基于改进GA优化的神经网络故障诊断方法

在改进遗传算法和BP算法的基础上提出了一种普适的遗传算法与神经网络结合的算法模型.探讨了用改进的遗传算法与BP算法相结合对神经网络权系数进行优化;并将其应用于交流电机故障识别.实践表明,该方法是一种行之有效的智能故障诊断新途径.     

小波神经网络在模拟电路故障诊断中的应用

模拟电路故障诊断有故障字典法、故障参数识别法、故障验证法。小波神经网络可避免MLP等神经网络结构设计的盲目性，具有逼近能力强、网络学习收敛速度快、参数的选取有理论指导、能有效避免局部最小值问题等优点。随着小波理论和神经网络理论的不断发展，小波神经网络将日益成熟应用于模拟电路故障诊断领域。     

一种基于小波和神经网络的故障诊断系统

基于小波变换的时频域局部化特征及神经网络的非线性映射特征,以滚动轴承为例,将小波变换和神经网络的优点结合起来.运用小波变换提取滚动轴承振动信号各频率成分的能量作为故障特征参数,将其作为神经网络的输入进行训练和故障识别,利用BP网络实现了对滚动轴承的故障诊断,取得了较好的效果.     

小波神经网络在智能诊断中的应用

小波神经网络分为松散型和紧致型，前者以小波分析作为神经网络的前置处理，为其提供输入特征向量，后者采用小波函数和尺度函数形成神经元，达到小波和神经网络的直接融合，刀具故障在线监测松散型小波神经网络，用声传感器在线采集刀具的状态数据，用小波分析处理数据并提取特征量以确定网络的输入向量；用BP神经网络训练数据，调整权值和故障输出，建立刀具故障在线监测小波神经网络模型。     

基于小波神经网络的航天器故障诊断方法

针对微小航天器集群的故障诊断问题,提出一种故障诊断(fault diagnosis,FD)新方法。依据小波神经网络(wavelet neural network,WNN)理论,结合航天器集群的领队航天器故障检测与系统重构问题,构建一种故障诊断框架,采用小波神经网络与神经网络相结合,得出航天器姿态故障诊断策略及卫星姿态故障重构技术,给出了领队航天器故障重构方案,并进行了仿真实验与验证。仿真结果表明,该故障诊断方法是有效性的、故障重构是可行性的。     

遗传算法在故障诊断中的应用

通过遗传算法的全局寻优能力优化BP神经网络的初始参数,使其收敛速度快、并能收敛至全局最小点,再利用BP网络来进行精确求解;实验表明:将二者有机结合后能对各种故障进行可靠的分类,有效地提高了故障诊断的效率和准确度。     

基于深度置信网络的通信控制设备故障诊断

针对传统的故障诊断方法在装备故障诊断中带来的准确率低问题,提出了一种基于小波变换(WT)和深度置信网络(DBN)的通信控制设备故障诊断方法。该方法通过采集样本故障数据、分析处理故障数据、输入神经网络进行学习、对测试数据进行识别等步骤对通信控制设备进行故障诊断,并与支持向量机(SVM)、k类临近法(KNN)和BP神经网络等传统故障诊断方法进行比较。仿真实验结果表明,提出的方案识别准确率达到93%,与传统方法相比具有更高的准确率,表现更好。     

神经网络技术在雷达电路故障诊断中的应用

简要介绍了雷达电路故障模式和BP神经网络的算法,针对雷达故障诊断的复杂性,提出了采用神经网络技术实现雷达的故障诊断。并以典型故障为例,设计了一个基于BP网络的故障诊断系统,通过实际仿真和应用,取得了较好的效果。     

基于粗糙集理论和小波神经网络的无线电控制探测仪故障诊断

给出了一种基于粗糙集和小波神经网络的无线电控制探测仪故障诊断方法,利用粗糙集处理不确定故障信息的能力,挖掘无线电控制探测仪的故障诊断的知识,通过以S函数为基础的小波神经网络的自学习、模式识别和容错能力实现对无线电控制探测仪的故障诊断.经实例分析、验证,表明该方法是一种有效处理无线电控制探测仪故障的诊断方法.     

基于小波变换的电子设备故障诊断技术研究

基于BP神经网络的电子设备故障诊断,以其不需要建立故障诊断模型,易于智能化实现等优势,发展较为迅速,而采用此方法的故障诊断大部分以故障树获得的特征参数为依据;由于电子设备往往由大量的工作模块组成,各组成模块之间相互耦合、联系紧密,仅仅依靠故障树获得的特征参数难以较好地反映设备状态;所以基于这些特征参数的BP神经网络故障诊断往往诊断率较低;将小波分析的方法运用于特征参数的提取中,利用BP神经网络模式识别完成电台故障诊断;最后通过获得的实测数据进行了实例分析,验证了该方法对于提高电子设备故障诊断率,是可行有效的。     

基于正交试验法和集成神经网络的模拟电路故障诊断方法

在利用集成神经网络进行模拟电路故障诊断时,经常会遇到训练样本庞大的情形.文中以进行多故障诊断为目的,提出了一种基于正交试验法和集成神经网络的模拟电路故障诊断方法.通过正交试验法,大大减少训练样本,同时保证了故障覆盖率.经算例证明,该方法可行、有效.     

基于液体状态机的模拟电路故障诊断方法

针对模拟电路故障特征难以识别的问题,结合液体状态机神经网络的特点,从模拟电路故障特征样本获取和故障模式识别两方面入手,提出一种基于液体状态机的模拟电路故障诊断方法。该方法利用 Matlab 和 PSpice联合仿真,实现大量故障样本数据的自动获取,采用液体状态机进行故障模式的分类,并对两级阻容耦合放大电路的故障诊断实例进行仿真。仿真结果表明：该方法和目前应用最广泛的 BP 神经网络相比,故障识别准确率会有所下降,但训练时间远小于BP神经网络,且泛化能力强,对模拟电路故障诊断研究有一定的实际意义。     

基于KPCA与LSSVM的惯性测量组合模拟电路故障诊断

针对惯性测量组合模拟电路因容差造成的软故障不易诊断的问题,将核主元分析与最小二乘支持向量机结合,应用于惯性测量组合模拟电路软故障的诊断．通过对电路频率响应的输出波形进行分析,选取不同频率下的电压值作为原始特征,利用核主元分析提取主要特征,然后利用最小二乘支持向量机对各种状态下的特征向量进行分类决策,实现惯性测量组合模拟电路的软故障诊断．仿真结果表明,该方法计算简单,能够准确诊断软故障,具有较高的识别率．     

基于1D-CNN 的卫星姿态控制系统故障诊断方法

为解决卫星姿态控制系统中自主故障检测和诊断的问题,提出一种改进的1D-CNN 卫星姿态控制系统故 障诊断方法。以卫星姿态控制系统的故障诊断为背景,构建航天器姿态动力学模型,将卷积神经网络(convolutional neural network,CNN)与快速卷积算法相结合,对卷积神经网络的拓扑结构进行改进,根据BP 算法,将1 维原始数 据作为输入,结合反作用飞轮作为执行机构的技术特征,给出一种基于卷积神经网络的故障检测和隔离方法。仿真 结果验证了该方法对卫星姿态控制系统实时故障检测和分类的有效性。     

基于案例推理的装甲装备故障诊断方法

针对基于案例推理的故障诊断忽视相似车型或者相似部件之间案例的相互借鉴性的可能性,探索一种新的故障诊断方法:在定义故障案例及建立相应的故障特征关键词字典的基础上,建立有效的案例存储与索引机制,以提高案例库中源案例的故障覆盖范围,为相似型号或新型的装甲装备故障诊断提供参考,并通过实例予以验证。     

基于小波网络观测器的飞控系统故障诊断

选择Mexican hat小波为神经元的作用函数构造了一个小波神经网络．用此网络对某型飞机飞控系统中的作动器进行系统辨识并对三种典型作动器故障进行诊断，仿真结果表明该小波神经网络对这三种诊断能力均强于传统的BP神经网络。     

基于支持向量机的装备故障诊断研究

支持向量机（SVM）是统计学习理论（SLT）的一种成功实现,它建立在SLT的VC维理论和结构风险最小化原理基础之上,能够较好地克服神经网络容易出现的过学习和泛化能力低等缺陷.提出了一种基于支持向量机的装备故障诊断方法,应用该方法成功地对某型装备几种典型故障进行了正确诊断.在对检验样本施加噪声后,支持向量机构成的故障分类器仍然能够满足发动机故障诊断要求,表明提出的故障诊断算法具有良好的鲁棒性和推广性.