基于RS优化的电力变压器故障诊断方法

针对现有的故障诊断技术应用在电力变压器故障诊断中存在的冗余信息过多,诊断结果不准确等问题将粗糙集理论与概率神经网络相结合,先利用粗糙集理论对故障系统前期数据进行最大限度的约简,再经概率神经网络进行故障模式分类,可简化故障诊断网络规模,且相比于单一的概率神经网络的诊断方法,能够更精确地诊断出变压器故障类型,其研究成果在油浸式电力变压器故障诊断方面具有广阔的应用前景。     

基于PCA和PNN的模拟电路故障诊断

为了解决模拟电路故障识别困难的问题,提出一种基于主成分分析和概率神经网络的模拟电路故障诊断方法。该方法对采集到的模拟电路故障信息进行特征提取,将提取的故障特征归一化处理后输入概率神经网络,进行训练和故障模式的分类识别。实验结果表明,该方法是有效的,具有较高的故障诊断率。     

基于PCA和PNN的模拟电路故障诊断

为了解决模拟电路故障识别困难的问题,提出一种基于主成分分析和概率神经网络的模拟电路故障诊断方法。该方法对采集到的模拟电路故障信息进行特征提取,将提取的故障特征归一化处理后输入概率神经网络,进行训练和故障模式的分类识别。实验结果表明,该方法是有效的,具有较高的故障诊断率。     

基于PNN的变压器故障诊断研究

变压器油中溶解气体分析是变压器内部故障诊断的重要手段。当前我国大部分应用的是改良三比值法对油中溶解气体进行分析。但利用三比值法作为变压器故障诊断的判据存在两方面的不足,即所谓编码缺损和临界值判据缺损。针对概率神经网络(PNN)强大的模式识别和能很好地对变压器故障进行分类的特性,文章在对概率神经网络结构和原理介绍的基础上,利用概率神经网络对变压器故障进行诊断。仿真实例表明,该方法具有较高的故障诊断正确率。     

基于概率神经网络的滚动轴承故障诊断

针对滚动轴承故障征兆与故障模式映射的复杂性,以及BP网络容易陷入局部极小、收敛速度慢等缺点,提出了基于概率神经网络（PNN）的滚动轴承故障诊断方法。采用11个时域统计特征作为样本特征,利用PNN实现样本分类,并与反向传播（BP）网络进行滚动轴承故障诊断的方法进行了对比。结果表明,PNN网络可以实现滚动轴承不同类型的故障识别,其分类结果比BP网络具有更高的准确性,并在避免局部极小和节约训练时间方面有较好的实用性。     

嵌入式LVQ技术在通信电源故障诊断中的应用

为了能够快速诊断出通信电源故障产生的原因,文章把LVQ神经网络模型和分类诊断理论运用到了通信电源的故障诊断中。文中以多个故障模式为实例,通过运用Matlab仿真技术,验证了此方法的故障诊断的准确性,结果表明基于LVQ神经网络模型的故障分类诊断方法能够为通信电源维护人员和开发人员提供准确的信息,提高了电源系统的鲁棒性和稳定性。     

基于小波变换和神经网络的三相桥式全控整流电路故障诊断

三相桥式全控整流电路故障诊断,利用小波分析的方法提取低频能量值作为特征向量,通过神经网络实现故障桥臂定位,对电路的开路故障进行了分类。     

模拟数字电路故障诊断新方法

利用小波变换与神经网络相结合的方法,采用能量分布特征提取方法和改进BP算法,给出了一种基于小波变换和BP神经网络相结合的模拟电路故障诊断方法.用正弦信号仿真模拟电路,应用小波变换对模拟电路的采样信号进行多尺度分解,再进行能量分布特征提取,然后利用神经网络对各种状态下的特征向量进行分类识别,实现模拟电路故障诊断.在用神经网络诊断模拟电路的基础上,进行了将神经网络用于数字电路单故障诊断的研究.对两者的实例电路仿真结果表明,神经网络可以有效、方便地实现电路的故障检测和定位,准确率高,为故障诊断的研究提供了一种新思路.     

小波-神经网络在故障诊断中的应用

根据旋转机械振动信号特点,提出了小波分析和概率神经网络相结合的故障诊断方法。该诊断方法利用小波分析进行预处理-获取机械故障特征向量,概率神经网络应用该特征及对应的故障类型建立非线性映射,实现故障诊断。通过计算机仿真和试验的结果,表明该方法运算速度快、对样本噪声有较强的鲁棒形,结构简单,工程上易于实现,为旋转机械故障诊断提供了实践方法。     

粒子群RBF神经网络电力电子电路故障诊断

为检测和诊断电力电子电路中的故障,获得更高的诊断精确度,提出粒子群算法优化RBF神经网络的故障诊断方法.与基本RBF神经网络相比,粒子群RBF神经网络可以提高系统的收敛速度和精度.把通过特征提取获得的电力电子电路故障特征量作为神经网络的输入,利用训练好的粒子群优化后的RBF神经网络进行故障诊断.仿真结果表明,实际输出与期望输出基本吻合,具有良好的分类效果,能够提高诊断精确度,对于电力电子电路的故障诊断是一种有效的方法.     

冷变性特征值的选取及应用

当齿轮产生裂纹时,其啮合刚度变化引起的振动响应特征是实现裂纹故障诊断的重要依据.建立含有齿根裂纹故障的齿轮传动系统的8自由度动力学模型,利用龙格库塔法求解;在对求得的故障响应取多种特征值,通过对比比较选出具有冷变性的特征值.测试不同裂纹情况下不同转速的振动的故障响应,试验结果与数值分析结果相符,为齿轮传动裂纹故障诊断提供了理论基础.     

Morlet小波变换结合MLP神经网络的齿轮箱故障检测方法

针对变速齿轮箱中的故障检测问题,提出了一种结合Morlet小波变换和多层感知器(MLP)神经网络的齿轮故障检测方法。利用角域技术,将时域中齿轮故障的非平稳振动信号转化为角域中的平稳信号。然后,利用进行Morlet小波变换并从小波系数中提取统计特征。同时根据最大能量与香农熵比来确定连续小波变换(CWT)的最优尺度,以此来缩减特征量,并将小波系数的能量和香农熵作为两个新特征添加到特征向量。最后,利用MLP神经网络对输入特征进行分类,从而检测故障。实验结果表明,该方法故障检测准确率高,且计算速度快。     

基于EMD的齿轮故障识别研究

EMD(Emirical Moe Decompoition)方法是一种自适应的信号分解方法,该文根据齿轮故障振动信号的特点,将EMD方法应用于齿轮故障诊断中。研究结果表明,EMD方法可以有效地提取齿轮故障振动信号的特征。     

基于LVQ神经网络风电机组齿轮箱故障诊断研究

针对风电机组齿轮箱故障诊断技术的不足,提出一种基于LVQ神经网络的故障诊断方法,利用小波分析方法对某风电机组齿轮箱正常状态、磨损故障和断齿故障状态下的振动信号进行降噪处理,在时域和频域内提取了5个特征参数对所建立的模型进行训练。为了检验模型的实际诊断能力,与标准BP神经网络的诊断结果进行对比。仿真结果表明:基于LVQ神经网络的故障诊断速度更快、准确率更高、泛化能力更强,验证了所提出方法的实用性和有效性。     

内河船舶数字化舵机智能控制技术研究

针对目前内河船舶舵机控制方式的弊端, 提出模糊自适应PID控制策略, 运用MATALB/SIMULINK进行仿真分 析验证其可行性。基于西门子S7-200PLC开发了控制程序, 结合数字化设备, 改进传统内河船舶舵机的控 制方式, 为数字伺服控制技术的实际应用提供了有益借鉴。     

机械转向器冲击试验台建模与仿真

EPS用机械转向器是实现汽车转向的主要部件之一,为保证车辆的安全性,需要了解其耐冲击性能。机械转向器冲击试验台主要用于对机械转向器的冲击试验。文中针对试验台的阀控非对称缸电液力控制系统进行了研究。通过对控制系统的各个环节的分析,建立各环节的数学模型。进而得到以力为控制量的电液伺服系统数学模型,并利用Simulink仿真平台对系统进行频域和时域分析。分析结果表明,试验台液压系统闭环稳定,满足性能要求。     

齿轮传动与蜗轮蜗杆传动性能比较与消隙机构

就齿轮传动和蜗轮蜗杆传动2种方式进行较为详细的分析和比较,并计算了同一精度等级的齿轮副和蜗轮蜗杆副的传动副精度,结果显示由于传动形式不同使得蜗轮蜗杆传动副的综合误差要略低于齿轮传动副的综合误差。最后介绍了几种常用的消隙方式并进行比较。     

模糊神经网络在齿轮故障诊断中的应用

介绍了模糊二维自组织神经网络在齿轮故障诊断中的应用方法，并通过齿轮论证了该方法在齿轮故障分类中的实用性。该方法具有结构算法简单、无监督自学习和侧向联想等功能。它有很好的应用前景，可以广泛应用于齿轮的故障诊断。结果表明：模糊二维自组织神经网络是实时地解决齿轮故障中复杂的状态识别问题的一种有效工具。     

模拟电路故障诊断的发展现状与展望

阐述了模拟电路故障诊断的意义，介绍了模拟电路故障诊断的发展现状，以及应用神经网络、模糊理论和小波分析后发展的趋势。分析了存在的问题，并提出了解决方法。     

几种改进BP算法在电机故障诊断中的分析比较

近年来,人工神经网络以其独特的容错、联想、推测、记忆、自适应和处理复杂的多模式等优点,在许多学科中掀起了研究热潮,同样在故障诊断领域,其发展前景也十分乐观,它作为一种自适应的模式识别技术,并不需要预先给出有关模式的经验知识和判断函数,对于特定问题建立的神经网络故障诊断系统,可以从输入数据（故障症状）直接推出输出数据（故障原因）,从而实现故障的检测与诊断。但是传统的BP算法存在一些缺陷。所以采用一些改进的BP算法,把它们用于电机的故障诊断,通过实验对这些改进算法的分析比较,得出其中较合适的算法。这样不仅能发挥神经网络的泛化映射能力而且诊断速度也有提高,有较强的学习能力。