基于S变换和卷积神经网络的滚动轴承故障诊断

针对传统方法在机械故障诊断时存在特征提取困难、分类器训练复杂等问题,提出了一种基于S变换和卷积神经网络(CNN)的滚动轴承故障诊断方法.首先,将轴承的原始数据经过S变换得到时频图,再通过CNN进行二次特征提取.然后,通过分类器对故障进行分类,并对滚动轴承进行故障诊断.实验结果表明,相比长短时记忆网络、CNN和支持向量机,该方法的诊断准确率更高且稳定性也较好.     

基于神经网络与最小二乘法在故障诊断中的应用研究

首先介绍BP神经网络与非线性最小二乘法在故障诊断中的应用,然后融合两者的技术特点,提出一种用于分析时序冗余信号,基于参数估计的故障诊断技术。随后,较详细地介绍了用于故障诊断神经网络样本的生成和网络的训练,通过以不依赖系统模型的神经网路的输出作为初始估计,利用依赖系统模型的最小二乘法完成对故障参数的最终估计。最后,通过在不同输入激励下的输出响应进行校验的方式,以仿真的方式验证了该故障诊断的应用具有可行性。     

小波神经网络在故障诊断中的应用

介绍小波神经网络的发展和基本原理.在此基础上,详细分析和推导了两种小波神经网络的结构和算法,使其把小波变换和神经网络有机地结合起来,充分继承两者的优点.重点阐述对小波神经网络进行的改进,即动量项的引入,证明了动量项的引入在一定程度上解决了局部极小的问题,并对小波神经网络在故障诊断中的应用研究现存的几个问题和未来的发展进行了深入的探讨.     

基于改进CNN的轴承声学故障诊断

针对轴承振动信号在复杂机械中难采集和跨转速域工况下传统故障诊断方法精度低的问题,文中提出了一种基于Teager能量算子和卷积神经网络的滚动轴承声学故障诊断方法,即TEO-CNN。将轴承声学信号的Teager能量算子作为模型的输入,使用卷积神经网络学习输入的抽象特征,并结合全局平均池化层和全连接层实现轴承健康状态识别。模型验证基于轴承声学实验数据,并通过构建不同的轴承声学数据集模拟跨转速域工况。试验结果表明,与传统卷积神经网络和机器学习模型相比,TEO-CNN表现出明显的优势,并且在跨转速域工况下的预测精度始终高于95%。     

基于神经网络的电气设备故障诊断

电气设备的故障诊断对于提高生产效率具有十分重要的意义。然而,随着设备内部复杂度的不断提高,故障诊断也成为一项越来越难的工作。在分析神经网络结构及其学习算法的基础上,提出一种基于3层BP神经网络的电气故障诊断方法,并以发动机故障检测为实例,分析特征向量提取、神经网络训练等问题。通过输入样本训练及神经网络测试表明,神经网络在故障检测诊断问题中具有很高的实用价值。     

基于Matlab GUI编程的神经网络故障诊断平台

该文在Matlab GUI编程的基础上,结合Matlab中丰富的神经网络工具箱函数,设计了基于BP网络的神经网络故障诊断平台,并利用Matlab中的数据库编程技术保证平台大量训练样本的积累与获得。同时采用Matlab运行时服务器,使平台不同于以往的Matlab程序,可脱离Matlab环境而独立运行。仿真实验表明,该平台能完成神经网络训练功能,并在一定准确度上给出故障定位。     

神经网络在齿轮故障诊断中的应用

以齿轮振动信号的时域特征为神经网络输入，齿轮的主要故障形式作为神经网络输出，利用改进的BP算法训练后的网络对齿轮故障进行诊断，取得较好的效果。     

电路板故障诊断中神经网络信息融合技术的应用

将信息融合技术应用到导弹电子设备的电路板故障诊断之中．提出了一种基于红外热成像实验的温度故障隶属度函数构造形式以及改进的BP神经网络算法。进行了BP神经网络信息融合故障诊断的实验研究．从结果看信息融合能较好地解决电路板元件故障诊断的不确定性问题。     

基于Elman神经网络的故障诊断器研究

针对BP神经网络易存在局部最小,收敛速度较慢的缺点,研究设计了一种基于Elman神经网络的敝障诊断器,建立了E1man神经网络及基于该网络的故障诊断器结构模型;利用某实际电路测试数据,训练并检测该故障诊断器的效能,试验结果表明该故障诊断器有较高的准确性和可靠性,具有工程使用价值。     

基于BP神经网络的故障诊断仿真研究

介绍了BP(反向传播)神经网络模型,阐述了BP算法的基本原理、权值调整的过程,给出了BP算法一般的编程步骤和流程。在此基础上,应用基本的BP算法进行了系统故障诊断的仿真研究,为提高其实用性,采用VC 与MATLAB混合编程的方法,在VC 环境下制作了应用界面。最后介绍了BP算法在使用中存在的主要问题,并进一步提出了相应的改进方法。     

基于神经网络的整流电路故障诊断

整流电路模型具有很强的非线性,通常时其进行在线故障诊断比较困难.提出采用基于波形直接分析的神经网络故障诊断方法实现整流电路在线故障诊断.以三相整流电路为例,对电路发生故障时输出的波形进行分析,采样故障波形的数据制作样本时神经网络进行训练,将训练好的神经网络用于故障诊断.仿真实验结果表明该方法是有效的.     

基于BP神经网络的模拟电路故障诊断

模拟电路的可靠性决定了电子设备的可靠性.针对目前BP网络在模拟电路故障诊断中存在的容差和非线性等问题,提出多频组合法,对电路中的软故障进行诊断.通过在电路输入端施加3 V的正弦激励,选取不同的测试频率,对测试点进行测试,得到各待测元件的故障值.该系统解决了模拟电路中的容差问题,提高了诊断率,并在仿真中得以证明.     

基于模糊神经网络的板级电路故障诊断研究

板级电路故障诊断过程复杂，故障征兆和故障原因之间存在着许多不确定因素，建立精确的故障诊断系统存在着许多困难，针对这种情况，本文提出了基于模糊神经网络，利用模糊逻辑和神经网络相结合建立故障诊断系统的方法，并以某电路板为研究对象对该方法作了验证。     

基于小波神经网络的三相整流电路的故障诊断

应用带动量项和自适应学习率的小波神经网络解决了应用神经网络诊断三相整流电路时收敛速度慢,搜索空间局部极小,易引起振荡等问题。首先根据不同晶闸管的故障输出波形的不同,使用Multisim软件对三相整流电路的故障进行仿真模拟,然后用波形采集数据制作的样本对网络进行训练,最后训练好的网络可用于故障诊断。仿真表明,提出的方法比现有方法的收敛速度快,诊断误差小。     

基于径向基神经网络的旋转机械故障诊断

针对旋转机械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,提出基于径向基（RBF）神经网络的风机故障诊断方法。以风机振动信号的7段频谱能量峰值作为故障特征,采用训练好的RBF网络进行故障辨识。结果表明,RBF网络能满足风机故障诊断的准确性,并在避免局部极小和节约训练时间方面有较好的实用性。     

基于神经网络的故障诊断专家系统

介绍了一种基于神经网络故障诊断专家系统，给出了系统的结构，具体描述了神经网络专家系统的基本原理。并以抽油井井下故障诊断为例说明了神经网络故障诊断的推理过程，诊断结果表明了该方法的有效性。     

基于空间特征的非线性电路神经网络诊断

本文提出线性模拟电路的单、双、三故障空间特征,采用分段线性模型（PWL）将非线性电路线性化,通过遗传算法求电路的容羞范围,用神经网络对非线性嘲络进行诊断。本文的方法大火减少了模拟计算量,同时,使神经网络的训练过程加快,训练误差减少,并大大提高了诊断的正确率。     

一种基于神经网络的模拟电路故障诊断方法

模拟电路故障诊断一直是一项富有挑战性的研究课题。文章在简要介绍BP神经网络基本原理的基础上,以差分放大电路为例,设计并实现了基于BP算法的模拟电路故障诊断方法,建立了模拟电路故障诊断BP神经网络模型。实验表明,该模型的辨识精度高,能实现对模拟电路故障的正确诊断。     

一种基于小波神经网络的故障诊断方法

在阐述了小波变换和BP(反向传播)神经网络概念的基础上,根据小波神经网络故障诊断的基本思想,提出了一种基于"能量-故障"的小波预处理神经网络故障诊断方法.实验仿真结果表明,使用该方法提取故障特征加快了神经网络的训练速度,能迅速地进行故障的检测和定位.     

基于优化神经网络的三相全控整流电路故障诊断

研究了递阶遗传算法用于神经网络的参数确定问题,以期利用递阶遗传算法的二级编码结构解决以往同时优化神经网络结构、权值、阈值效率不高的难题。此外,建立了三相桥式全控整流电路的故障模型,并对几种常见故障进行了仿真分析。最后,将自适应递阶遗传算法用于三相桥式全控整流电路的故障诊断,仿真验证了该方法的准确性和实用性。