柔性制造系统的故障诊断专家系统

柔性制造系统(英文缩写为FMS)一般是指由加工单元、物流系统以及上位机组成的,能实现多种加工制造工艺的自动化加工设备。它的上位机及加工单元的数控系统中一般可以容纳上百个加工程序,以适应多种加工需要。经过有机组合,可达到高效、精密、灵活的加工目的。     

基于BP神经网络的故障模式识别与应用

阐述了神经网络模式识别的基本原理,采用改进的BP算法对故障模式识别进行了研究.改进算法采用的变换函数并引入动量因子,利用变步长算法加速学习,结合汽轮机减速箱故障模式识别进行仿真实验,建立了详细的诊断模型.仿真结果表明,改进算法能够快速收敛,识别结果稳定.     

基于神经网络的汽轮机故障诊断分析

介绍了汽轮机故障分类及特征,提出了基于神经网络的汽轮机故障诊断方法,并对该方法进行了测试。结果表明,该方法能够提高模式识别效率,有效对汽轮机故障进行诊断。     

基于ART—2神经网络的故障诊断系统

对ART－2模拟量模式识别神经网络算法的改进能使其有效地适用于故障诊断,神经网络的预处理场F0具有增强对比度,抑制基底噪声的能力,神经网络的F2场根据优先级选择竞争节点。网络模式识别的结果作为专家系统输入的类别及其选取概率。专家系统搜索由知识库构造的关系树并依规则进行推理。本文方法结合神经网络和专家系统的优点,以得到可信的故障诊断结果。本文还给出了验证系统正确性的自动液压机故障诊断实例。     

基于BP神经网络的齿轮故障诊断

通过介绍神经网络的模型算法,根据齿轮的四种故障类型,采用BP神经网络对其进行训练和诊断,得到了较为理想的结果,为及早发现和预防机械故障提供了可靠的理论依据。     

基于BP神经网络的摊铺机智能故障诊断

针对大型复杂的工程机械，建立基于BP(逆向传播)神经网络的智能故障诊断系统。给出了该系统的诊断方法和故障诊断步骤，并提供了对工程机械液压系统故障诊断的调试实例。     

基于BP神经网络的汽车故障诊断的研究

研究了一种基于BP神经网络的汽车故障诊断方法。主要结合了专家系统判断推理的思想,通过多个子BP神经网络形成一条诊断链,从故障征兆出发,对汽车故障进行分级连续诊断,使故障诊断范围逐级缩小,最终确定汽车故障的具体原因。该方法符合人的逻辑思维,实现简洁,同时具有很高的诊断精度和很好的鲁棒性,可行性强。     

基于遗传算法的BP神经网络滚动轴承故障诊断

针对滚动轴承的故障诊断问题,提出了一种基于遗传算法的BP神经网络滚动轴承故障诊断方法。以BP神经网络的误差为目标函数,利用遗传算法进行BP神经网络的权值和阈值优化,并用优化后的BP神经网络进行故障诊断。通过MATLAB仿真,结果表明遗传算法优化的BP神经网络相比传统的BP神经网络具有更好的诊断效率和准确度。     

基于BP神经网络的数控机床故障诊断系统研究

提出了一种改进的BP神经网络模型应用于数控机床的故障诊断方法。介绍了诊断模型结构及网络算法，并以机床中进给伺服系统为例，分析其诊断过程；然后利用MATLAB对其进行仿真验证，并提出采用CPLD器件进行硬件的实现方式。试验结果表明，该方案合理、可行，有较好的应用前景。     

故障诊断神经网络的发展与前景

神经网络是近几年来掀起热潮的一个特别引人入胜的领域,它完全打破了学科的界限,对人工智能、计算机科学、脑神经科学、电子学、信息科学、生命科学、数学、物理、自动控制与机器人等学科的新发展都有着重要影响。随着其研究的不断进展,它的应用领域也越来越广阔。本文对机械故障诊断的神经网络理论方法进行了较为详细的评述,展望了其发展前景,指出了有关前沿研究课题。     

基于PCA-改进BP神经网络的齿轮箱故障诊断方法研究

针对BP神经网络存在局部极小值和收敛速度慢等问题,文章提出了一种PCA-改进的BP神经网络的方法。实验表明,基于PCA-改进的BP神经网络的方法可以大大提高故障诊断的准确性,缩短了诊断时间。     

基于两级BP网络伺服阀故障诊断专家系统的研究与应用

运用人工智能提高电液伺服阀的故障诊断水平,研究伺服阀静态特性曲线和伺服阀状态的对应关系,在特性曲线上提取状态特征参数作为人工神经网络样本,把训练好的经网络作为专家系统的知识库。状态特征参数提取方法能提高训练样本的质量。利用两级ＢＰ网络建立的伺服阀故障诊断专家系统已成功应用于液压ＡＧＣ测控系统,并具有推广价值。     

基于 BP 神经网络的液压系统泄漏故障诊断

针对液压系统的泄漏问题,提出了基于ＢＰ神经网络,以液压系统压力动态过渡过程为分析对象的故障诊断方法。该方法在通常ＢＰ神经网络的基础上,采用对学习样本加噪声的方法,提高了ＢＰ网络对噪声的抑制能力。它比传统方法,具有可靠性高,适用性广,而且成本低廉的特点。     

基于RBF神经网络的转子-轴承系统故障诊断

提出一种用FFT和RBF神经网络实现转子-轴承系统故障诊断的方法。使用FFT提取旋转机械的故障特征向量,再结合RBF神经网络强大的自学习和分类能力,实现转子-轴承系统的故障诊断。在故障试验台上模拟转子-轴承系统正常、轴承内圈故障、转子不平衡故障1和2以及混合故障1和2,试验结果验证了该法对转子-轴承系统故障诊断的可行性和有效性。     

基于神经网络理论的液压系统故障诊断系统

为了实时、准确地对液压系统的故障进行诊断,开发了一套基于神经网络理论的液压系统故障诊断系统,利用PC机强大的数据处理能力对采集的数据进行实时处理并直观地显示处理结果,极大地提高了诊断速度和准确度。将此系统应用于某型车辆液压系统的故障诊断,达到了比一般故障诊断系统更好的准确度和更快的速度。     

基于神经网络与故障树的电气设备故障诊断系统

为提高工程车辆电气设备的维护保养能力,构建了其电气系统的故障诊断专家系统。进行了该装备各个组成系统的故障模式与故障元件分析,研究了故障树的建树步骤与故障树的模型分析与建立,设计了基于神经网络推理技术的专家系统正向推理机制。研究成果在部队中的应用表明,该方法有效地提高了部队的装备故障维护与保障能力。     

基于BP神经网络的制冷机组故障检测与诊断

研究了BP神经网络用于制冷机组故障检测与诊断的方法，并且用来自真实测量的数据建立了冷水机组故障检测与诊断的BP神经网络模型：研究表明，在静态条件下，通过提取制冷机组有代表件参数的残差，以此作为BP神经网络的输入，当BP神经网络经过适当的训练后，能成功地对各种耦合的故障进行辨识，诊断训练时间短．BP神经网络能实现对制冷机组进行实时故障检测与诊断的需要.