基于BP网络信息融合技术的电路板故障诊断

对基于BP神经网络的信息融合故障诊断技术进行了研究,将信息融合技术应用到某型反舰导弹俯仰综合放大器电路板的故障诊断中,并利用改进的BP神经网络进行数据融合,得到了较为理想的结果.研究表明,该方法能够较好地解决电路板元件故障诊断的不确定性问题.     

基于深度置信网络与信息融合的齿轮故障诊断方法

针对齿轮在复杂运行工况下故障特征提取困难,传统故障诊断方法的识别精度易受人工提取特征的影响,以及单传感器获取信息不全面等问题,提出基于深度置信网络(DBN)与信息融合的齿轮故障诊断方法.通过多传感器信息融合技术对每个传感器采集的振动信号进行数据层融合;利用DBN进行自适应特征提取从而实现故障分类.为了避免因人为选择DB...     

基于二级信息融合的装备故障诊断方法

针对武器装备故障诊断的多故障问题和单一诊断方法推理能力弱、匹配能力差的缺点,采用RBF神经网络数据级融合和DS证据理论特征级融合相结合的方法应用在二级故障诊断模型中,给出了模型实现步骤,并结合某型导弹制导电子箱故障诊断进行了实验验证.该法使诊断不确定性大大减小,克服了单一方法的缺陷与不足,并使武器装备故障诊断的准确度得到提高.     

电机故障诊断中的信息融合利用问题研究

对电机故障诊断中的可用信息进行了分类，并针对单一诊断技术对信息利用不足的问题提出利用信息融合的理论，指出了基于信息融合的电机故障诊断技术应解决的问题；给出了基于信息融合的电机故障诊断的基本框架；最后概述了诊断中信息融合利用的方法．结果表明，充分利用电机运行中的各种信息，采用基于信息融合技术的故障诊断方法可以提高故障诊断的准确性和可靠性．     

基于遗传BP网络的模拟电路故障诊断

提出了一种用故障的典型特征作为训练样本、遗传算法与BP网络相结合的模拟电路故障诊断新方法.该法采用故障的典型特征作为样本训练网络,遗传算法来优化BP网络的结构与初始权值分布的策略.详述了其诊断原理及诊断步骤,并给出了仿真实例及工程应用.结果表明,该方法具有特征提取简便、测前工作量小、故障诊断速度快及故障定位准确率高等特点.     

基于D-S证据理论信息融合的转辙机故障诊断方法研究

在列车提速后S700K型电动转辙机被普遍安装在正线道岔的背景下,本文针对单一故障诊断方法的诊断精度偏低问题,提出了基于信息融合故障诊断模型和故障诊断方法.该方法分别用BP神经网络和模糊综合评判对转辙机进行故障诊断,利用神经网络输出和模糊综合评判输出来构造D-S证据理论中的概率分配,然后利用D-S证据理论将BP神经网络和模糊综合评判对转辙机的故障诊断结果在决策级进行融合,诊断转辙机是否有故障并判断故障的模式.诊断结果表明,该诊断方法具有较高的故障诊断精度,诊断结论的可信度有明显提高.     

基于信息融合的组织型P系统输电网故障诊断方法

输电网故障诊断通常以开关量信息为决策数据,即保护装置的动作信息,但是单一的开关量故障诊断方法过度依赖开关量信息的完整性和准确性,存在一定的不确定性。为了解决上述问题,该文提出基于信息融合的组织型P系统（Tissue-likePsystems,TPS）的电网故障诊断方法。首先,通过结线分析法确定可疑故障元件。其次,通过评估保护装置的动作状态来修正TPS故障诊断模型中的初信向量。最后,通过信息融合推理算法进行故障诊断,从而判断故障元件。该文还采用IEEE14节点系统进行算例分析,证明了该方法的可行性和有效性。     

改进的BP神经网络在风机故障诊断中的应用

采用动量法和学习速率自适应的改进BP神经网络建立风机故障诊断系统。在网络训练过程中分别采用标准训练样本和含有白噪声的训练样本来训练网络,使网络具有一定的容错性。最后通过仿真实验和风机的故障诊断实例表明：改进的BP神经网络减少训练次数,提高了学习效率,而且有效地抑制网络陷于局部极小,是风机故障诊断的有效方法。     

改进的BP算法在柴油机故障诊断中的应用研究

利用改进ＢＰ算法的神经网络对柴油机进行故障诊断。首先讨论了其训练算法,然后确定了柴油机故障诊断所用特征参数及故障种类,并提出特征参数数据归一化公式,最后以６－１３５ＺＣ柴油机为例,将实验数据输入网络验证。结果表明,神经网络对柴油机故障识别率很高,应用于柴油机故障诊断领域是切实可行的。     

基于遗传神经网络信息融合的模拟电路故障诊断

提出了一种基于动态电源电流和输出电压信息融合,以及遗传算法优化径向基(GA-RBF)神经网络的电路故障诊断方法.对电路采样信号进行了小波包能最特征提取、归一化和特征关联,用遗传算法优化径向基神经网络的训练,建立了一个信息融合和故障诊断系统.通过仿真实验表明,此方法可以有效提高诊断正确率.     

基于改进BP网络的冷水机组故障诊断

采用常规神经网络进行冷水机组的故障检测与诊断,存在整体检测率低或完全无法检测的现象。为了提高冷水机组故障检测效率及诊断精度,本文提出了一种基于贝叶斯正则化的改进神经网络故障检测策略。由于BP神经网络存在泛化能力差的缺陷,对神经网络进行贝叶斯正则化,从而提高模型的检测效率。贝叶斯算法通过限制神经网络权值,使网络反应更加光滑,模型更精确。通过利用ASHRAE Project提供的数据对FDD(fault detection and diagnosis)策略进行验证,检测率明显提高。     

改进BP网络在旋转机械故障诊断中的应用

ＢＰ神经网络在旋转机械故障诊断中得到了广泛应用，但是实践中发现，ＢＰ网络的联想能力有限，特别是对于多故障情况。本文对此进行了改进，提出了一种新型ＢＰ网络模型。新模型增加了输入、输出层间的部分连接，大大提高了ＢＰ网络的联想能力，特别适用于象旋转机械这类复杂系统的故障诊断。     

多模型融合下的滚动轴承故障诊断方法

针对单一分类器对于轴承故障诊断精度低的问题,提出一种多模型融合的滚动轴承故障诊断方法。首先对于滚动轴承的原始振动信号采用WELCH功率谱算法进行预处理,然后从功率谱中提取相关特征参数构成输入样本,分别采用LDA、SVM、KNN以及PNN四种分类器作为基分类器,再结合集成学习算法构造Stacking 集成学习模型,实现对滚动轴承多种故障类型的预测分类。实验结果表明,相比较各个单一分类器,Stacking-SVM集成模型的诊断性能更优,诊断准确率为98 %。同时将该集成模型在不同工况下进行实验及抗噪实验,均能达到较高的诊断准确率。可见该集成模型的故障诊断性能稳定,具有一定的鲁棒性和泛化能力。     

基于灵敏度预分类的BP神经网络故障诊断方法

故障特征信息的获取和处理对电路故障的可靠分类和准确诊断有很大的影响．在电路故障诊断时,对于不同的故障模式,存在信息混叠的现象,需要解决特征信息的有效提取和故障的可靠分类等问题．为此,本文提出了一种结合灵敏度特性分析的BP神经网络故障诊断方法．基本思想是通过灵敏度的计算,对电路故障样本作预分类,再根据电路灵敏度的计算结果分别提取相应特征信息,以此构造故障样本特征集,然后作为BP神经网络的输入对网络训练,并进行故障诊断．对滤波器的仿真结果表明,该方法能分类不同的元件故障,且对模拟电路故障诊断的平均正确率优于传统方法．     

A Study on Integrated Wavelet Neural Networks in Fault Diagnosis Based on Information Fusion

The tight wavelet neural network was constituted by taking the nonlinear Morlet wavelet radices as the excitation function. The idiographic algorithm was presented. It combined the advantages of wavelet analysis and neural networks. The integrated wavelet neural network fault diagnosis system was set up based on both the information fusion technology and actual fault diagnosis, which took the sub-wavelet neural network as primary diagnosis from different sides, then came to the conclusions through decision-making fusion. The realizable policy of the diagnosis system and established principle of the sub-wavelet neural networks were given. It can be deduced from the examples that it takes full advantage of diversified characteristic information, and improves the diagnosis rate.     

基于信息融合的柴油机缸套磨损故障诊断研究

针对柴油机缸套磨损故障进行模拟实验,获取了柴油机机体表面振动、铁谱分析故障信息,并对多源多维故障信息进行预处理,解决了模糊神经网络的输入矢量的模糊特性化、输出矢量的隶属函数、学习样本的选择及网络的学习训练等问题;在上述工作的基础上,建立了柴油机缸套磨损故障诊断的模糊神经网络模型.为验证诊断模型的有效性,选取了四组分别来自不同故障类别的数据作为检验样本,运用模糊神经网络模型进行诊断,其诊断结果与实际情况十分吻合.研究表明,基于多信息的模糊神经网络模型能较有效地对柴油机缸套磨损故障进行诊断,此方法能减小故障诊断的不确定性,提高诊断精度.     

遗传算法和BP神经网络在电机故障诊断中的应用研究

人工智能方法在电机故障诊断中的应用,使得电机故障能够得到及时准确的预测和诊断,保障了电机的安全运行。介绍了BP神经网络及遗传算法的基本原理及组成结构,针对BP神经网络容易陷入局部极小点及收敛速度慢的问题,利用遗传算法对BP神经网络的权值和阀值优化,改善了BP神经网络的诊断性能;通过GA-BP网络对电机的三种故障模式进行了诊断识别,其实验仿真结果表明：无论是在诊断速度上还是诊断精度上,GA-BP神经网络诊断性能都比单独的运用BP网络有了很大提高。