基于BP神经网络的液压系统故障诊断专家系统

本文尝试将BP神经网络应用于液压系统的故障诊断，阐述了基于BP神经网络的故障诊断专家系统的基本结构，以及知识库，正向推理机和解释机的实现方法。     

基于模糊神经网络的故障诊断方法研究

文章构造了一种模糊神经网络模型,并详细阐述了模糊神经网络(FNN)的结构、算法.经过MATLAB仿真运行证明其可行性,另外在相同的条件下,FNN网络在故障诊断的准确率及训练速度方面均优于传统的BP网络.     

基于BP神经网络的液压挖掘机故障诊断的研究

为了实现液压挖掘机的整机故障诊断,提出基于BP神经网络的故障诊断方法.将BP神经网络应用于液压挖掘机的故障诊断中,研究BP神经网络的结构和算法.以液压挖掘机整机故障诊断为例,选择典型的故障样本训练神经网络,使神经网络具有较好容错性和稳定性,经过训练的神经网络就可以实时、准确地诊断出挖掘机的故障.并使用Matlab的神经网络工具箱进行模拟仿真,仿真结果表明:BP神经网络能够很好地应用于液压挖掘机的实际故障诊断,网络收敛速度快、学习记忆稳定,具有一定的工程实用价值.     

基于模糊神经网络的液压泵故障诊断系统的研究

针对目前液压系统故障诊断中模型不容易建立的现状,采用模糊逼近方法、根据流量和压力的关系构建液压系统泄漏的故障诊断系统模型,并采用ANFIS对该模型进行优化.实际工作时只需将模型的输出与实际结果相比较便可知泵是否发生泄漏.实验结果表明,采用该方法能较好地判断系统是否泄漏.     

基于T-S模型的锚杆钻车液压系统故障树分析

介绍基于T-S模型的模糊故障树理论,并应用于锚杆钻车液压系统。构建锚杆钻车液压系统T-S故障树,分别在已知底事件故障模糊概率和已知底事件故障程度两种情况下计算锚杆钻车液压系统模糊故障概率。结果表明：锚杆钻车各系统故障模糊概率存在联系;日常使用中做好液压泵的保养可提高整体系统可靠性;计算需选取合适隶属度函数,可通过试验或维修数据完善,提高故障诊断分析准确率。     

基于遗传算法优化BP神经网络的液压系统故障诊断

液压系统作为控制和动力传输设备的核心部件,在现代工业生产机械中被广泛应用,准确诊断其故障具有提高生产效率和保障工作安全性等重要的工程意义。液压系统一旦发生故障往往是多故障同时出现,传统BP神经网络故障诊断算法往往不能满足多故障诊断准确率,提出一种基于遗传算法改进BP神经网络（GA-BP）的液压系统故障诊断方法,针对不同采样频率下多传感器信息融合的液压系统3种典型的故障模式进行对比分析。结果表明：GA-BP故障诊断算法相对于传统的BP神经网络具有更好的诊断性能。     

神经网络在复杂液压系统故障诊断中的应用

尝试将BP神经网络应用于液压系统的故障诊断,阐述了基于BP神经网络的故障诊断专家系统的基本结构及知识库组建的方法。结合工程机械液压系统,建立了适合复杂系统故障诊断的复合神经网络结构。该诊断系统具有知识库规模小、推理速度快、推理过程及结论明确等优点。     

基于模糊故障诊断算法的米巴赫焊机液压伺服系统监测与故障诊断系统

针对米巴赫焊机液压伺服系统故障产生的原因和现象,同时为了提高系统监测与故障诊断的精确性、有效性和实时性,在分析与总结现有米巴赫焊机液压伺服系统故障排除经验的基础上,通过采用模糊诊断算法搭建了米巴赫焊机液压伺服系统监测与故障诊断系统软硬件平台,并将其用于米巴赫焊机液压伺服系统的实际工作。结果表明,该故障诊断系统能精确判别系统故障的原因、现象及类型,从而有效降低了系统故障发生的几率。     

基于动态结构神经网络的自组织模糊控制

给出了一种利用动态结构的BP 神经网络进行模糊推理的方法,即在学习过程中BP网络的隐层层数和维数不断变化,其目的在于使网络性能在训练过程中始终保持最优,从而实现规则自组织,达到在控制过程中不断优化控制性能的目的.     

基于神经网络的模糊控制器在变量泵中的应用

本文根据变量泵的具体情况,为其了自适应的神经网络模糊控制变量泵的智能控制。     

基于神经网络的电动机故障诊断设计

以神经网络模型理论和智能控制技术为基础,研究了径向基函数(RBF)神经网络的模型结构及其在交流电动机故障诊断中的实现方法。结果表明:RBF神经网络的训练速度更快,逼近误差更小,能够更加有效地解决交流电动机故障诊断问题。     

基于小波神经网络的滚动轴承故障诊断

根据滚动轴承振动信号的频域变化特征,采用小波包分析对其建立频域能量特征向量,利用径向基函数神经网络完成滚动轴承故障状态的识别.理论和试验证明了该方法的有效性和实用性.     

基于遗传算法的间接自校正模糊神经网络控制

针对一般神经网络训练算法训练速度慢和易陷入局部极小点的不足,文章提出了一种基于模糊神经网络的间接自校正控制系统,控制器是以高斯函数为隶属度函数的径向基函数(RBF)神经网络结构,利用改进的遗传算法(GA)对结构和参数进行同步优化.神经网络模型(NNP)利用弹性BP算法进行离线辨识.仿真与传统的模糊PID控制器控制进行比较,结果表明遗传算法大大改善了系统的性能.     

一种基于聚类的板形控制模糊神经网络模型

针对冷轧过程中难以建立精确的板形控制数学模型的问题,设计了RBF模糊神经网络模型用于冷轧板带过程中的板形控制.基于一种无监督聚类方法确定了模糊规则数和网络初始参数以建立网络初始模型;采用BP算法训练网络,使网络能够快速收敛;同时,为使所建立的控制系统能够应用于在线控制,增加了模糊规则在线自学习功能,避免网络过度修正权值.仿真实验表明,所建立的RBF模糊神经网络模型控制精度高,满足板形在线控制要求.     

基于变论域电阻点焊模糊神经网络控制方法

为提高电阻点焊的控制精度和焊接质量,根据电阻点焊过程的特点和要求,通过集成变论域、人工神经网络和模糊控制技术,提出了基于变论域电阻点焊模糊人工神经网络控制方案,开发了四层模糊神经网络结构,分析了计算过程,推导了四层模糊神经网络各层的计算方法和计算公式,研究了输入输出变论域伸缩因子的确定方法,定义了输入变量的7个模糊子集和输出变量的13个模糊子集,确定了49条模糊控制规则,研究开发了一种电阻点焊变论域模糊人工神经网络控制器,结合实际产品的设计开发进行了试验研究与分析,证明了变论域电阻点焊模糊神经网络控制方法的优越性.     

基于模糊神经网络的电阻焊机恒电流控制研究

由于建立实际电阻点焊过程精确的数学模型比较困难,使得常规的人工调节PID控制器参数较难实现良好的匹配,从而难以获得满意的控制效果.针对该问题,将智能调节与PID控制方法相结合,利用模糊神经网络设计了参数κp、κi、κd自适应调整的PID控制器,构建了逆变电阻点焊电源的系统模型,通过对系统运行状态的在线学习智能化地修正PID的三个参数.PID控制输出量通过PWM发生器产生四路独立的、占空比实时变化的PWM波形,进而控制逆变器的功率开关器件导通时间,最终实现对系统恒电流的输出控制.仿真结果表明,该方法能根据系统的运行状态自行匹配对应最优控制规律下的PID三个参数,能有效地控制焊接电流的恒定,达到满意的效果.