起升机构液压系统模糊神经网络故障诊断

基于起升机构液压系统故障诊断的特点,提出基于故障树的模糊神经网络作为汽车起重机起升机构液压系统故障诊断的方法。该方法利用故障树知识,提取汽车起重机起升机构液压系统故障诊断的输入变量和输出变量,引入模糊逻辑的概念,运用模糊隶属度函数来描述这些的程度,利用共轭梯度优化算法对神经网络进行训练,并通过实例分析,验证了汽车起重机起升机构液压系统模糊神经网络故障诊断的有效性。     

基于模糊神经网络的液压动力机构故障诊断研究

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.     

基于模糊神经网络的液压动力机构故障诊断研究

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.     

基于RBF神经网络的液压系统模糊故障诊断研究

提出了将RBF神经网络运用于液压系统模糊故障诊断的方法,针对该网络不能识别新状态类型的缺陷,应用一种基于置信度的判别原则.通过实例对该网络的性能进行测试,并且与BP网络的识别结果进行对比,发现该网络能取得更好的效果,并具备识别新的状态类型.     

基于高斯模糊和BP神经网络的汽车液压转向系统故障诊断

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。     

液压故障模糊神经网络诊断方法探讨

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。     

基于 BP 神经网络的液压系统泄漏故障诊断

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。     

基于模糊理论的装备液压系统故障诊断研究

在介绍模糊故障诊断的基本原理和方法的基础上,结合某装备液压系统实际运行情况和大量专业人员经验知识,通过建立该系统模糊故障诊断模型,分析了其模糊诊断过程,并提出动态修正法和多因素综合评分法相结合确定模糊诊断矩阵的故障诊断新方法,应用结果证明了其实用性和有效性.     

基于模糊理论的工程机械液压系统故障诊断

首先系统介绍了建立在模糊理论基础之上的一种液压系统故障诊断法数学模型的详细建立过程,并陈述了该方法在工程机械液压系统故障诊断中的应用原理和过程,然后以某型双钢轮液压振动压路机行走液压系统为实例,应用该模糊诊断法对其液压系统进行故障诊断,找出了故障源,经过维修使液压系统恢复正常工作。     

基于二级模糊综合评判的液压系统故障诊断研究

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.     

基于小波神经网络柱塞泵液压系统的故障诊断研究

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.     

基于故障树的叉车液压系统故障诊断

与一般机械系统的故障诊断不同，液压系统故障诊断的难点在于故障部位难查明。国内已经有人采用故障树理论进行故障诊断。文献[1]提出了利用故障树的最小割集矩阵和计算结构重要度进行故障树定性分析的方法，文献[2]提出了用故障树分析法，综合考虑故障诊断中的搜索代价、故障发生概率等因素求解液压系统故障搜索策略的方法。     

模糊神经网络在叉车液压系统故障诊断中的应用

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.     

基于模糊理论的架桥机液压系统故障诊断方法

针对液压系统故障的多发性、故障在封闭回路中的传递性、设备构造的复杂性等特点,结合架桥机液压系统实际运行情况和专业人员经验知识,运用基于模糊理论的架桥机液压系统故障诊断方法,分析了其模糊诊断过程,提出了一种基于时间区间的概率统计法确定模糊诊断矩阵,并采用阈值与最大隶属相结合的诊断原则进行故障诊断,应用实例证明了其实用性和有效性。     

基于BP神经网络的液压马达故障诊断

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.     

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.     

基于小波神经网络的液压传感器的故障诊断研究

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.     

基于模糊神经网络的电力变压器故障诊断研究

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。     

基于模糊理论的数控机床液压系统故障树分析

以某数控机床液压系统为研究对象,针对其故障发生概率具有模糊性和不确定性的特点,将模糊理论引入故障树分析中,采用三角型模糊数来描述底事件发生概率.通过分析该系统故障发生的机理,建立了该系统的模糊故障树,在定性分析的基础上进行定量计算,得到了基本事件的模糊重要度这项可靠性指标,为系统的可靠性评估、故障诊断以及维修决策提供了理论依据.     

神经网络与 D-S 证据理论融合的液压系统故障诊断方法

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。