应用概率神经网络诊断自行火炮发动机的故障

目的 研究概率神经网络模型,并应用于故障诊断。方法 对基于概率统计思想和Ｂａｙｅｓ分类规则的概率神经网络模型、网络结构、算法及其特点进行分析,利用其进行故障诊断,并提出一种优化估计平滑因子的方法。结果 概率神经网络可很好地诊断自行火炮发动机进行中油路和气路的故障。结论 概率神经网络在模式识别和故障诊断领域中可取得良好的应用效果。     

基于D-S证据理论信息融合的转辙机故障诊断方法研究

在列车提速后S700K型电动转辙机被普遍安装在正线道岔的背景下,本文针对单一故障诊断方法的诊断精度偏低问题,提出了基于信息融合故障诊断模型和故障诊断方法.该方法分别用BP神经网络和模糊综合评判对转辙机进行故障诊断,利用神经网络输出和模糊综合评判输出来构造D-S证据理论中的概率分配,然后利用D-S证据理论将BP神经网络和模糊综合评判对转辙机的故障诊断结果在决策级进行融合,诊断转辙机是否有故障并判断故障的模式.诊断结果表明,该诊断方法具有较高的故障诊断精度,诊断结论的可信度有明显提高.     

基于K-means聚类与概率神经网络的模拟电路故障诊断方法

模拟电路已广泛应用于航空电子系统,模拟电路的失效会影响系统的功能,引起系统故障,甚至引发灾难性的安全事故.为快速准确地实现模拟电路的故障诊断,该文引入概率神经网络方法,并针对传统概率神经网络方法中的诊断准确性、诊断效率问题,提出基于K-means与概率神经网络的模拟电路故障诊断方法,定义聚类有效性指标,采用K-mean...     

模糊神经网络技术在液压泵故障诊断中的应用

提出了一种基于模糊神经网络的液压泵故障诊断方法,介绍了该方法的基本原理及实现算法.以某型号齿轮泵为研究对象,利用其状态数据作为样本数据,建立了基于模糊神经网络的齿轮泵的故障诊断模型.并利用该模型对齿轮泵运行状态进行了辨识,结果表明,该方法能够充分利用检测到的各种故障征兆信息,从而使齿轮泵故障诊断更加准确有效.此方法也可用于其它同类设备的故障诊断.     

BP神经网络在某测试系统故障诊断中的应用

本文以某导弹伺服机构的测试设备故障诊断为例,将BP神经网络引入测试系统的故障诊断中,建立了基于BP神经网络的故障诊断模型,并进行了仿真.验证表明BP神经网络可以运用到测试设备的故障诊断,具有易于实现和诊断精度高的特点.     

基于二级信息融合的装备故障诊断方法

针对武器装备故障诊断的多故障问题和单一诊断方法推理能力弱、匹配能力差的缺点,采用RBF神经网络数据级融合和DS证据理论特征级融合相结合的方法应用在二级故障诊断模型中,给出了模型实现步骤,并结合某型导弹制导电子箱故障诊断进行了实验验证.该法使诊断不确定性大大减小,克服了单一方法的缺陷与不足,并使武器装备故障诊断的准确度得到提高.     

旋转机械故障诊断的神经网络方法研究

BP神经网络具有较好的非线性映射能力,可以描述频率特征和故障之间的关系,而概率神经网络学习规则简单、训练速度快、避免局部极小和反复训练的问题。根据两种神经网络的原理选择合适的参数建立两个旋转机械故障诊断模型,并利用模型对某旋转机械的故障数据进行处理,结果显示两种网络在故障诊断方面的实用价值。通过对故障数据的结果对比可以看到PNN网络比BP网络具有更好的容错能力。     

基于一维卷积神经网络的齿轮箱故障诊断

传统故障诊断方法通常需要先人工提取特征再用模式识别方法进行分类,难以解决端到端故障诊断的问题,为此,提出了一种利用一维卷积神经网络的齿轮箱故障诊断模型。其特点是可以直接从原始振动信号中学习特征并完成故障诊断。采用PHM 2009 Challenge Data和某型坦克变速箱的复合故障数据对三种传统模型和一维卷积神经网络模型进行测试,结果表明,1-DCNN模型对单一和复合故障诊断准确率均高于传统诊断方法。     

基于BP网络信息融合技术的电路板故障诊断

对基于BP神经网络的信息融合故障诊断技术进行了研究,将信息融合技术应用到某型反舰导弹俯仰综合放大器电路板的故障诊断中,并利用改进的BP神经网络进行数据融合,得到了较为理想的结果.研究表明,该方法能够较好地解决电路板元件故障诊断的不确定性问题.     

基于改进BP网络和信息融合的故障诊断方法研究

针对多传感器检测提供的不同信息,提出了一种基于改进BP神经网络与信息融合技术相结合的故障诊断新方法.该方法采用动量方法和可变学习速率对标准的BP算法进行改进,不仅提高了网络的训练速度,并可以得到全局最优解.同时讨论了基于D-S证据理论的基本概率赋值的分配和决策融合方法,使在故障诊断过程中,决策融合网络可以接收子诊断网络的诊断结论并进行决策融合处理,提供了比任何单个子网络更多的信息.这种新方法不仅速度快、信息利用高,而且大大地提高了诊断的可靠性.     

滚动轴承的MSE和PNN故障诊断方法

针对滚动轴承不同运行状态振动信号具有不同复杂性的特点,提出一种新的基于多尺度熵(multiscale entropy, MSE)和概率神经网络(probabilistic neural networks, PNN)的滚动轴承故障诊断方法。该方法首先利用MSE方法对滚动轴承振动信号进行特征提取,并将其作为PNN神经网络的输入,再利用PNN自动识别轴承故障类型及故障程度。实验数据包括不同故障类型和不同故障程度样本,结果表明,相比于小波包分解和PNN结合的诊断方法,提出的方法具有更高的诊断精度,能有效实现滚动轴承故障类型及程度的诊断。     

通用雷达故障诊断专家系统的设计

目的：为了提高雷达装备故障诊断的效率和可靠性。方法：通过对雷达装备综合测试和故障诊断要求和方法的分析。介绍一种适用于雷达装备的故障智能诊断专家模型，探讨了该模型的基本结构和相应的推理机制及故障诊断策略。结果：结论雷达故障诊断的特点，研究了该模型及诊断方法在雷达装备中的具体应用，证实了该方法是有效的。结论：将自动测试技术和专家系统相结合，可以提高故障诊断的效率和可靠性。     

Fault Diagnosis for a Diesel Valve Train Based on Time-Frequency Analysis and Probabilistic Neural Networks

The cone-shaped kernel distributions of vibration acceleration signals, which were acquired from the cylinder head in eight different states of a valve train, were calculated and displayed in grey images. Probabilistic Neural Networks (PNN) was used to classify the images directly after the images were normalized. By this way, the problem of fauh diagnosis for a valve train was transferred to the classification of time-frequency images. As there is no need to extract features from time-frequency images before classification, the fault diagnosis process is highly simplified. The experimental results show that the vibration signals can be classified accurately by the proposed methods.     

High impedance fault detection in power distribution networks using time?frequency transform and probabilistic neural network

An intelligent approach for high impedance fault (HIF) detection in power distribution feeders using advanced signal-processing techniques such as time-time and time-frequency transforms combined with neural network is presented. As the detection of HIFs is generally difficult by the conventional over-current relays, both time and frequency information are required to be extracted to detect and classify HIF from no fault (NF). In the proposed approach, S- and TT-transforms are used to extract time-frequency and time-time distributions of the HIF and NF signals, respectively. The features extracted using S- and TT-transforms are used to train and test the probabilistic neural network (PNN) for an accurate classification of HIF from NF. A qualitative comparison is made between the HIF classification results obtained from feed forward neural network and PNN with same features as inputs. As the combined signal-processing techniques and PNN take one cycle for HIF identification from the fault inception, the proposed approach was found to be the most suitable for HIF classification in power distribution networks with wide variations in operating conditions.     

Probabilistic neural-network-based protection of power transformer

An optimal probabilistic neural network (PNN) as a core classifier for fault detection and status indication of a power transformer has been presented. In this scheme, various operating conditions of a transformer are distinguished using signatures of the differential currents. The proposed differential protection scheme is implemented through two different structures of PNN, that is, one having one output and the other having five outputs. The developed algorithm is found to be stable against external fault, magnetising inrush, sympathetic inrush and over-excitation conditions for which relay operation is not required. For the test data of fault, it is found to operate successfully. The performance of proposed PNN and classical artificial neural network (ANN) has been compared. For evaluation of the developed algorithm, relaying signals for various operating conditions of a transformer are obtained by modelling the transformer in PSCAD/EMTDC. The algorithms are implemented using MATLAB. The results show the capability of PNN in terms of classification accuracy and speed in comparison to classical ANNs.     

神经网络在电路诊断中的应用

目的：阐述了目前电路基于数据库技术和人工智能专家系统及神经网络原理的故障诊断系统。方法：将所记录的模糊症状输入到系统中，通过模糊运算后，运用神经网络学习算法来寻找故障类型。结果：介绍了人工神经网络技术在电路诊断中的应用，并给出系统故障诊断软件的设计，结论：所用专家系统和神经网络相结合的方法改进电子电路故障诊断是可行的。     

某导弹故障诊断系统抗地线干扰设计与实现

目的　分析了一个故障诊断系统干扰的形式与成因 .方法　在此基础上采用硬件方法抗地线干扰 .结果　该方法有效地解决了信号突变、数据失真、逻辑电路误动等问题 .结论　达到了电磁兼容的目的 ,进而得出系统运行安全可靠的结论 .     

基于模糊 ARTMAP 网络的速率

目的介绍了一种速率陀螺故障检测与诊断的方法.方法通过统计检验滑动窗口的残差,再采用模糊ARTMAP网络直接对模型参数进行分类.结果该方法不但能正确诊断出已知的速率陀螺故障,还能检测出未知的故障.结论该方法避免了一般前向网络在分类中的不足,对可能发生的故障能进行有效地检测与诊断,且不用求解系统的物理参数.     

BIT 的发展趋势

目的分析和研究BIT的发展趋势.方法论述BIT的发展并分析存在问题.结果新的测试、检测和故障诊断理论和方法促进了BIT的发展.结论BIT的发展趋势与ATE融和、综合诊断、智能化、与可测性设计结合.