开发工具M.1实现其诊断推理;B级诊断程序主要包括非线性直流分析通用程序和不精确推理两部分.另外诊断系统中引用了模糊数学的方法处理电路测量信号,并改进了网络分解法以减小容差的影响.     

基于神经网络训练样本优选算法的模拟电路软故障诊断

为了解决非线性模拟电路软故障不易诊断的难题 ,根据模拟电路软故障的特点 ,提出了基于σ判据的训练样本优选算法 ,保证训练样本在数量较少的情况下 ,充分包含电路软故障特征。诊断实例证明 ,应用此优选算法对样本进行筛选 ,神经网络的训练速度快 ,对于模拟电路软故障的诊断正确率高。     

基于人工神经网络的定子绕组堵塞故障诊断新方法

本文提出了基于人工神经网络(Artificial Neural Network简称ANN)的定子绕组堵塞故障诊断新方法，首先分析堵塞故障的特征，计算各种故障时的温度分布，使定子绕组各测点的温升和不同故障之间，建立一一对应关系的数学模型，然后构造神经网络，从而提高故障诊断的准确性。     

基于改进BP神经网络的空调系统传感器故障诊断

针对普通BP算法存在的收敛速度慢以及容易陷入局部极小点等问题,提出了一种改进的BP算法,应用该算法对空调系统传感器故障进行诊断.Matlab仿真运行证明,在相同的条件下,改进的BP算法加快了网络的收敛速度,避免了陷入局部极小的问题.在故障诊断的准确率方面优于普通的BP神经网络.     

基于BP神经网络的舰船电机故障诊断

为了准确判断舰船电机故障类型,找到故障原因,建立基于BP神经网络的舰船电机故障诊断模型,收集故障样本数据.运用MATLAB软件进行仿真,以实例进行检测.检测结果表明,构建的模型准确可靠,可以模拟电工人员对舰船电机故障作出正确诊断,验证了BP神经网络的优越性和可行性.     

模拟电路故障诊断的多小波神经网络算法

提出了基于多小波变换和能量归一化预处理的模拟电路故障诊断多小波神经网络算法.这种方法能够有效提取故障信号特征,从而减少小波网络训练时输入层和隐层节点的个数,减小网络的规模,降低计算的复杂度,也加快了训练速度.最后在Matlab和模拟电路仿真软件IsSpice4下对算法的收敛性能进行了仿真比较,结果表明基于多小波变换的算法能够对模拟电路的故障进行有效诊断和定位,而且收敛速度比小波包变换更快一些.     

模糊聚类和LM算法改进BP神经网络的变压器故障诊断

在变压器故障诊断中,目前BP神经网络算法存在训练样本分布不均匀,收敛速度慢、容易陷于局部极小点等问题,导致整体的诊断性能下降。通过对模糊聚类及LM算法改进的神经网络深入研究,并引入变压器故障诊断中,该算法应用模糊聚类对搜集到的样本预处理,提高样本的质量,再用LM算法改进的神经网络来优化搜索方向,可以实现网络训练速度及测试精度的提高。通过实例仿真实验,验证了该方法能够有效诊断出变压器的故障。     

基于BP神经网络的凝汽器故障诊断研究

通过对现有凝汽器运行中常见的典型故障及征兆集的分析,进一步完善了凝汽器的典型故障知识库,对故障征兆的具体表达方法进行了分析。运用 Matlab 神经网络工具箱和隶属度函数两种方法对凝汽器的运行状态进行故障监测和诊断,通过实例验证表明应用 Matlab 神经网络工具箱方法不仅计算简便,而且诊断结果具有较高的可靠性。     

基于改进BP神经网络的风机故障诊断研究

采用动量法和学习速率自适应的改进BP神经网络进行风机的故障诊断。根据风机的故障诊断特点,确定神经网络的结构与参数。在网络训练过程中同时采用标准训练样本和含有白噪声的训练样本,使网络具有一定的容错性。实例诊断表明,改进的BP神经网络缩短了学习时间,是风机故障诊断的有效方法。     

一种改进型BP网络在汽轮发电机组故障诊断中的应用

在标准BP网络基础上,提出一种加优先权值的改进BP网络模型,给出该网络模型的结构、具体的学习训练算法和反馈算法,并阐述输入层与输出层神经元部分连接的依据及其连接优先权值的确定问题。结合汽轮发电机组故障诊断实例,从单故障识别和多故障识别两个角度证明了该模型具有较强的故障识别能力,其诊断结果也更符合故障实际情况。