DNA优化的神经网络在故障诊断中的应用

将基于DNA优化的BP网络用于飞机发动机气路的故障诊断.首先,用DNA进化算法优化BP网络的初始权值和阈值,然后采用误差反馈算法训练BP网络,最后将经过训练的网络用于故障诊断.仿真实验结果说明,该方法可以对飞机发动机气路故障进行快速、有效诊断,避免了BP网络易于限于局部极小、收敛速度慢等缺点,具有较好的工程应用前景.     

BP神经网络在柴油机涡轮增压系统故障诊断中的应用

将BP神经网络应用于柴油机涡轮增压系统的故障诊断。简要介绍了BP神经网络的基本原理和算法,采用BP算法对网络进行训练、学习,可以识别柴油机滤清器堵塞、空冷器空气测流阻增大、气缸进排气堵塞及废气涡轮流阻增大四种故障,诊断结果和实际结果非常吻合,诊断结果可靠性强,并可以准确预计故障等级。     

基于数值优化的改进BP算法在旋转机械故障诊断中的应用

机械设备的安全运行对企业的现代化生产至关重要,因而对故障机械的诊断近年来受到了普遍关注,而神经网络具有分辨原因及故障类型的能力,在故障诊断领域中得到了广泛应用.本文针对传统BP算法存在的收敛速度慢以及容易陷入局部最小点等问题,给出了两种基于数值优化方法的改进BP算法,应用改进的BP算法对旋转机械故障进行诊断研究,结果表明,加快了网络的收敛速度.证明该算法比BP算法精度更高且收敛速度更快.     

基于BA-RVM算法的发动机故障诊断技术研究

发动机是装备动力系统的核心部件，针对传统检测技术在大量故障装备中难以准确快速诊断发动机故障，且诊断工作量大、效率低等问题，提出一种基于BA-RVM算法的发动机故障诊断模型。通过融合典型装甲装备发动机的各项指标，利用采集的参数指标与发动机的故障数据对模型进行训练，使得模型能够基于发动机的参数对故障类型进行预测。在模型训练时，采用蝙蝠算法BA对相关向量机算法RVM的核参数宽度进行优化，得到RVM最优参数的预测模型。最后，以12/200ZL型水冷废气涡轮增压柴油机为对象开展实验。实验结果表明，基于BA-RVM算法的故障诊断错误率比BP算法的降低了66.67%,比SVM算法的降低了62.5%。     

基于BP算法和ACO算法的故障诊断推理研究

BP算法在故障诊断领域已取得广泛应用,但其存在收敛速度慢且容易陷入局部最小值的缺陷,限制了其进一步的发展;ACO(Ant colony optimization)算法是一种模拟进化算法,已很好地应用于解决旅行商和资源两次分配等经典的优化问题,具有启发式收敛、正反馈以及分布式计算等优点;为此,将ACO算法引入BP算法故障诊断方法中,使用ACO算法对BP网络中的参数即权值、阈值以及学习率等进行优化,定义了一种结合ACO算法和BP算法能对故障进行诊断的新算法,并将其应用于具体的故障诊断实例中,最后,通过100组样本中的95组进行训练,并对剩余5组进行故障诊断,实验证明结合ACO算法和BP算法的新算法较传统的仅使用BP算法的诊断方法具有收敛速度快、诊断精确高以及训练性能好的优点。     

基于ARMA模型的液体火箭发动机实时故障诊断方法研究

针对重复使用的液体火箭发动机设计了实时故障诊断系统并通过硬件在回路仿真平台对此进行了仿真分析,为建立重复使用液体火箭发动机健康管理系统奠定了坚实基础。首先,建立了液氧甲烷发动机故障模型,通过此模型可以获得发动机的几种典型故障数据;其次,设计并构建了ARMA模型,针对该模型的一些参数设置进行了分析;最后,基于ARMA模型构建了实时故障诊断系统并进行了仿真分析,由仿真结果可见该算法成功的诊断出发动机的常见故障,并进行了报警,满足了发动机故障诊断系统的需要。     

神经网络在化工过程故障诊断中的应用

针对现代复杂的化工生产过程,提出一种基于神经网络的故障诊断方法。并分别将典型的BP算法和改进后的BP算法用于TE（Tennessee Eastman）模型的故障诊断中。经过诊断结果的比较,得出标准的BP算法在实际应用中具有收敛速度慢等缺点;自适应学习速率动量梯度下降的BP算法以及用L-M（Levenberg-Marquardt）法先对BP网络进行优化的BP算法具有收敛速度快、不易陷入局部极小值等优点,其中又以L-M优化BP算法效果最好。结合rIE模型的仿真结果可以看出,L-M优化BP算法在工业实际中具有很大的优势。     

基于改进遗传BP算法的电力变压器故障诊断

本文在改进的遗传算法中加入BP迭代,并应用于电力变压器的故障诊断。它有效地解决了常规的BP算法易陷入局部极小、收敛速度慢和基本遗传算法早熟等缺点。实例仿真诊断结果表明了这种算法具有较快的收敛速度和较高的计算精度,它能满足电力变压器故障诊断的要求。     

基于改进禁忌算法和ANN 的故障诊断推理

针对BP神经网络存在着容易陷入局部极小值且收敛速度慢的问题,提出了一种基于改进禁忌算法和ANN（Artificial neural network）结合的故障诊断模型．首先对故障诊断模型进行了定义,然后使用训练数据对网络的权值、阀值等参数进行训练,将训练结果作为改进禁忌优化算法的初始解进行全局寻优,对改进的禁忌优化算法进行了定义和描述,最后将全局寻优的结果代入神经网络中,使用测试数据进行故障诊断．通过仿真实验证明文中的方法与未经优化的ANN故障诊断模型相比,克服了传统方法的不足,具有诊断精度高、诊断速度快以及收敛速度快的特点．     

飞控系统传感器故障诊断的神经网络方法研究

BP神经网络对于飞行控制系统传感器故障诊断是一种有效的故障模式识别方法;在标准BP神经网络的基础上,提出了一种新的BP改进算法——自适应FMBP算法(SAFMBP),用以消除标准BP网络收敛速度慢及易陷入局部极小等缺点,并且建立了飞行控制系统仿真模型和传感器常见故障模型,采用基于神经网络模式分类的故障诊断方法,应用改进的BP神经网络(SAFMBP)进行飞控系统传感器的故障诊断,最后给出了仿真诊断实例。     

基于遗传算法与Shannon熵的故障监控参数优选

研究液体火箭发动机故障诊断中监控参数的优选问题.基于Shannon熵理论提出了特征参数组所含故障分类信息的理论值及其工程计算方法,证明了故障分类信息与参数相关性之间的单调降关系,并以此作为特征参数的优选准则,利用改进的遗传算法对某液体火箭发动机的常见故障进行了特征参数优选,数值实验结果表明所选特征参数合理,且故障分类器的计算复杂度大大降低而对噪声的鲁棒性大大提高.     

基于改进ARMA模型的火箭发动机稳态工况过程实时故障诊断方法研究

针对大推力氢氧补燃循环发动机的主级工况,设计了基于ARMA模型的实时故障诊断算法,并改进了阈值求解方法以及故障判别准则,通过仿真验证,证明了改进算法的高效性及有效性,为建立大推力氢氧补燃循环发动机健康监控系统奠定了基础。首先,建立了大推力氢氧补燃循环发动机的故障模型,得到了典型故障的故障数据;接着,设计了改进的ARMA模型、阈值求解算法和故障判别准则;最后进行仿真分析,结果表明改进算法能够在毫秒的量级诊断出各典型故障,满足了发动机故障诊断系统设计的要求。     

约束关联规则技术检测液体火箭发动机稳态过程

采用了一种基于约束关联规则的分类技术的故障检测方法,对液体火箭发动机的稳态过程试车数据进行挖掘的应用实例表明,该方法能够有效地挖掘测量参数和液体火箭发动机工作情况之间的关联关系,有效地检测出液体火箭发动机的稳态过程中的故障。     

利用粗糙集理论检测和诊断液体火箭发动机故障

在分析液体火箭发动机故障和粗糙集理论特点的基础上,将粗糙集理论应用于液体火箭发动机热试车数据挖掘中。对某发动机的4组热试车数据进行了分析,将原来的24个属性约简为2个,将原来的213个记录约简为5个和4个,得到了影响液体火箭发动机的所有可能的关键的、决定性的故障检测和诊断因素组合,实现了故障的检测和诊断。     

基于广义模糊熵的故障特征参数选择

提出了基于广义模糊熵的特征参数优选准则,定义并分析了高维数据分布中心离散度与样本总体可分性的单调关系。基于某液体火箭发动机１６种典型故障的仿真数据集,利用改进的遗传算法对其故障特征参数进行优选。数值实验结果表明该算法具有理想的效果。     

基于发参数据的发动机泵调系统的健康监测

为探究飞机发动机泵调系统健康监测自动化的可行性,开展了基于发参数据的飞机发动机泵调系统的健康监测方法的研究.从发参数据中提取出泵调系统在起动阶段的相关特征参数,构成样本数据;采用马氏距离技术筛选出健康样本,建立泵调系统特征参数基线模型;计算实际飞行样本与基线模型之间的马氏距离作为健康指数,确定预警阈值.采用3种K均值聚...     

多层前向神经网络在柴油机故障诊断系统中的应用研究

故障诊断是计算机模式识别领域的一个活跃课题。文中提出了基于ANN的柴油机故障诊断方法,设计了适合该诊断系统的BP网络结构,并给出了一种改进的BP算法(IBP),该算法基于黄金分割法自适应调整网络学习速率。仿真结果表明:该算法比标准BP算法具有更快的学习速度和更高的学习精度,完全适用于柴油机故障诊断系统。     

离心泵叶轮爆裂转速数值仿真和试验

基于SimXpert对某液体火箭发动机离心泵叶轮进行弹塑性有限元分析,计算离心泵叶轮在离心载荷作用下的爆裂转速,并与在超速试验台上得到的爆裂试验结果进行对比.结果表明,考虑材料非线性的弹塑性有限元计算结果与试验结果误差为0.59%,可应用于离心泵叶轮的强度校核和结构优化. 该离心泵叶轮的爆裂转速为2.716倍的工作转速,对其进行结构轻量化或优化十分必要.     

液体火箭发动机不稳定燃烧并行程序的监控和性能分析

在MPI的工作环境下对液体火箭发动机内的复杂燃烧流场进行了数值模拟,采用MPE性能监测库在MPI并行计算环境下对燃烧应用软件进行可视化监控分析,研究了液体火箭发动机燃烧过程仿真程序的并行计算性能,通过在NOW环境下的测试提出了提高应用软件性能的编程策略,有助于对发动机稳态和不稳定燃烧仿真程序进行高效并行算法研究。     

基于RESID方法的液体火箭发动机实时故障诊断算法设计及半实物仿真验证

针对氢氧发动机设计了实时故障诊断算法并通过半实物仿真平台对此进行了仿真分析,为建立液体火箭发动机健康管理系统奠定了坚实基础。首先,建立了氢氧发动机故障模型,通过此模型可以获得发动机的几种典型故障数据;其次,设计并构建了RESID模型,针对该模型的一些参数设置进行了分析;最后,基于RESID模型构建了实时故障诊断系统并进行了仿真分析,由仿真结果可见该算法成功的诊断出发动机的常见故障,并进行了报警,满足了发动机故障诊断系统的需要。