基于模糊神经网络的汽车液压泵的故障诊断研究

为了达到准确地对汽车液压泵进行故障诊断的目的,深入地研究了模糊神经网络在故障诊断中的应用.首先,分析了模糊RBF神经网络模型以及对应的算法流程;接着,根据汽车液压泵所存在的故障建立了故障诊断的数据样本对模糊神经网络进行训练;最后,利用训练后的模糊神经网络对汽车液压泵进行故障诊断,结果表明,模糊神经网络具有非常高的故障诊断效率.     

液压泵效率特性建模的神经网络方法

通过对液压泵效率特性的分析,研究液压泵效率特性的神经网络建模方法。以排量为39.57 cm3/r的柱塞液压泵作为建模对象,以少量的试验数据作为神经网络的训练样本,采用3层BP神经网络加贝叶斯正则化方法对网络进行训练,建立液压泵的流量和转矩模型,并以此为基础计算液压泵的总效率。选取不同转速和压差下的试验数据,对流量和转矩神经网络模型的泛化能力进行检验,结果表明,液压泵的总效率误差在0.2%以内。     

雏议大气自动采样器的恒流控制与维护

雏议大气自动采样器的恒流控制与维护韩学军（秦皇岛市环境保护监测站０６６００１）１大气环境与监测大气污染具有严重的危害性许多年以前，我们所生活的地球是一个山明水秀，美丽地蓝色星球，然而，今天我们所生存的环境，危机四伏，千疮百孔。由于人们的无知，树木大量...     

基于复合电源恒流控制的电动车再生制动系统研究

超级电容具有功率密度大的特点,将其作为电动车的辅助电源,能够弥补动力电池功率密度低的缺陷。以电动车再生制动系统为研究对象,建立由直流无刷电动机和Buck-Boost型DC-DC变换器、超级电容组及控制器组成的复合电源的电动车再生制动系统的数学模型。为对电动车再生制动系统模型进行验证,设计开发再生制动模拟试验系统,采用小功率直流无刷轮毂电动机驱动系统模拟电动车驱动系统,采用飞轮惯性矩模拟电动车惯性负载。在此基础上对再生制动系统数学模型进行仿真计算和试验验证,结果表明所建立的数学模型准确有效。以制动过程中制动力矩波动范围小为目标,采用恒流控制策略对电枢电流进行控制。仿真结果表明,由动力电池和超级电容组成的电动车复合电源,能够有效吸收再生制动能量,所采用的恒流控制策略能够实现制动过程中的制动力矩稳定及较高的能量回收效率。     

基于粒子群神经网络液压泵效率特性仿真分析

为了能够实现对液压泵效率特性的多点计算,深入地研究了粒子群神经网络在液压泵效率特性分析中的应用。首先,分析了液压泵效率特性的基本原理;其次,研究了RBF神经网络的基本原理;然后,剖析了改进粒子群的优化算法;最后,进行了液压泵效率特性试验测试和仿真分析结果比较,比较结果表明粒子群神经网络在进行液压泵效率特性计算时具有较高的计算精度和计算效率。     

径向基函数网络在液压泵故障诊断中的应用与实现

通过神经网络在故障诊断方面的应用 ,利用Matlab提供的大量径向基网络工具函数来设计网络、确定权函数、网络输出 ,采用径向基函数 (RBF)网络来有效地实现对液压泵的故障诊断。该文表明 ,对于局部逼近的RBF网络学习速度快、训练步数少 ,该网络适合用于液压泵故障诊断问题中     

基于经验小波分解和卷积神经网络的液压泵故障诊断

液压泵振动信号具有非平稳性,需要一定的先验知识和专家经验从而实现故障诊断。为了实现对液压泵的智能故障诊断,提出了一种基于经验小波变换(Empirical Wavelet Transform,EWT)和卷积神经网络(Convolutional Neural Network,CNN)的智能故障诊断方法。首先对振动加速度信号进行经验小波变换得到若干不同模态的内禀模态函数(Intrinsic Mode Function,IMF);其次,基于峭度的评价指标,筛选出故障特征丰富的6个IMF分量作为诊断用的数据源;然后利用CNN融合IMF分量,并自动提取相关特征;最后,将特征应用于分类器识别,从而实现液压泵故障的自动故障诊断。试验结果表明:该方法能够准确、有效的对液压泵的工作状态和故障类型进行分类。     

基于时频控制的恒流量泵机理研究

针对转向系统恒流量需求的背景,以简化结构提高可靠性为目标,以对应于转速的运动频率、有效吸油行程及其行程占比的控制,提出基于时频控制的恒流量泵原理,并从理论角度验证了其基本机理。以某型恒流径向柱塞泵开发为背景,开展了相关的仿真研究,针对该型柱塞泵关键参数进行了敏感性分析,对恒流控制的影响因素进行了解析。相关研究成果可拓宽恒流泵的设计思路,具有较强的理论及工程价值。     

一种基于Elman神经网络的液压泵故障诊断技术

针对传统BP网络进行液压泵故障诊断时，网络学习具有收敛速度慢和学习、记忆不稳定的缺陷，提出将Elman神经网络应用于液压泵故障诊断，建立Elman神经网络的结构模型，介绍了该网络的训练算法，阐明了液压泵故障诊断的实现过程。通过试验验证了该神经网络收敛速度快，学习记忆稳定，具有很好的学习功能；测试结果表明该诊断方法具有高可靠性，达到了预期的结果，可以用于液压泵故障诊断。     

基于小波包分解和RBF神经网络的民机液压泵源故障诊断研究

液压泵源是民机液压系统的动力部分,对于民航飞机飞行的安全起着重要的作用。由于民机液压泵结构复杂,故障机理繁多,因此其故障诊断难以用常规方法实现。提出了基于小波包分解和RBF神经网络的民机液压泵源故障诊断方法。采集民机液压泵轴向和径向的振动信号,利用小波包分解将振动信号进行分解,得到的各频带信号的能量作为神经网络的输入。经过RBF神经网络的计算以实现民机液压泵源的故障诊断。     

混合模糊神经网络在质量控制中的应用

传统的SPC控制图,在实际制订中需要大样本,在新的制造环境中出现很多困难和局限性。应用神经网络,引入模糊理论可对不确定分类问题具有更多优势。试验表明,在大多数情况下,它比其它统计过程控制图表现出更快的探测性和更准确的诊断性。     

浅谈神经网络在加热炉温度控制中的应用

根据加热炉的特点和温度控制要求,设计了基于RBFNN(RBF Neural Network)辨识的PID控制器,仿真结果与PID控制和基于BPNN(BP Neural Network)的PID控制相比较,显示出本文设计的控制器具有良好的控制性能。     

基于粗集理论的模糊神经网络建模方法研究

智能控制研究发展到了模糊神经网络阶段,其中5层模糊神经网络结构的物理含义清晰,而Max-Min模糊神经网络反应快,实时性强。在分析两者优缺点的基础上,提出了基于粗糙集构建模糊神经网络的方法,并通过比较3种方法对同一个事例的建模,说明了基于粗糙集方法的优点。     

基于模糊神经网络的络筒机纱线张力控制系统的研究

针对络筒机的纱线张力不稳定性问题,结合模糊系统的鲁棒性、容错性以及神经网络学习能力强的特点,提出了应用模糊神经网络控制器控制纱线张力的方法。开展了纱线张力控制系统、神经网络和模糊控制算法的分析,建立了模糊控制系统和神经网络之间的关系,设计了基于模糊神经网络的纱线张力控制器,应用MATLAB软件仿真验证了基于模糊神经网络的络筒机纱线张力控制系统的可行性。研究结果表明,与线性插值模糊控制效果相比,模糊神经网络控制作用下的系统超调量小,调节时间快,稳定性好,具有一定使用价值。     

基于轴流泵间隙流动的新水力设计方法

轴流泵叶轮轮毂与轮缘处间隙流动及边界层对轴流泵性能的影响很大,应用Numeca及Flu-ent等软件对轴流泵叶轮轮缘间隙中的流动进行数值模拟,根据流动模拟结果对叶轮叶片型线及轮毂、轮缘处的叶型设计进行修正,使其速度-压力分布比较理想,并提出了基于间隙流动的轴流泵水力设计方法,这种新的水力设计方法有利于改进轮缘和轮毂处边界层以及轮缘间隙中的流动,达到提高轴流泵效率的目的。     

人工神经网络在产品质量控制中的应用研究

提出了利用有监督线性特征映射 (SL FM)网络构造产品质量参数预测模型的方法 ,研究了网络参数的合理选择 ,并提供了该预测模型在车削尺寸预测中的应用 ,研究表明该方法具有较高的预测精度 ,对加工过程具有一定的跟踪能力 ,在此基础上提出了加工过程智能质量控制的构想     

基于神经网络的模糊自适应PID控制方法研究

针对常规PID控制器不能在线修正参数以及模糊规则和率属函数对专家经验的依赖性,提出了神经网络模糊自适应PID控制器,从而综合了传统PID控制、模糊控制、神经网络控制的优点,使其具有PID控制的广泛适用性和神经网络的自适应和自学习能力,同时又具备模糊控制的非线性控制作用;仿真实验可知该控制器具有更快的响应和更好的平稳性.     

基于小波包-模糊神经网络的发动机泵机组故障诊断

提出了利用小波包分解、神经网络和模糊诊断的方法进行发动机泵机组故障诊断;运用小波包频带能量分解,可以在不丢失振动信息的情况下降低信号的维数,提高神经网络的识别能力;运用了神经网络使故障诊断具有自适应、自学习能力,对发动机泵机组的各类故障进行分类和训练,得到了满意的效果.     

基于模糊神经网络的电梯群控系统

针对电梯群控系统和智能控制的特点，考虑电梯运行的综合评价函数，结合人工神经网络和模糊控制各自的优点，设计了一种电梯群控调度算法。并通过仿真实现了此群控系统的可行性。     

基于改进灰色神经网络的液压泵寿命预测

改进了GM(1,1)模型,提高了其精度和适应范围;将改进的GM(1,1)模型与神经网络预测模型相结合来构建灰色神经网络组合预测模型;提出了基于支持向量机的液压泵寿命特征启发式搜索策略,以液压泵寿命特征参数特征集的交叉验证错误率为评价指标,从液压泵的特征参数（振动、压力、流量、温度、油液信息等）中选取寿命特征因子;运用小波阈值降噪法进行降噪处理,提取典型的小波包能量特征作为模型的输入。以齿轮泵为例,将改进的灰色神经网络预测模型与原始GM(1,1)模型和改进GM(1,1)模型比较可知,灰色神经网络预测模型预测精度最高,达到98.42%。