基于模糊神经网络的航空发动机故障诊断研究

提出了一种基于模糊神经网络的航空发动机故障诊断方法 ,介绍了该方法的原理及实现算法 ,并利用某型发动机地面定检状态实测的数据作为样本数据 ,建立了基于模糊神经网络的航空发动机的故障诊断模型。通过该模型对起飞状态实测的发动机参数进行了辨识 ,结果表明该方法具有学习速度快、诊断精度高等优点。可用于航空发动机及其它装备的故障诊断。     

神经网络在车辆发动机故障诊断中的应用

从应用角度分析了BP神经网络设计中网络的层数、隐含层的神经元数、学习速率、期望误差等的选取问题,并提出了相应的改进方法.将神经网络技术引入到发动机故障诊断中,提出了一种适于发动机故障诊断的BP神经网络模型.设计出了一套能进行发动机故障诊断的实验系统,并通过模拟气门间隙故障进行了实验验证.     

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.     

基于小波包-模糊神经网络的发动机泵机组故障诊断

提出了利用小波包分解、神经网络和模糊诊断的方法进行发动机泵机组故障诊断;运用小波包频带能量分解,可以在不丢失振动信息的情况下降低信号的维数,提高神经网络的识别能力;运用了神经网络使故障诊断具有自适应、自学习能力,对发动机泵机组的各类故障进行分类和训练,得到了满意的效果.     

EMD模糊神经网络的发动机泵机组故障诊断

提出了利用经验模态分解方法、神经网络和模糊诊断的方法进行发动机泵机组故障诊断;运用神经网络使故障诊断具有自适应、自学习能力。     

模糊神经网络在发动机故障诊断中的应用研究

对模糊逻辑和神经网络故障诊断方法做了研究,根据这两种方法各自的优缺点,采用串联方法将两者相结合,用模糊信息处理方法对输入信号进行预处理,然后利用神经网络的逼近能力来实现对故障的诊断.将该方法构建的推理系统应用于汽油发动机偶发性疑难故障诊断,仿真结果表明该方法可以给出较高精度的诊断结果.     

概率神经网络PNN在发动机故障诊断中的应用

介绍了概率神经网络的模型，分析了其特点，并探讨了基于PNN的发动机故障诊断方法。通过MATLAB进行仿真试验，结果表明基于概率神经网络的故障诊断方法可以最大程度地利用故障先验知识，提高发动机故障诊断的准确率。     

基于神经网络的涡轴发动机故障诊断仿真研究

为了避免基于专家系统、模糊参数等传统方法,对涡轴发动机进行故障诊断而导致的诊断速度慢、数据精确差、正确率低等缺点,提出一种基于神经网络的故障诊断方法。此方法通过建立三层神经网络模型,以径向基函数为中心运用MATLAB软件进行了仿真训练与测试,再分析对比前期研究经验,结果表明基于径向基函数的神经网络在训练速度以及诊断正确率上效果较好,能够有效的对涡轴发动机进行故障诊断。     

基于组合式模糊神经网络的旋转机械故障诊断模型

针对旋转机械故障所具有的层次性、相关性和模糊性的特点,提出１种基于组合式模糊神经网络的旋转机械故障诊断模型。它由第１层的决策模糊神经网络和第２层的多个诊断模糊神经网络组合构成,依据大隶属度优先为真原则进行推理,按推理的过程和隶属度的大小给出可能的故障结果及相应的隶属度值,供现场工程技术人员结合辅助故障特征参数等进行进一步的联想推理,得到最终的故障诊断结果。实验研究结果表明,该系统可以有效地对具有模     

四余度舵机智能故障诊断专家系统设计研究

针对机电液高度耦合的某型四余度舵机，提出了一种基于模糊诊断法和神经网络诊断法的专家系统故障诊断方法。根据实际需求，将系统分为元件、部件及系统3种不同层次的故障诊断问题，分别建立了模糊故障诊断模型和BP神经网络故障诊断模型，最后介绍了智能故障诊断专家系统的实现及功能。     

基于FNN-GA的车用传感器在线诊断

基于模糊神经网络与遗传算法,提出了柴油机传感器故障的模糊融合诊断策略;运用模糊推理算法,依据不同故障的传感器波形信号,对传感器故障模式进行了判别,验证了故障诊断网络的可靠性。利用柴油机电控平台,进行了柴油机MAP、RPS和TPS的硬故障和软故障等性能试验。结果表明:所设计的传感器故障诊断模型合理,诊断策略具有较好的识别率,可用于柴油机传感器故障在线诊断。     

基于FNN-GA融合算法的喷油器在线诊断

依据喷油器开启信号波形的变化规律,探讨了柴油机喷油器故障的产生机理,提出了波形幅度、上升沿宽度和波形宽度等诊断指标.基于模糊推理逻辑和喷油器的工作机理,建立了模糊神经网络(fuzzy neural network,简称FNN)与遗传算法(genetic arithmetic,简称GA)相结合的柴油机喷油器故障诊断模型.以喷油器开启信号的特征参数为基准,建立了故障隶属度和故障类型,制定了柴油机喷油器故障诊断的模糊推理逻辑.运用FNN-GA融合算法,依据不同故障的喷油器开启信号对喷油器故障进行了诊断,对故障模式进行了判别,提出了柴油机喷油器故障的在线诊断策略,并进行喷油器电磁阀驱动电流的故障试验.结果表明,所设计的柴油机喷油器故障诊断模型合理,验证了诊断策略具有较好的分辨率,可用于喷油器故障在线诊断.     

基于三种理论的汽油机故障诊断系统应用研究

阐述了模糊逻辑、BP神经网络和专家系统的相关理论,探讨了结合三种理论构建系统的优点,介绍了电控汽油机故障诊断的相关理论。在上述理论的基础上,阐述了电控汽油机模糊神经网络诊断专家系统的构建方法,并运用MATLAB软件针对汽油机故障征兆-故障模式样本集编写了BP神经网络训练程序对样本进行了学习训练和仿真。     

基于ART-并行BP神经网络的柴油机故障诊断研究

造成柴油机故障的因素十分复杂,既存在单一类的故障,也存在多故障并存的现象,而且还会出现新型故障,仅仅依靠单一神经网络技术的故障诊断已经很难满足对柴油机的有效诊断要求。本文在信息决策层融合的基础上,以自适应谐振理论ART和误差反向传播并行BP两种神经网络为基础,建立了用于柴油机故障诊断的新型神经网络模型,以对柴油机系统工作过程多种故障进行诊断识别。通过与单一神经网络诊断识别结果的分析和比较,验证了该神经网络诊断模型的可行性,它能够进行多传感器信息综合诊断,既能识别单故障和并发故障,又具有识别新型故障的能力,可有效地提高对柴油机故障诊断的准确性和可靠性。     

基于故障树的汽车起重机液压故障诊断专家系统

根据汽车起重机液压系统故障诊断的特点,建立了汽车起重机液压故障诊断专家系统。该系统提出将故障树和模糊神经网络相融合,并以汽车起重机常见故障为例建立了相应的故障树模型,完成了基于专家规则表示与模糊表示下知识数据库的构建与推理机的实现。解决了传统专家系统知识获取困难的问题;运用模糊神经网络的自学机制,保证知识库的完整性和正确性;实现了对汽车起重机液压系统的故障诊断内容的不断的更新和扩充,并及时将已发生及预测到的的故障写入数据库中,提高了查找故障的准确率及效率,有利于预防和控制汽车起重机液压系统的故障。     

基于多模块合成的故障诊断智能系统推理机的研制

针对连续性生产线的特点，指出其故障诊断专家系统推理机不宜选用单一模块的形式。结合某钢铁厂的棒材生产流水线故障诊断专家系统研制，在分析连续性生产线的故障特点的基础上，介绍了多模块合成推理机的构造。推理机由基于神经网络的实时诊断模块、基于模糊理论的自动诊断模块和基于规则的人机交互诊断模块有机结合而构成。     

基于神经网络的旋转机械振动故障诊断

介绍了一种通过神经网络算法进行故障诊断的方法,神经网络的输入为通过对转子模拟信号进行傅里叶变换得到的典型频谱特征,将旋转机械不对中、不平衡、碰摩、涡动四种典型的故障作为网络的输出.首先用传统的BP网络算法进行诊断,得到故障诊断的精度,再将模糊理论与神经网络相结合,取长补短,组成模糊神经网络,对故障进行识别,从而得出模糊神经网络在模式识别方面具有更大的优越性的结论.     

基于RBF神经网络的电喷发动机故障诊断研究

研究了RBF神经网络用于电喷发动机故障诊断的方法,并建立了神经网络故障诊断模型.最后,以桑塔纳2000型(GSI)轿车AJR型发动机怠速不稳故障为例,通过V.A.G1552汽车故障诊断仪测量出所需的数据流,在Matlab环境下,对电喷发动机怠速不稳的2种故障原因进行故障模式识别和诊断.     

多重结构神经网络在液体火箭发动机故障诊断中的应用研究

根据液体火箭发动机的结构特点和故障诊断过程的特性 ,分析了复杂设备诊断过程的层次性 ,建立了复杂设备故障诊断的多重神经网络模型结构 ,并将其应用于液体火箭发动机涡轮泵的故障诊断 ,结果表明 ,该方法可有效地降解复杂系统故障诊断问题的复杂性、具有快速诊断能力