基于神经网络信息融合的柴油机故障诊断

本文论述了神经网络信息融合的原理与方法,首先就BP网络训练速度慢,易陷入局部极小点的问题,提出将附加动量项与自适应学习速率相结合的改进BP算法,有效地抑制了网络陷于局部极小并提高了收敛速度。最后,将振动信号与血管压力信号作为特征参数,分别采用传统BP算法,改进BP算法对供油系统的三种故障进行信息融合诊断分析。实践表明,神经网络信息融合方法非常适用于多征兆机械系统的故障诊断。     

舰载柴油机信息融合故障诊断技术研究

介绍了基于信息融合的舰载柴油机故障诊断技术.融合柴油机热工、油液及振动3大类信息,采用自适应谐振理论( ART)和BP网络相结合的决策级融合技术,建立了融合诊断技术模型,结合实例说明了该模型的诊断原理,并验证了该诊断方法的有效性.结果表明:新型神经网络模型既可以解决并发故障诊断问题,也可以解决新的故障类型诊断问题.     

基于同源数据融合技术的机械故障诊断方法

机械设备故障诊断技术是一项跨学科的新技术。本文将数据融合思想引入到故障诊断领域，并将神经网络技术和数据融合技术综合使用，通过信号采集、特征提取和识别决策几个过程，研究了基于同源数据融合技术机械故障诊断方法，并在实验中验证了些种方法的有效性。     

基于数据融合的旋转机械故障诊断模式研究

讨论了数据融合以多学科理论为基础,对按时序从各个信息源获得的数据在一定准则下加以自动分析、综合及判断,辅助人员完成所需要的估计和决策任务而进行的数据处理过程,并研究将数据融合技术应用于旋转机械故障诊断是可行的,而且有实际的应用价值和发展前景。     

基于状态评估的柴油机故障诊断系统

根据柴油机状态评估过程中的特点,把数据仓库、数据挖掘、信息融合、模型库结合起来,设计了新型的柴油机状态评估模型,并根据此模型进行了某型柴油机状态综合评估与故障诊断系统软件的开发,取得了良好的效果。     

基于概率神经网络的柴油机故障诊断研究

针对柴油机故障的人工诊断方法存在诊断难度大、诊断速度慢、干扰因素多等问题,提出了使用概率神经网络模型进行柴油机故障智能诊断的方法。实验结果表明,该方法能够有效应用于柴油机故障诊断中,并在诊断速度、准确率等方面均优于人工诊断方法。     

基于SOM神经网络的柴油机故障诊断

利用神经网络的非线性映射及其高度的自组织和自学习能力,将SOM网络应用于柴油机的故障诊断.利用夹持式传感器获得柴油机喷射系统的燃油压力波形,对波形进行时域分析和特征提取.根据所取得故障信息及其对应的故障类型来构造网络结构,用单一故障样本对网络进行训练,根据输出神经元在输出层的位置对故障进行判断.通过仿真实验验证SOM神经网络在柴油机故障诊断的正确性.经实例分析证明,该方法可对故障进行有效诊断.     

基于多传感器数据融合的智能故障诊断系统

多传感器数据融合的典型应用实例就是过程监测和故障诊断,它是智能故障诊断系统中的最基本、最有效的信息处理工具;而智能故障诊断系统通常都是在多传感器数据融合的基础上进行综合诊断.研究了多传感器信息融合系统的层次结构和融合策略,改进了单一D-S证据理论的融合方法;在分析了多传感器数据融合技术和智能故障诊断的系统要求后将两项技术进行了有机的结合,最后提出了一种新的基于多传感器数据融合的智能故障诊断系统的结构框架.     

基于可加性模糊系统的多传感器数据融合诊断

基于可加性模糊集系统理论,提出一种多传感器模糊融合诊断方法,采用补块覆盖法逼近函数和可加性模糊融合算法进行信号的特征融合。实验证明该诊断模型提高了诊断的准确性。     

基于径向基函数神经网络的柴油机故障诊断

提出一种应用径向基函数(RBF)神经网络解决故障诊断问题的方法,并将其应用于柴油机故障诊断与识别。在RBF神经网络中采用了一种减聚类的学习算法来确定径向基函数的相应参数,从而使神经网络结构得到优化。实例仿真结果表明,RBF神经网络学习收敛较快,对故障识别性能好。     

基于数据驱动的船舶柴油机智能故障诊断研究

柴油机是船舶重要动力设备,具有复杂的机械结构及运行形式,运动部件需在承受较大的机械负荷及热负荷,如果出现润滑不良或热应力过大等现象,还长时期运行恶劣环境下,极易引发柴油机故障,因此,采取预防性的维修保养措措施具有重要意义。本文先对船舶柴油机故障数据获取与诊断进行论述,并对深度信念网络算法原理进行分析,最后船舶柴油机复合故障的诊断进行研究,可供关人员参考。     

基于神经网络的船用柴油机故障诊断专家系统

介绍一种基于神经网络的船用柴油机的故障诊断专家系统，以及系统结构、神经网络的学习算法，给出应用实例，诊断结果表明该方法的有效性。     

柴油机应急故障诊断预警系统的应用研究

柴油机是一种重要的动力机械,因此对其运行故障进行诊断与预警十分重要。但柴油机的构成十分复杂,涉及诸多子系统与多个领域,导致针对其进行的故障诊断预警工作难度高且准确性不足。针对上述困难,设计了一种定转速信号采集系统,并将采集到的振动信号使用EMD-AR方法提取出特征信号,最后再采用模糊神经网络算法对特征信号进行分析,从而实现故障的判定。将前述算法作为一个模块嵌入到设备的故障诊断预警系统中,实现了柴油机应急故障诊断预警系统的应用。     

基于数据融合技术的电力变压器在线故障诊断研究

提出了基于疏失误差的单传感器改进型分批估计数据融合算法,运用高端C8051F140型MCU的强大运算能力和丰富的外围接口电路,同时将CAN总线引入到现场数据的传输中,实现了电力变压器实时、可靠、精确的在线故障诊断。     

基于数据融合的滚动轴承故障诊断研究

以滚动轴承小波分解后的能量信息作为特征,通过神经网络作为分类器对滚动轴承故障进行识别,经过一定的信息融合分析处理,能够较为准确地识别设备的故障.     

基于ART-并行BP神经网络的柴油机故障诊断研究

造成柴油机故障的因素十分复杂,既存在单一类的故障,也存在多故障并存的现象,而且还会出现新型故障,仅仅依靠单一神经网络技术的故障诊断已经很难满足对柴油机的有效诊断要求。本文在信息决策层融合的基础上,以自适应谐振理论ART和误差反向传播并行BP两种神经网络为基础,建立了用于柴油机故障诊断的新型神经网络模型,以对柴油机系统工作过程多种故障进行诊断识别。通过与单一神经网络诊断识别结果的分析和比较,验证了该神经网络诊断模型的可行性,它能够进行多传感器信息综合诊断,既能识别单故障和并发故障,又具有识别新型故障的能力,可有效地提高对柴油机故障诊断的准确性和可靠性。     

基于应力波分析的状态监控与故障预测研究

随着先进的仪器测量与分析、物联网、云计算、数据挖掘、人工智能等科学技术的发展,设备状态监控和故障预测技术近年来在工业设备健康管理中起到越来越重要的作用。研究了一种基于应力波分析的状态监测与故障预测技术,通过应力波传感器对设备运动部件间的摩擦、机械冲击和动态荷载的电子信号进行检测和处理,采用专为应力波分析而开发的时域和频域特征提取软件和基于神经网络的数据融合技术,对设备状态进行定量分析,对设备故障进行准确预测,并提供设备健康诊断分析报告。运行试验表明,与振动分析等传统的状态监测方法相比,本系统能更好地实时监控设备运行情况,更早地预测故障,保证了生产安全性,降低了设备检维修成本,提高了生产效率。     

神经网络数据融合和目标识别

针对某给定区域内的多目标识别,研究了神经网络数据融合和目标识别的有效方法,使多目标识别快速而准确。     

数据融合在液压泵故障诊断中的应用

运用数据融合的方法进行液压泵的故障诊断,建立了含有数据采集处理、神经网络局部诊断和D-S证据理论融合诊断3个模块的故障诊断系统,利用此诊断系统在CY14-1B柱塞泵上进行了模拟故障诊断试验,验证了该诊断系统的有效性。