基于神经网络的机械故障诊断系统

给出了自适应神经网络学习模型及自适应神经网络的诊断过程，探讨了动量系数和学习率自适应调整的神经网络算法，进一步给出了动量系数和学习率的调整方法，并将其作为机械故障的特征识别方法．由此建立了基于神经网络的旋转机械故障智能诊断系统，给出了诊断系统的训练学习方式和工作方式．两种学习系统的训练方式，可作为旋转机械在线或离线故障诊断分析的重要方法．     

基于遗传算法的BP神经网络在声音智能监控中应用

针对标准的BP神经网络对于声音信号在线监控模型的预测误差比较大,提出了一种用遗传算法优化BP神经网络的算法,建立了声音监控的预测模型。遗传算法优化BP神经网络主要是用遗传算法来优化BP神经网络的初始权值和阀值,然后通过训练BP神经网络以得到预测模型的最优解,优化后的神经网络具有预测误差比较小、反应速度快等特点。实验结果证明,利用遗传算法优化BP神经网络在声音的智能监控中取得了比较好的效果,达到了系统设计的目的。     

基于神经网络的交通标志识别方法

介绍了神经网络分类器的基本原理，针对3类交通标志，即禁止标志、警告标志和指示标志，提出了应用神经网络分类器进行交通标志自动识别的基本方法。神经网络分类器由两层网络联结而成，前层网络由单个BP网络完成交通标志的粗分工作，后层由3个BP网络将组分结果分别进行细分，完成识别任务。此设计结构与传统的单层分类器相比，在训练速度和识别正确率方面都有较大的提高；显然，这与神经网络在解决小规模问题时正确率高、训练速度快相符合。同时，增加新的训练样本时，只要对相应网络进行训练即可，而不必对整个网络进行重新训练。实验结果表明，基于神经网络的交通标志自动识别方法，具有很好的识别效果。     

基于BP算法对汽轮机的振动故障多因素预测

针对汽轮发电机组振动振幅受运行参数及随机因素影响的特点,提出了用人工神经网络中的递推合成ＢＰ网络对汽轮机的振动故障进行多因素预测。通过对仿真数据及机组实际振动数据的预测结果检验。证明多因素预测有利于提高汽轮发电机组振动状态的预测精度。     

基于神经网络的远程网络故障诊断系统

结合当前网络故障诊断的发展情况，提出了一种适合远程诊断的神经网络方法和基于此方法的远程网络故障诊断模型，实现了诊断的智能化，最后通过一个实全,验证了此模型的可行性。     

智能神经网络在乐器音调识别中的应用

基于智能神经网络的理论，提出了一种乐器音调识别的方法。首先通过小波变换提取音调的特征值，然后训练了若干能够识别某一音调的小网，最后联合所有小网络组成大的智能神经网络以识别所有音调。本试验中对单音的音调识别率为97．90％。     

基于BP神经网络的定子绕组智能观测器的研究

在直接转矩控制系统中,异步电动机定子电阻在低速时受温度影响而变化,从而影响了控制系统的低速性能.介绍、分析了人工神经网络的特性及其算法,设计了一种基于BP神经网络的定子绕组智能观测器来估计运行中定子电阻的变化,并借助MATLAB辅助工具进行仿真.仿真结果表明该神经网络观测器检测误差在工程允许的范围之内.     

某型大功率电子设备故障智能诊断系统的设计

针对大功率电子设备故障诊断存在的定位、隔离困难的问题,以舰载某型大功率通信设备为例,将神经网络和传统的专家系统结合起来,设计了实时的故障智能诊断系统,不仅避免了专家系统存在的一些问题,而且提高了传统故障诊断系统的智能性,使故障诊断更为科学、精确和智能.     

基于神经网络的交通标志识别方法

介绍了神经网络分类器的基本原理,针对3类交通标志,即禁止标志、警告标志和指示标志,提出了应用神经网络分类器进行交通标志自动识别的基本方法。神经网络分类器由两层网络联结而成,前层网络由单个BP网络完成交通标志的粗分工作,后层由3个BP网络将粗分结果分别进行细分,完成识别任务。此设计结构与传统的单层分类器相比,在训练速度和识别正确率方面都有较大的提高;显然,这与神经网络在解决小规模问题时正确率高、训练速度快相符合。同时,增加新的训练样本时,只要对相应网络进行训练即可,而不必对整个网络进行重新训练。实验结果表明,基于神经网络的交通标志自动识别方法,具有很好的识别效果。     

某型大功率电子设备故障智能诊断系统的设计

针对大功率电子设备故障诊断存在的定位、隔离困难的问题,以舰载某型大功率通信设备为例,将神经网络和传统的专家系统结合起来,设计了实时的故障智能诊断系统,不仅避免了专家系统存在的一些问题,而且提高了传统故障诊断系统的智能性,使故障诊断更为科学、精确和智能。     

一种基于神经网络的专家系统设计

提出了一种基于神经网络的专家系统设计方案,其核心是作为知识库的人工神经网络(ANN)和基于ANN的正向推理机制。研究了一种表达知识的二元产生式规则及其编码方法,通过编码知识被存储在ANN中。基于ANN的知识库,设计了一种具有正向推理的推理机,并且以动物识别为背景,设计了一个原型系统。     

基于人工鱼优化的神经网络汽轮机振动故障诊断

建立了人工鱼群神经网络模型,利用人工鱼的聚群、追尾和觅食行为训练RBF神经网络的权系数,提高了神经网络的收敛速度和精度.依据此模型提出一种故障诊断方法,并应用于汽轮机振动故障分析.仿真结果表明:本算法与BP及RBF算法相比具有较高的故障诊断准确率和较好的泛化能力.     

基于人工神经网络的变电站故障诊断

介绍了一种利用人工神经网络（ＡＮＮ） 实现变电站故障诊断的方法,该方法充分利用人工神经网络所具有的强大的学习能力及高度的容错性等特点,实现对变电站故障元件的诊断．仿真结果表明,该方法不仅能准确地诊断出保护、开关正确动作时的故障元件,也可有效地诊断出因保护或开关拒动的越级故障时的故障元件．     

基于纵横交叉算法优化BP神经网络的风机齿轮箱故障诊断方法

风电机组齿轮箱的运行工况比较复杂,容易发生故障. 针对常规BP（Back Propagation）神经网络故障诊断容易陷入局部最优的问题,提出一种基于纵横交叉算法（Crisscross Optimization Algorithm,CSO）优化BP神经网络的风电齿轮箱故障诊断新方法. 考虑到风电齿轮箱振动信号的波动性和非线性,首先从信号中提取故障特征参数,建立带评价因子的误差分析模型,然后通过纵横交叉算法优化BP的权值和阈值对神经网络进行训练,最后用训练好的神经网络对样本进行测试. 经实验仿真并与其他方法的对比,验证了本文方法用于风电机组故障诊断有效性及优越性.     

矿井通风机振动故障诊断的神经网络方法

轴流式通风机是煤矿生产中常用的关键设备, 对其进行故障诊断的研究具有十分重要的意义． 本文在分析通风机振动故障的原因及故障特征的基础上, 研究利用人工神经网络进行通风振动故障诊断的方法, 并建立了相应的神经网络诊断模型, 研究表明该模型可用于通风机的故障诊断, 是一种有效的智能分类器．     

模糊神经网络在多冲液压系统故障诊断中的应用

介绍了BP神经网络以及常见液压故障,设计了一个具有自动诊断液压系统故障的BP神经网络.     

基于可拓神经网络的变压器故障诊断

针对BP神经在变压器故障诊断中用于模式识别时,存在训练准则和分类准则不一致而导致的样本识别率降低和网络训练速度缓慢的问题,采用了可拓学的扩缩变换,通过在输出空间中用一个特定的区域（称作教师区域）来代替教师信号,然后将可拓神经网络用于变压器故障诊断中。通过实例证明,可拓神经网络模型的训练速度有了极大提高．模式识别问题得到彻底解决。     

神经网络在故障诊断专家系统中的应用

基于ＰＤＰ的人工神经网格（ＡＮＮ）研究现在已成为热点，本文针对第一代专家系统自身局限性所造成的知识自动获取瓶颈问题，将神经网络模型引入故障诊断专家系统的研究中来，有效地解决了这一问题。同时，还选取较成熟的ＢＰ算法，运用Ｃ语言开发了一个机械故障诊断专家系统。文中还对神经网络存在的问题进行了分析。     

基于模糊聚类法的神经网络变压器故障诊断系统

在变压器故障诊断中,针对样本中可能存在的孤立样本以及样本分布的不均匀性,导致神经网络整体性能下降,训练和测试效率降低的情况,设计了利用模糊聚类法对样本进行预先处理,然后再应用神经网络进行训练和测试的诊断系统.从仿真结果可以看出,该诊断系统较样本未处理而直接应用于神经网络诊断系统的诊断性能有大幅度的提高.