汽轮机故障诊断的遗传神经网络法

阐明了遗传算法与神经网络结合的必要必邮多层感知器神经网络作为遗传搜索的问题表示方式的思想。设计了遗传神经网络故障诊断模型,用这种新方法解决了汽轮机多故障诊断问题。新方法可以简化神经网络的结构并逃逸局部极小。诊断结果与实际相符,从而验证了该方法的有效性和实用性。     

基于微分进化神经网络的模拟电路故障诊断

BP神经网络已在模拟电路故障诊断领域得到广泛应用,但BP神经网络存在训练速度慢且容易陷入局部最优的问题.由此,本文提出了一种基于混合变异策略的微分进化改进算法,描述了利用微分进化改进算法进行神经网络权值训练的过程和方法,并将微分进化神经网络用于模拟电路故障诊断,文中还对微分进化神经网络与BP神经网络进行了比较.实验结果表明,微分进化神经网络的训练时间和训练精度均优于BP神经网络,其在模拟电路故障诊断中的准确度比BP神经网络提高了7%.     

电机故障诊断中的信息融合利用问题研究

对电机故障诊断中的可用信息进行了分类，并针对单一诊断技术对信息利用不足的问题提出利用信息融合的理论，指出了基于信息融合的电机故障诊断技术应解决的问题；给出了基于信息融合的电机故障诊断的基本框架；最后概述了诊断中信息融合利用的方法．结果表明，充分利用电机运行中的各种信息，采用基于信息融合技术的故障诊断方法可以提高故障诊断的准确性和可靠性．     

基于遗传神经网络的异步电动机故障诊断研究

提出一种基于遗传神经网络进行异步电机故障检测的新方法,仅利用一个振动传感器来获取异步电机的特征信息,建立电机动态非线性神经网络检测诊断模型,并利用该模型进行电机的故障检测,为减少网络权值学习搜索空间,解决神经网络权值学习中易于陷入局部最小点的问题,本文采用遗传算法实现模型权值的修正,实际使用证明利用该方法可以方便的实现在线故障诊断,且方法简单,易于实现。     

浅析模拟电路故障诊断中神经网络与专家系统的应用

介绍专家系统应用于模拟电路故障诊断的原理,并指出该方法在故障诊断中的应用现状和存在的问题;提出神经网络和专家系统的结合方式,利用专家系统和BP神经网络的优点,克服它们的一些缺点。     

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.     

基于神经网络的柴油机故障诊断

传统的柴油机故障诊断与处理方法主要都是以定期保养和事后维修为主,缺乏针对事故的预见能力,且效率比较低,成本较高。这就为人工智能技术在柴油机故障诊断上的应用开辟了广阔的空间。本文主要以非线性并行分布处理为主的神经网络为研究理论,通过对建立的BP网络模型,RBF网络模型和Elman网络模型进行了比较,发现这三种网络虽然各有特点和优势,但均适用于特定条件下的故障诊断要求。     

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.     

基于神经网络的某装备电路单元故障诊断研究

某装备是一种较为先进的防空武器系统.该系统结构和电路复杂,元器件种类与品种多,技术保障中其性能检测与故障诊断的难度大.为此,针对系统电路单元功能模块的组成情况,进行了单元电路模块化诊断方法研究.以该装备某单元电路板为例,介绍了利用神经网络和模式识别相结合,实现功能模块的故障判断并对故障元器件定位的方法.结果表明:这种方法能够大大降低测前仿真的工作量,提高故障诊断的精度和速度,增强该武器装备的维修保障能力.     

基于遗传BP网络的模拟电路故障诊断

提出了一种用故障的典型特征作为训练样本、遗传算法与BP网络相结合的模拟电路故障诊断新方法.该法采用故障的典型特征作为样本训练网络,遗传算法来优化BP网络的结构与初始权值分布的策略.详述了其诊断原理及诊断步骤,并给出了仿真实例及工程应用.结果表明,该方法具有特征提取简便、测前工作量小、故障诊断速度快及故障定位准确率高等特点.     

优化遗传神经网络及其在机械故障诊断中的应用

提出了一种改进的遗传神经网络算法,该算法综合了遗传算法的全局性和神经网络的并行快速性等特点,有利于克服神经网络存在易陷入局部极小和收敛速度慢的问题,达到了优化网络的目的.此算法应用于磨机故障诊断,通过试验得出对故障模式的识别精度较高,具有较好的应用前景.     

信息融合技术在汽轮发电机组故障诊断中的应用

本文研究了信息融合技术在汽轮发电机组故障诊断中的应用,介绍了信息融合技术的基本原理和方法,提出了将这种方法应用于汽轮发电机组故障诊断中的数据处理模型;应用自组织神经网络方法,对机组的振动参数和热力参数等信息进行信息融合;对汽轮发电机组典型故障的诊断实例进行了分析,结果表明信息融合技术用于汽轮发电机组故障诊断是可行的和有效的,提高了诊断的准确性.     

基于Volterra频域核的非线性模拟电路故障诊断

非线性模拟电路的故障特征的表征困难,另外基于神经网络的故障诊断存在收敛速度低及泛化能力差的问题.本文将非线性系统复杂的Volterra高阶核函数表示成一维数值解的形式,并以此来表征故障特征,同时借助小波变换与神经网络的优点,降低了输入特征矢量的维数,并且提高了泛化能力.实验结果表明:该方法建模简单,运算量小,具有一定的...     

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GA-BP神经网络的汽轮机故障诊断

为了提高汽轮机故障诊断精度,该文以汽轮机的频谱成分为输入量,以汽轮机故障类型为输出量,采用遗传算法对BP神经网络的权值和阈值进行优化,建立了基于GA-BP神经网络的汽轮机故障诊断模型。采用某汽轮机样本数据进行仿真分析,并与其他汽轮机故障诊断方法进行对比。结果表明,GA-BP神经网络模型的诊断结果出现2次误诊断,诊断精度为96.67%,诊断精度高于其他方法,验证了该文所提汽轮机故障诊断方法的实用性。     

分形特征的模拟电路故障诊断方法

针对模拟电路中存在的非线性问题,提出一种以模拟电路分形特征为输入量的故障诊断方法。通过对多测试分量数据进行分形特征提取,输入神经网络建立信息融合中心融合处理各分形特征量,利用多源性互补信息减少模拟电路故障诊断的不确定性。实验结果表明,该故障诊断方法可准确地检测出模拟电路中的故障现象。     

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...     

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.     

基于RBF神经网络的数据挖掘的研究

研究基于RBF神经网络的分类数据挖掘方法。并将遗传算法和RBF神经网络有机结合,利用遗传算法优化RBF隐层中心参数和宽度。     

模拟电路故障诊断的要求与方法

随着电路系统的复杂程度不断提高,模拟电路故障率占据总故障率的大部分,因此人们更为迫切地希望提高模拟电路整体可靠性与可维护性.首先介绍模拟电路故障原因和故障诊断的要求,然后简要阐述故障诊断的方法。