峰度的FNN方法在化工过程故障诊断中的应用

针对化工过程具有规模大、复杂性高、变量多的特点,本文提出了改进FNN(KFNN)的化工过程故障诊断方法。传统的FNN方法存在运算复杂度高、灵敏度低的问题,将峰度引入到FNN方法中,对数据进行降维处理,使运算复杂度明显降低,提高了故障诊断的精度和灵敏度。将KFNN方法应用到一个实际酮苯脱蜡的化工过程中,仿真结果表明此方法能够及时有效地检测酮苯脱蜡生产过程中存在的故障。     

神经网络在船舶柴油机故障诊断中的应用研究

为进一步改善船舶柴油机故障诊断的精度和实时性,提出一种基于改进遗传算法和RBF神经网络相结合的智能诊断方法,该方法优化了RBF神经网络的隐节点、中心向量及宽度参数,用最小二乘法训练网络隐层到输出层的权值;并在MATLAB环境下对船舶柴油机故障诊断进行仿真实验,自适应遗传算法优化RBF网络的诊断速度快,收敛效果好,诊断精度高,验证了所提出控制策略的合理性和有效性。     

基于FNN的水电机组故障诊断专家系统研究

本文通过对水电机组故障诊断进行机理分析,并结合专家和现地运行人员的知识,归纳并总结形成专家知识库。将模糊逻辑系统和神经网络融合技术（即模糊神经网络Fuzzy Neural Network,FNN）应用于水电机组故障诊断中,建立基于模糊神经网络的水电机组故障诊断专家系统。仿真和实际运行结果验证了谊思想和方法的可行性。     

基于PCA-KFCM的船舶柴油机故障诊断

为提高船舶柴油机故障诊断的准确率和深刻反映船舶柴油机的运行状况,结合主元分析(PCA)的特征提取优势和模糊核聚类(KFCM)具有较好聚类效果的特点,提出了一种新的船舶柴油机故障诊断方法。该方法首先利用主元分析对船舶柴油机故障的训练和测试数据集进行特征提取,消除了故障征兆之间的相关性;然后对经特征提取后的训练样本进行模糊核聚类,并用网格法确定其中的参数,得到聚类中心。最后通过计算测试样本集中各样本与聚类中心在高维特征空间中的欧氏距离,得出最终的故障诊断结果。对MAN B&W 10L90MC型船用柴油机的故障诊断结果验证了该方法的有效性。因此,应用提出的方法对船舶柴油机进行故障诊断具有重要的实际意义。     

基于PCA-KFCM的船舶柴油机故障诊断

为提高船舶柴油机故障诊断的准确率和深刻反映船舶柴油机的运行状况,结合主元分析(PCA)的特征提取优势和模糊核聚类(KFCM)具有较好聚类效果的特点,提出了一种新的船舶柴油机故障诊断方法。该方法首先利用主元分析对船舶柴油机故障的训练和测试数据集进行特征提取,消除了故障征兆之间的相关性;然后对经特征提取后的训练样本进行模糊核聚类,并用网格法确定其中的参数,得到聚类中心。通过计算测试样本集中各样本与聚类中心在高维特征空间中的欧氏距离,得出最终的故障诊断结果。对MAN B&W 10L90MC型船用柴油机的故障诊断结果验证了该方法的有效性。因此,应用提出的方法对船舶柴油机进行故障诊断具有重要的实际意义。     

船舶柴油机故障诊断方法的研究

研究船舶柴油机故障诊断问题,由于船舶柴油机故障样本相当少且样本极不平衡,系统复杂,传统故障诊断方法均是采用大样本的学习方法,易出现过拟合,得到局部最优解,导致船舶柴油机故障的准确率较低。为了提高船舶柴油机故障的准确率,采用专门针对小样本的支持向量机进行船舶柴油机故障诊断。首先建立船舶柴油机故障样本集,采用层次支持向量机构造柴油机故障诊断树,解决样本不平衡问题,最后进行船舶柴油机故障诊断。实验结果表明,支持向量机不仅提高了柴油机故障训练和诊断速度,且提高了故障诊断的准确率,较好解决船舶柴油机故障诊断中的过拟合、小样本等问题,可以为船舶正常工作提供保证。     

多层前向神经网络在柴油机故障诊断系统中的应用研究

故障诊断是计算机模式识别领域的一个活跃课题。文中提出了基于ANN的柴油机故障诊断方法,设计了适合该诊断系统的BP网络结构,并给出了一种改进的BP算法(IBP),该算法基于黄金分割法自适应调整网络学习速率。仿真结果表明:该算法比标准BP算法具有更快的学习速度和更高的学习精度,完全适用于柴油机故障诊断系统。     

基于粗糙集遗传神经网络的柴油机故障诊断

提出一种基于粗糙集和遗传算法的BP神经网络故障诊断方法,解决基本BP网络收敛速度慢、精度低、易陷入局部极小值问题.运用粗糙集理论对训练样本进行属性约简,简化BP网络输入维数.设计2次遗传算法训练BP网络,第一次优化神经网络隐含层节点个数,第二次在神经网络结构确定的情况下,优化网络连接权值.以柴油机进、排气阀故障为例,应用提出的方法进行仿真,仿真结果证明了该方法能够优化神经网络结构,提高故障诊断速度和准确率.     

用GA优化模糊控制器及其应用

用遗传算法优化模糊控制器的隶属度函数,得到优化的模糊控制器。在遗传算法设计方面,采用十进制基因编码,减少了译码的麻烦,避免了常规情况下以二进制形式编码的染色体物理意义不明显和在交叉、变异操作中容易破坏本身特性的缺点。给出了一种比较实用的交叉、变异和选择的方法,不仅使得种群进化的操作计算变得简单,而且既保留了染色体中好的特性又优化了不良的染色体。全部程序由Matlab编程实现。针对某货船,将优化后的模糊控制器在Matlab的Simulink中进行了多种情况下的仿真研究。此外,对于种群规模、进化代数对模糊控制器性能的影响也做了对比的仿真研究。由仿真结果可知,遗传算法能够有效地提高模糊控制器的性能。     

现代船用柴油机智能故障诊断系统的研究

现代船用柴油机是机一电．液等各种子系统组成的大型机电设备,结构复杂决定了对其故障进行诊断的困难性。基于目前发展较快的船用柴油机故障诊断技术及较成熟的专家系统与人工神经网络理论,对专家系统和BP神经网络的融合方法在船用柴油机故障诊断方面的应用进行了有益的探讨,并提出了利用专家系统和BP神经网络的融合方法建立的船用柴油机神经网络故障诊断专家系统基本结构。     

基于FOA优化GRNN的船用柴油机涡轮增压系统故障诊断

为了及时有效的发现并排除船用柴油机涡轮增压系统的故障,文中采用果蝇优化算法（FOA）对广义回归神经网络（GRNN）的分布密度SPREAD进行优化选取,提出了一种果蝇优化算法和广义回归神经网络相结合的故障诊断新方法。收集某型号船用柴油机的样本集,采用相同的训练样本分别对FOA优化GRNN和RBF神经网络进行训练,并用相同的测试样本对以上两种模型进行验证。结果表明,与RBF神经网络故障诊断方法相比,FOA优化GRNN对柴油机涡轮增压系统故障模式的识别准确率更高。     

基于改进鲸鱼算法寻优SVM的船用柴油机燃油系统故障诊断方法研究

鉴于船用柴油机的复杂性,难以及时有效地进行维护保养决策,故此提出一种拉普拉斯分值和改进鲸鱼算法的支持向量机相结合的故障诊断方法.首先利用LS对征兆样本集进行降维处理,然后通过IWOA来优化SVM的惩罚因子和核参数,构造成分类器模型来进行故障诊断.将改进的算法与传统的算法进行比较,验证了改进鲸鱼算法寻优SVM在故障诊断方面的有效性.     

基于神经网络的柴油机故障诊断方法

提出了一种基于三层BP网络的柴油机故障诊断模型，给出了一种基于黄金分割法的变步长学习算法。仿真结果表明，该算法比标准BP算法具有更快的学习速度，完全适用于柴油机故障诊断系统。     

针对神经网络缺陷的柴油机在线故障诊断研究

神经网络各模型在柴油机故障诊断的应用过程中,都有各自的特点;针对单一网络模型在故障诊断过程中的缺陷,提出应用多种模型的子网络组成组合网络进行诊断,各子网络的诊断输出应用模糊变换处理,融合多种故障有效信息,提高故障诊断的准确性;首先将BP、Elman诊断子网络得出其各自的初步诊断结果;然后应用模糊变换得出决策级在线诊断结果;通过对某柴油机燃油供给系统的故障诊断过程表明,该诊断模型能融合有效故障信息,避免了单个子网络诊断的失效,有效降低了系统的不确定性。     

基于粒子群神经网络的气阀机构故障诊断

提出应用粒子群神经网络和小波包能量特征的柴油机气阀机构故障诊断方法.为了克服BP算法的缺陷,将粒子群优化(PSO)算法应用于神经网络的学习算法中;为了避免PSO算法在全局最优值附近搜索变慢,采用了一种从PSO搜索到BP搜索的启发式算法;然后,通过模拟柴油机气阀机构的两种常见的主要故障:气阀漏气和气门间隙异常,采集气缸盖...     

船舶柴油机故障诊断仿真系统研究

该文阐述了船舶柴油机故障诊断仿真系统的模型、结构与功能,着重介绍了基于RBF神经网络故障诊断方法。本系统具有结构简单、功能齐全等优点,对开发实船柴油机故障诊断的辅助分析系统和培训轮机员熟悉处理故障有实际意义。     

粗糙集与改进的QPSO-RBF算法在柴油机气门故障诊断中的应用

针对气门故障,以缸盖振动信号的小波包能量谱作为故障特征参数,提出一种粗糙集(RS)与改进的量子微粒群径向基函数神经网络(QPSO-RBF NN)相结合的故障诊断方法.首先应用粗糙集对试验所得的特征参数进行属性约简,去掉冗余信息,简化RBF网络的结构;然后将带变异算子的QPSO算法引入到RBF网络的学习过程中,改进其现有的学习算法,进一步提高故障预测能力.通过对6135D型柴油机气门故障进行诊断,结果表明该方法提高了诊断的精度和效率.