B737-NG飞机自动刹车原理及故障分析

介绍B737-NG飞机自动刹车系统的工作原理,分析其常见故障的原因,提出改进建议。     

随机自动学习机在BP神经网络中的应用

BP算法在许多领域中得到了很好的应用,但它有很多局限性。对复杂的问题,BP需要很长的时间训练网络,而且不一定能得到最佳的网络参数,因此找到合适的网络参数是比较困难的。本文将引入随机自动学习机模型来对BP网络的参数进行调整优化。实验证明所提出的方法不仅能提高网络训练的收敛速度,而且避免了训练陷入局部最小点。     

BP神经网络在测控设备自动调平系统中的应用

Ka频段车载测控设备在航天领域的快速发展,促进了电子水平传感器自动调平系统在车载测控设备的广泛应用。目前设备都是在跟踪目标前利用调平系统传感器反馈的信号进行调平,并计算出补偿误差,而在天线运转过程中重心变化又引入了一定的系统误差,降低了设备的外测精度。利用BP神经网络在天线实时跟踪目标时电子水平传感器反馈的信号预测误差,进行动态补偿。通过实际验证,证明可以减少设备测量误差和达到提高测量精度的目的。     

飞机刹车系统故障诊断方法及其应用研究

刹车系统是飞机着陆制动的重要系统,其故障将直接影响飞机着陆安全.现阶段刹车系统多采用故障树分析法进行事后诊断,对故障预防效果有限.运用一元线性回归分析方法建立刹车系统输出刹车压力的预测区间,修正后作为刹车压力应正常分布的区间,将该区间作为检测手段并结合故障征兆判据,对刹车系统现有工作数据在区间上的分布情况进行分析和判断...     

神经网络BP算法在电机故障诊断中的应用

本论文简要介绍了故障诊断的必要性,BP算法的特点与原理,重点介绍了用BP算法进行异步电机转子断务故障诊断原理.故障信号的提取方法及网络的训练过程.     

BP神经网络在滚动轴承故障诊断中的应用研究

滚动轴承表面振动信号中包含着丰富的工作状态信息和故障特征信息,从其表面振动信号中提取时域特征参数,可以有效地识别轴承工作状态。通过试验采集振动信号作为识别故障的原始数据,建立基于振动信号的轴承故障诊断神经网络,并对网络进行训练得出标准故障模式,从而最终实现轴承的故障诊断。     

BP神经网络在配料系统故障诊断中的应用

利用BP神经网络的自适应,自学习和对非线性系统超强的分析能力等特点,将其应用到橡胶配料系统中,有效的实现了配料系统的故障诊断,填补了国内在配料系统故障诊断应用上的空白,对其他行业也有一定借鉴作用.     

Quasi-Newton BP神经网络算法在电梯急停故障诊断中的应用

为了判断电梯运行是否故障急停,结合电梯动态智能检测系统的结构和特点,采用基于多传感器数据融合技术的3层BP神经网络方法,并将其应用到电梯动态智能检测系统中;因对不同传感器采集的信号采用不同的处理方法,训练样本包括基于小波包分析的能量特征向量,峭度系数、峰峰值时域特征值;Quasi-Newton BP算法经104步完成对样本训练,精度是2.6x10-4,实现检测系统的智能化急停诊断;结果表明该算法优于弹性BP算法.     

BP神经网络和Elman神经网络在模拟电路故障诊断中的应用

通过分析BP神经网络和Elman神经网络的基本结构和算法,研究了基于神经网络的模拟电路故障诊断方法,并通过仿真实验对比分析了BP神经网络和Elman神经网络的诊断能力。结果表明,BP神经网络的收敛速度相对较慢、训练时间长;Elman神经网络的结构参数调整简单、训练时间短、性能稳定,更适合存在容差、非线性等问题的模拟电路故障诊断。     

BP神经网络在飞控系统传感器故障诊断中的应用

故障检测和诊断技术对提高系统可靠性具有重要意义,针对飞控系统中常见的传感器故障,提出了基于神经网络观测器的故障诊断方法;通过构造神经网络模型代替解析系统建模,利用神经网络的学习能力在线检测传感器故障,最后,应用BP神经网络算法对故障进行仿真;仿真结果表明,神经网络观测器方法对单一传感器故障及多个传感器故障均能够准确识别,并对故障的定位也有不错的效果。     

BP神经网络在雷达故障诊断中的应用研究

对雷达混合电路故障诊断问题进行了研究,针对传统雷达故障诊断中的“自适应差”,“过分依赖故障数学模型”的缺陷。采用了一种故障诊断表示模型,提出将专家系统与神经网络相结合的诊断方法,避免了在实际中雷达电路难以建立精确的数学模型的问题。利用人工神经网络理论为其建立了BP神经故障诊断网络,增加了雷达电路故障诊断系统的“自适应性”。进而给出了网络训练算法和诊断步骤,最后给出了在某型雷达设备上仿真调试诊断的实例。     

人工神经网络技术在机械故障诊断中的应用探讨

阐述了人工神经网络模型的一般结构和算法，并设计了机械故障诊断神经网络的模型和学习过程。通过对集材-50拖拉机变速箱的实验诊断和测试，结果表明人工神经网络技术可以快速、准确地诊断出机械故障类型。     

人工神经网络在汽轮发电机组故障诊断中的应用

基于ＢＰ神经网络，结合船舶汽轮发电机组故障诊断问题，提出了一个适合于复杂、非线性系统的块层化神经网络诊断模型，并开发了一个诊断系统。通过实验优化了网络参数，经在某船舶汽轮发电机组进行的运行实验，验证了诊断模型高效的自组织、自学习能力。初步试验结果表明诊断系统是有效和可行的。     

基于BP神经网络的智能BIT故障诊断系统研究

论述了智能BIT的设计、检测、诊断、决策四个方面的主要研究内容,分析了BP神经网络的网络模型及工作原理,构建了基于BP神经网络的智能BIT故障诊断系统,并用某雷达录取终端的故障实际数据进行了验证。结果表明将神经网络与智能BIT结合是一种有效的诊断方法,解决了传统BIT故障诊断能力不足,导致系统虚警率过高、自适应性能差等问题,使被测系统具有更高的故障诊断能力。     

基于BP神经网络的故障诊断技术研究

分析了传统的故障诊断方法的特点和缺点,在此基础上选择BP神经网络应用于故障诊断,详细探讨了BP神经网络的建模方法,根据设备的层次结构和特点,将集成神经网络应用于故障诊断,有效地克服了单一神经网络故障诊断的一些缺点,大大提高了故障诊断的效率和准确率.     

粗糙集神经网络系统在故障诊断中的应用

故障诊断中的误报和漏报现象直接影响诊断的准确率,同时在线故障诊断又要求很强的实时性,本文在给出粗糙集神经网络系统原理框图的基础上,结合领域知识把该系统应用于滚动轴承的故障诊断中,仿真实验结果表明该系统提高了故障诊断的准确率和诊断速率,同时减少了检测项目,降低了诊断成本,在实际中有良好的应用前景。     

基于Elman神经网络的齿轮故障诊断研究

在齿轮故障诊断过程中,针对传统的BP神经网络具有学习、记忆不稳定等缺点,提出了将Elman神经网络应用于齿轮故障诊断中,建立了Elman神经网络的应用结构模型,介绍了该网络的训练算法,阐明了齿轮故障诊断的实现过程;结果表明该神经网络学习记忆稳定,具有很好的学习功能,诊断方法具有高可靠性,达到了预期效果。