共查询到20条相似文献,搜索用时 62 毫秒
1.
2.
介绍了模糊规则网络的原理及算法,并用该网络对一种由三通阀和差动液压缸构成的液压动力机构的故障进行了趋势预测.实验证明:用模糊神经网络技术能够及时准确的预报机器故障,为机器的尽快维修提供了可靠的依据. 相似文献
3.
介绍了模糊规则网络的原理及算法.并用该网络对一种由三通阀和差动液压缸构成的液压动力机构的故障进行了趋势预测.实验证明:用模糊神经网络技术能够及时准确的预报机器故障,为机器的尽快维修提供了可靠的依据. 相似文献
4.
5.
提出了一种结合高斯模糊化和BP神经网络的汽车液压转向系统故障诊断方法。通过采集压力、温度、噪声、流量和泄漏量等信号,并对其进行高斯模糊化处理,将其映射为一组多元模糊集合,用于描述液压转向系统的状态。同时,使用BP神经网络对故障进行分类和回归预测,并通过训练集和测试集验证了模型的准确性和泛化能力。与未高斯模糊化的对照实验相比,高斯模糊化处理的方法表现出了明显的优越性,能够提高预测准确性、降低训练时间和计算量,并减小过拟合的可能性。因此,该方法可以为汽车液压转向系统的故障诊断提供一种有效的解决方案。 相似文献
6.
液压故障模糊神经网络诊断方法探讨 总被引:1,自引:1,他引:0
本文提出了一种新的液压故障模糊神经网络诊断方法,即从症状和故障源两个方面对故障进行诊断,再综合两个诊断结论,此方法具有学习机能,且能显示知识结构。 相似文献
7.
基于 BP 神经网络的液压系统泄漏故障诊断 总被引:2,自引:0,他引:2
针对液压系统的泄漏问题,提出了基于BP神经网络,以液压系统压力动态过渡过程为分析对象的故障诊断方法。该方法在通常BP神经网络的基础上,采用对学习样本加噪声的方法,提高了BP网络对噪声的抑制能力。它比传统方法,具有可靠性高,适用性广,而且成本低廉的特点。 相似文献
8.
9.
10.
在液压系统故障诊断中,由于故障原因繁多且相互交织和影响,导致设备故障具有一定的模糊性.传统的诊断方法以专家的经验为主,容易产生误诊的现象.以某叉车液压系统为例,应用模糊综合评判理论错容性好、评判方法简单等特点,对其故障进行智能分析,达到可靠、高效评价的目的. 相似文献
11.
基于小波神经网络柱塞泵液压系统的故障诊断研究 总被引:1,自引:0,他引:1
为了能够有效地对柱塞泵液压系统进行故障诊断,该文深入研究了小波神经网络在其中的应用.首先,分析了小波神经网络的基本原理,确定了小波神经网络的结构;然后,研究了小波神经网络的算法,选取了具有全局最优的粒子群优化算法.接着,设计了小波神经网络训练的流程;最后,对柱塞泵液压系统进行了故障诊断研究,经过仿真计算,最终得出小波神经网络具有故障诊断正确率高和诊断速度快的优点. 相似文献
12.
13.
叉车液压系统是叉车的关键系统之一,经常会产生故障,影响叉车的正常工作,因此,利用模糊神经网络对叉车液压系统进行故障诊断意义重大.首先,建立了模糊故障诊断模型,设计了模糊神经网络的结构,并且设计了相应的算法.接着,进行了叉车液压系统模糊神经网络故障诊断仿真分析,故障诊断的准确率高达98%,表明该方法具有非常好的鲁棒性. 相似文献
14.
15.
以液压系统中液压马达为研究对象,提出了一种基于故障表征的诊断模型,该模型无需建立被诊断对象的精确数学模型,只需以显性的故障表征作为诊断模型的输入,并为其建立BP神经网络模型,运用MATLAB给出该网络的训练过程及结果,并提供应用于液压马达的故障诊断实例. 相似文献
16.
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. 相似文献
17.
为了能够提高液压传感器故障诊断的精度,深入地研究了小波神经网络在其故障诊断中的应用.首先,建立了小波神经网络的数学模型;接着,分析了小波神经网络的算法和实现步骤;最后对液压传感器的六种故障模型进行了故障诊断,诊断结果表明小波神经网络具有较高的诊断精度. 相似文献
18.
将模糊控制和神经网络理论相结合,通过遗传算法对其参数进行优化,有效地解决了常规模糊理论不能自学习和神经网络算法易陷入局部极小、收敛速度慢等缺点,并对其应用于电力变压器故障诊断进行了仿真,实例仿真结果表明该算法具有较快的收敛速度和较高的计算精度,故障诊断结果证实了该算法应用于电力变压器故障诊断的有效性。 相似文献
19.
20.
针对液压驱动火箭炮随动系统故障类型的多样性以及故障信息不确定性等问题,提出了证据理论与神经网络综合集成的故障诊断方法。为克服单一神经网络自身的缺点,在普通节点处建立2个改进神经网络模型来简化网络结构,分别以铁谱数据和压力、流量、温度特征参数作为输入向量进行初始故障诊断,并将诊断结果作为证据理论的基本概率分配,从而实现了赋值的客观化。然后,利用 D-S 证据理论对2个改进神经网络的初始诊断结果进行融合。实验结果表明:该方法避免了神经网络识别时的误诊,提高了液压驱动的火箭炮随动系统故障诊断的准确性。 相似文献