人工神经网络与设备故障诊断

智能化诊断是现代设备故障诊断技术发展的主要趋势，人工神经网络技术的发展为这种智能化提供了一个全新的途径。本文在分析研究模式识别方法和ＢＰ，ＡＲＴ神经网络的基础上提出了基于神经网络的自适应故障模式的分类方法，并将其应用到真实轴承故障诊断中。实验表明：该方法有较好的诊断效果。     

基于分布式网络的电机智能监测系统

针对多台电机参数的在线监测和电机故障在线诊断问题,提出基于分布式网络的电机智能监测系统,底层智能监测模块实现实时数据采集和处理,采用模糊专家技术实现电机运行状态识别,采用神经网络和专家系统实现电机故障智能诊断.为电机测控技术领域提供了一种具有信息监测分布式、信息处理集中性和智能化、信息管理网络化的有效工业实现方法.     

并行遗传神经网络及其在机械故障诊断中的应用

在机械故障诊断中，对并发的故障进行诊断是一个备受关注的问题。为此，提出了用并行遗传神经网络诊断并发的故障的新方法。介绍了并行神经网络的结构、遗传算法的建模原理及并行遗传神经网络的结构和诊断机理。以某大型旋转机械为诊断对象讨论了该方法的实现技术，并与传统的BP(back—propagation)网络用于故障诊断的方法进行了比较。实验仿真结果表明，该方法在训练网络过程中能够避免网络陷入局部极小，加快网络训练的速度，减少诊断时间。     

神经网络技术在设备故障诊断中的应用进展

概述了国内外设备故障诊断的发展状况、神经网络在设备故障诊断的发展状况．对于复杂的故障，单一的神经网络诊断很难得出准确结果，考虑到旋转机械故障的复杂性，因而将集成神经网络应用于机械故障诊断中．考虑到设备故障的复杂性，利用集成神经网络对旋转机械故障进行诊断并对集成神经网络在设备故障诊断中的应用进行了预测．     

基于粒子群-小波神经网络的模拟电路故障诊断

针对传统小波神经网络技术在模拟电路故障应用中存在的问题,提出了一种基于粒子群-小波神经网络的模拟电路故障诊断方法.利用该方法对滤波电路进行了故障检测,结果表明,该方法优于传统的小波神经网络方法.     

基于神经网络的远程网络故障诊断系统

结合当前网络故障诊断的发展情况，提出了一种适合远程诊断的神经网络方法和基于此方法的远程网络故障诊断模型，实现了诊断的智能化，最后通过一个实全,验证了此模型的可行性。     

层次模块化模糊神经网络在铝电解故障诊断中的应用

目的针对铝电解故障发生机理及特点，提出采用层次模块化模糊神经网络实现对铝电解故障快速、有效检测的新方法．方法利用数据处理子模块，诊断子模块，决策子模块，从而对铝电解生产过程中的故障进行诊断．结果数据处理子网络实现了对数据的特征提取，优化了数据结构，将大结构的神经网络分解成多个小网络，并用决策神经网络对故障进行模式分类．结论该方法优化了大结构神经网络的学习性能，提高了故障检测的准确率，具有良好的实用价值．     

基于神经网络模型的故障预报技术的研究与应用

探讨了故障预报技术的应用及其数值预测方法,给出了神经网络模型在预测过程中的算法,把神经网络,预测技术和诊断专家系统相结合建立了一个故障预报系统,以空间推进系统气略路部分的故障为例,实现了故障的预报。     

一种新的模拟电路故障诊断小波神经网络方法

结合小波变换和神经网络二者之间的优点，提出基于小波神经网络的模拟电路故障诊断方法。采用能量分布特征提取方法和改进BP算法，用正弦信号仿真模拟电路，应用小波变换对模拟电路的采样信号进行多尺度分解，再进行能量分布特征提取，然后利用神经网络对各种状态下的特征向量进行分类识别，实现模拟电路故障诊断。相对于传统的故障诊断方法，用小波变换对故障信号进行预处理，大大减少了神经网络的输入数目，从而简化了神经网络的结构和减少了它的训练时间，并提高了辨识故障类别的能力。对实例电路仿真结果表明，该方法能正确识别各种故障状态，准确率高。     

集成神经网络在机械故障诊断中的应用

目前，机械故障诊断的关键是寻找一种使诊断结果更为有效的方法，对于复杂的故障，单一的神经网络诊断很难得出准确结果，考虑到旋转机械故障的复杂性，因而将集成神经网络应用于机械故障诊断中．根据故障的特点，将集成神经网络分为浅层次集成和深层次集成，并通过诊断实例验证了此方法的准确性．     

模糊神经网络故障诊断专家系统

模糊诊断和神经网络有机结合能够提高设备故障诊断技术水平，文章阐述了单症兆诊断模型及多症兆诊断模糊模型与神经网络的有机结合；论述以模糊诊断原理为根据发展的扩展神经网络子网和子节点的可塑性学习方法和以模糊模式识别理论指导学习样本的组织方法。简述基于上述模糊神经网络的诊断系统及诊断系统的生产现场实例验证。     

神经网络在汽车故障诊断中的应用

将神经网络应用于汽车故障诊断，给出了一种基于单层神经网络的汽车故障诊断方法，讨论了神经网络结构，相应的网络学习过程和应用实例。     

机械设备磨损故障分析与智能化铁谱诊断

本文根据智能化铁谱诊断的要求，系统分析了机械设备磨损故障和铁谱诊断过程，并提出将铁谱诊断水平划分成３个级别，在综合分析铁谱诊断方法的基础上，提出了一个智能化铁谱诊断模型。     

基于分形的机械故障诊断方法研究

将分形的有关理沦与复杂机械故障诊断联系起来，论述了分形维数的基本概念．研究了几种分形诊断方法：重构相空间求取关联维数，小波分形技术，分形模糊神经网络的诊断技术，并给出了相关算法．研究结果表明：基于分形的机械故障诊断方法对复杂机械系统的早期故障更为敏感．     

电力变压器故障智能化诊断技术综述

变压器是电力系统的主要设备之一,其故障的提前诊断极其重要。总结并系统剖析了国内外各种传统及现有的变压器故障诊断方式,详细列举了基于油中溶解气体分析技术或电力设备的智能化故障诊断技术的最新进展,阐述了各类深度学习算法在变压器故障诊断中的应用,如深度神经网络、稀疏受限玻尔兹曼机、深度置信网络等,并将各种诊断技术的最终效果进行了对比。     

基于神经网络数据融合技术的诊断系统的研究

神经网络数据融合技术的诊断系统是以电机振动信号和电流、电压信号为研究对象的,对采集到的3类信号进行实时处理,运用神经网络对数据进行局部诊断,再利用数据融合技术对故障信号进行全局分析融合,从而达到对电机故障类型的准确判断。通过运行表明,应用在故障诊断中的神经网络数据融合技术是一种故障识别率高、方便灵活而且诊断精度高的故障诊断方法。     

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。     

设备故障智能诊断预报中的知识与推理技术

分析了故障智能诊断的方法及关键因素,研究了专家知识库的管理,构建了模糊神经网络故障智诊断的推理结构,基于事例的专家知识库与模糊神经网络推理能较好地实现设备故障的智能诊断预报。     

基于卷积神经网络的风电机组轴承机械故障智能诊断方法

在风力发电机组运行中轴承机械故障发生概率较高,而传统诊断依靠人工专家来进行故障特征识别,难以实现风电机组自动化故障检测和智能运维。基于振动信号检测、信号变换、卷积神经网络识别的轴承故障智能诊断思路,设计了具有三对卷积-池化层和两层全连接层的深度卷积神经网络模型和诊断算法。基于公开数据集对所提出方法进行了实验验证,并对基于振动信号经过振动灰度图、短时傅里叶变换时频图和连续小波变换时频图三种不同信号变换方式对诊断模型准确率的影响进行了比较和分析。实验结果证明所提出轴承机械故障智能诊断方法的有效性,为风电机组机械故障诊断和智能化运维提供了新的思路。     

设备故障智能诊断预报中的知识与推理技术

分析了故障智能诊断的方法及关键因素,研究了专家知识库的框架,构建了模糊神经网络故障智能诊断的推理结构,基于事例的专家知识库与模糊神经网络推理能较好地实现设备故障的智能诊断预报.