神经网络在参数估计中的应用

将神经网络用于线性连续不变系统（包括一种带时延的线性系统）参数估计中。线性系统分别用状态方程及传递函数来表示,给出了相应的神经网络结构及学习算法。     

基于神经网络的控制图模式识别和参数估计

建立了神经网络模型，使其可以估计趋势模式的斜率，阶跃模式的幅度以及周期模式的振幅和周期，为了避免不同模式间的相互干扰，分别采用3个网络对各种模式的参数进行估计，仿真结果表明该方法具有很高的识别能力和很快的识别速度。     

基于神经网络的滚动轴承检测

本文介绍了一种基于人工神经网络进行滚动轴承故障检测的新方法,文中利用加速度计获得滚动轴承的动态振动信息,为滚动轴承建立了动态非线性神经网络模型,并利用该模型进行在线故障检测,实际使用证明该模型具有良好的收敛性和稳定性和完全能满足对滚动轴承故障的在线检测。     

基于神经网络的焊接故障诊断研究

针对焊接时容易产生气孔这个缺陷,引入了神经网络技术对气孔缺陷进行诊断,结果表明基于神经网络算法的焊接诊断稳定性好,诊断速度快,这说明该诊断技术具有很大的应用价值。     

非线性电路故障诊断模型的建立及神经网络求解的方法研究

推导了含有非线性电阻的网络故障诊断方程,采用“故障标志量”来表征非线性元件是否发生故障,在推导“故障标志量”时,消除由工作点变化引起的电参量变化,保留由伏—安特性变化引起的电参量的变化,提高了故障诊断的准确性。文中还提出一种神经网络,可快速求解出非线性电阻网络的故障方程的解,判定故障元件,并给出了神经网络算法与故障诊断实例。     

RBF神经网络在数控机床可靠性评估中的应用

在机床产品可靠性评估中,针对采集到的有效故障数据较少而导致失效分布无法唯一确定的问题,提出建立RBF神经网络故障数据扩充算法模型。该模型通过自组织聚类学习算法确定神经网络的径向基函数中心和扩展常数,然后利用学习算法的输出结果对神经网络进行训练,随后将随机生成的累积失效分布函数导入训练好的神经网络,得到与原数据组具有一致失效分布规律的仿真数据,从而确定机床故障分布类型。最后通过实例分析表明:此方法确定的机床故障分布类型为威布尔分布,对其进行的可靠性评估显示MTBF估计值为909.20h,可靠度估计值为0.4874,同时机床已经进入耗损失效期,在后续工作中应该制定相应预防性维修措施来延长机床使用寿命。     

基于神经网络的滚动轴承故障监测

通过对滚动轴承振动信号的分析处理，提取反映轴承运行状态的特征参数组成特征向量，利用神经网络的函数逼近和记忆能力，实现滚动轴承运行状态的故障监测。     

基于卷积神经网络的多模态过程故障检测

传统多元统计分析方法在多模态过程故障检测应用中存在控制阈值难以选择、误报率和漏报率高等问题,受到计算机智能视觉处理技术的启发,提出数据驱动的基于平铺卷积神经网络（TCNN）的故障检测方法,该方法创新地将多传感器数据编码成二维图像,将故障检测变成模式识别问题。离线阶段,将历史数据进行差值图像编码以保留特征,构建模型训练数据集。进一步建立故障检测TCNN模型,使用Adam算法进行梯度下降模型寻优,引入灰狼优化算法进行超参数寻优获得较优的检测模型。在线阶段,将在线传感器信号输入模型进行模态识别和故障检测。从数据出发,无需特征工程和人工干预,通过TCNN模型学习数据深层的模式特征。TEP数据集实验表明,对传统方法难以检测的多模态过程故障,提出的方法取得了较好的检测效果,有效地降低了误报率和漏报率,在工业智能制造的发展趋势下具有一定的应用价值。     

刀具寿命诊断的神经网络技术

提出了一种刀具寿命的检测方法。该方法把模糊逻辑和神经网络结合起来，并用神经网络分解技术，建立了一上刀具状态识别网络。该网络适于进行多传感器刀具复杂状态的识别和分类，具有训练时间短，扫行速度快，可靠性高，抗噪能力强的特点。     

基于多层前向神经网络的应力传感器故障诊断

文中采用多层前向神经网络（BP网）建立数学模型,在此基础上对应变片传感器进行故障诊断。     

Elman神经网络在起重机安全状态评估中的应用

在起重机安全状态模糊综合评判的基础上，用起重机状态参数及相应评判结果作为训练样本，．应用Elman神经网络构建了起重机状态参数与安全状态类别之间的映射关系，应用于实际起重机安全状态评估，结果表明该方法切行有效。     

基于神经网络的余度敏感器结构故障诊断方法

针对飞行载体中余度敏感器结构的故障诊断，讨论了基于神经网络的直接比较测量值的诊断方法。应用自适应线性元件能实现线性，感知器具有分类的特点，设计出一种神经网络，可用于余度敏感器结构的故障诊断。仿真结果表明：这种方法不仅可以检测出故障、故障的类型和发生的时间，而且灵敏度高，为余度敏感器结构的故障诊断提出了一种有实用价值的方法。     

Neural Network Fault Diagnosis of Voltage Source Inverter under variable load conditions at different frequencies

The major issue of open switch fault diagnosis in Voltage Source Inverters is false alarm generated as a result of load and frequency variations. The main objective of this paper is to solve such an issue by extracting minimum number of features from fault detection parameter. The fault diagnostic system (FDS) under variable load conditions requires more number of features to be extracted from detection parameter. Therefore stator currents are taken in the DQ coordinate that is Park’s Vector Transform (PVT). The PVT is used to normalize the currents without affecting nature of transients caused due to fault occurrence. The normalized currents are passed through Discrete Wavelet Transform (DWT) and features are extracted from detail coefficients of DWT under healthy and faulty conditions. As a result of normalized currents, the extracted features of three phase currents are same under different load conditions but have definite distinctive values under different faulty conditions. Hence, once features are extracted for single load conditions they remain same for all load conditions. An Artificial Neural Network is trained using these features. The results are presented for different fault configurations, single and multiple switch faults under variable load conditions at different frequencies. Additionally, the results are presented for the real-time diagnostic of faults, showing the instance of fault occurrence and the instance of fault isolation.     

基于BP神经网络的齿轮故障诊断系统研究

对ＢＰ神经网络在齿轮故障诊断中的模式表达、网络拓扑及其相关参数等问题进行了探讨;并利用ＢＰ 网络对齿轮四种典型的故障模式进行训练学习和诊断,取得了满意的效果。结果表明：ＢＰ 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     

小波-神经网络-模糊识别在旋转机械故障诊断中的应用研究

对旋转机械故障诊断常用的一些方法进行了评述与比较;利用小波包可进行多维多分辨率分析的特点,对旋转机械振动信号进行特征提取。对提取的特征,用ＡＲＴ２神经网络诊断故障类型,根据故障类型的诊断结果,进一步对故障严重程度进行模糊识别;通过对实验数据的分析处理,获得了较好的效果。     

基于BP神经网络混凝土泵车臂架故障预测研究

针对混凝土泵车臂架结构复杂,故障频繁发生的特点,提出了一种基于BP神经网络臂架故障预测方法。臂架在工作过程中,工况参数的不同直接影响到臂架关键点应变大小。基于此,引入BP神经网络,选取臂架倾角、臂架加速度作为输入量,臂架应变作为输出量,构建了3层BP神经网络模型。通过构造试验方案获取样本数据,随机选取训练集、测试集,利用MATLAB工具对BP神经网络进行训练和验证,并对臂架故障进行了预测。实例验证了BP神经网络对臂架故障预测方法的可行性,该方法的提出相对于传统的现场监控方法更简便,并为臂架工况参数的选择提供了基础支持。     

基于组合神经网络模型的远程装载机故障诊断系统的设计与实现

在分析了故障诊断的常用方法及其优缺点的基础上,给出了装载机故障诊断的流程,并阐述了流程中一些重要环节的设计和功能.然后在分析装载机信号的基础上提取了装载机信号的故障特征,提出并建立了用于装载机故障诊断的组合神经网络模型.最后,将该模型用于实际故障诊断,得到满意结果.     

基于神经网络的泵机组故障诊断技术

利用神经网络对泵机组进行了故障诊断,探讨了故障诊断的神经网络方法和专家系统方法的联系和区别。该分析方法为转子临界速度的计算提供了比较完善的方法。