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。     

基于自组织竞争神经网络的抽油井故障诊断系统

本课题是针对油田边远井、孤立井能够更方便的进行故障诊断,创新的采用手持终端与自组织竞争神经网络相结合的方法进行油井故障诊断。以抽油机作为研究对象,从油井的示功图入手,利用自组织竞争神经网络对抽油井示功图进行智能识别分类,实现油井故障的自动诊断。实验表明,基于神经网络的故障诊断系统在手持android终端能够成功实现,并且诊断正确率在97.3%以上。     

基于特征值提取与神经网络的抽油井故障诊断

示功图特征值提取是在功图数据中挑选具有代表性的数据,经过计算处理得到最有效的特征值,作为故障诊断系统中神经网络的输入。而自组织竞争神经网络结构简单,可以通过自身训练,实现对油井故障的自动分类。该神经网络模型的训练速度快,而且诊断的准确性更高。该方法已在江苏油田的实际应用中取得了良好的效果。     

基于故障树和神经网络的飞机电源系统故障诊断研究

介绍了基于故障树模型的故障诊断技术和基于神经网络的故障诊断技术，提出了基于故障树和神经网络的集成故障诊断思想。在此基础上，以交流发电机旋转整流器二极管开路故障为例进行了实例分析，说明了故障树和神经网络集成故障诊断技术对此故障的诊断，结果表明该方法用于解决此类问题是有效的。     

基于神经网络的实时故障诊断系统设计

本文以某型飞机电力起动系统为对象,介绍了如何将神经网络应用于飞机电力起动系统的故障诊断,较好地解决了利用故障字典法对该系统实施故障诊断时所存在的缺乏自组织、自学习能力和测试信号选取受限等弊端,建立了该系统的故障样本并对其进行了仿真研究。     

基于虚拟仪器和BP神经网络液压系统故障诊断

针对液压系统故障诊断中存在的检测和分析判断困难、耗时费力且准确度不高等诸多问题,提出了一种基于虚拟仪器和BP神经网络技术的液压系统远程故障诊断系统的设计。利用虚拟仪器数据采集、分析和处理能力以及其开放性特点,实现了对液压系统故障的实时远程监测判断。利用BP神经网络技术对历史监测数据的分析判断,实现了对液压系统将来工作状...     

基于示功图的有杆抽油系统量油及能耗研究

在石油开采中,油井产量的计量是油田生产管理中一项重要的基础工作,对油井产量进行准确、及时的计量并进行油井举升能耗与效率分析,对于掌握油藏状况,制定生产方案,具有重要的指导意义。本文的研究基于准确进行油井产量计算进而提高油田生产管理水平的目的,利用无线示功仪采集实测功图数据,采用数学迭代方法计算出井下抽油泵处的泵功图,通过示功图和泵功图判断出油井的凡尔开闭点,根据有效冲程来计量油井产量,并进行油井举升能耗与效率分析。通过与油田设置的计量站的数据对比,量油精确度达到93%以上,有效提高了有杆抽油系统的单井产量计算的精确度。     

基于神经网络的传感器故障诊断技术

综述了神经网络用于控制系统的传感器故障诊断技术，阐明了应用神经网络的优越之处及其各种方法的特点。     

基于LabVIEW与BP神经网络测距终端故障诊断系统研究

结合LabVIEW图形化编程特点和Matlab强大的矩阵运算能力,利用二者混合编程实现BP网络算法改进,设计了基于LabVIEW与BP神经网络的测距终端故障诊断系统,且通过对测距中参考信号发生器单元电路产生的硬故障进行识别诊断,以检验其可靠性。应用结果表明,该系统不仅能对多种未知故障进行准确分类识别,并可将结果通过简单直观的界面显示出来,从而降低故障诊断人员的工作难度,具有较强的实用价值。     

基于神经网络的机载航炮故障诊断专家系统

在分析专家系统和神经网络单独应用于设备故障诊断的优缺点基础上，建立了基于神经网络的机载航炮故障诊断专家系统。实践证明，网络的学习时间显著缩短，整个系统推理效率明显提高，验证了集成式专家系统的诊断效果比传统的专家系统或神经网络更全面、准确和迅速。     

基于模糊神经网络的执行器故障诊断

针对神经网络在故障诊断中的局限性,提出了一种将模糊理论与BP神经网络结合的故障诊断方法,使其应用到执行器故障诊断中.通过和BP神经网络学习算法对执行器故障诊断的结果比较来证明模糊神经网络算法的优越性.首先介绍执行器常见故障;其次对故障征兆进行模糊化预处理,获得了神经网络训练样本,最后应用Matlab软件进行了系统仿真.仿真结果表明:该方法收敛速度快、诊断精度高、自适应性强,能够有效地诊断执行器故障.     

神经网络专家系统在电机故障诊断中的应用

针对传统专家系统不能进行自学习、自适应的问题,本文提出了基于神经网络专家系统的异步电机故障诊断方法。本文将小波神经网络和专家系统相结合,充分发挥了二者故障诊断的优点,很大程度上降低了对电机的诊断误差。仿真结果验证了该算法的有效性。     

带偏差单元递归神经网络齿轮箱故障诊断

为了实现某型号坦克传动系统齿轮箱的智能化故障诊断,采用带偏差单元的递归神经网络理论,建立了基于带有偏单元的递归神经网络的齿轮箱故障诊断模型。针对某型号坦克传动系统齿轮箱的主要故障,将数据采集器现场采集到的齿轮箱数据作预处理后的数据和人为设置了一些故障的数据分别用带偏差单元的递归神经网络模型进行了分析和判断。结果表明,带偏差单元的递归神经网络在本型号坦克齿轮箱的故障诊断中能取得满意的效果,算法精度高,收敛性好。     

基于神经网络的电子设备故障诊断专家系统

对复杂的电子设备的故障进行快速准确的诊断和维护是一个急待解决的重要问题。在分析了单独应用专家系统和神经网络的优缺点的基础上,提出了一种集成式诊断专家系统模式,将神经网络与传统的专家系统进行有机结合。经实验证明,系统的推理效率明显提高,且具备良好的鲁棒性、启发性和透明性。由此可见,该集成方法对故障诊断十分有效。     

基于神经网络的滚动轴承故障诊断智能方法

提出了基于神经网络的滚动轴承故障诊断方法.以滚动轴承小波分解后的能量信息作为特征,通过神经网络作为分类器对滚动轴承故障进行识别.经过实验表明,该方法对于滚动轴承的故障诊断具有一定的应用价值, 并可方便地推广到其他类似的诊断领域.     

示功图特征提取选择在油井故障诊断中的研究应用

示功图特征值提取是在功图数据中挑选具有代表性的数据,经过计算处理得到最有效的特征值,作为故障诊断系统中神经网络的输入.本文用了几何参数法、灰度矩阵法来获取示功图的特征值,减小了神经网络的输入规模,使特征值更具有针对性,提高了神经网络的训练速度,从而使诊断的准确性更高.该方法已在江苏油田的实际应用中取得了良好的效果.     

混沌神经网络在发电机故障诊断中的应用

采用耦合的混沌振荡子作为单个混沌神经元构造混沌神经网络模型,采用改进Hebb算法设计网络的连接权值。在此基础上,实现了混沌神经网络的动态联想记忆,并应用该混沌神经网络模型对发电机定子绕组匝间短路故障进行诊断。结果表明,该种方法有助于故障模式的记忆和重现。     

BP神经网络在设备故障诊断方面的应用

电子设备逐渐成为越来越复杂的大系统,因此如何对其进行高效快速的故障诊断,使其保持良好的工作状态,具有重要的意义。针对传统故障诊断技术的局限性,探讨了基于BP神经网络的故障诊断方法;并基于该诊断方法利用VC＋＋和Matlab混合编程开发了故障诊断软件。同时以雷达系统上的某些部件为例,对该软件在故障诊断方面的正确性及可靠性进行验证：将代表故障的信息输入训练好的神经网络后,由输出结果便可以判断发生故障的类型,从而实现对故障模块的精确定位。实验结果表明,该诊断软件提高了电子设备故障诊断的效率,具有一定的应用价值。