水泵机组中滚动轴承的振动测试与故障诊断

本文简述了运用频谱分析方法对运行中的水泵机组进行轴承状态诊断。通过对频谱的分析，来判断轴承故障的性质和机器振动的原因，从而可针对性地采取措施，确保设备正常运转。     

神经网络应用于电力变压器故障诊断

将电力变压器油气分析法作为检测数据来源，利用神经网络这一强有力的故障诊断工具，有 效地诊断电力变压器的内部故障。仿真结果表明，用神经网络诊断变压器故障具有更加优秀 的性能。文中，作者采用的是ＢＰ网络模型及算法，并对网络训练过程中一些技巧问题进行 了讨论。     

基于神经网络专家系统的水电机组故障诊断分析

针对水电机组振动诱因多、诊断准确率较低等现象,结合神经网络系统和专家诊断理论,建立一种新型的故障诊断模型,并将其应用于实测振动信号的诊断分析,取得了良好的诊断效果,为水电机组在线故障诊断提供了一种有效、快速的新方法。     

基于神经网络专家系统的水电机组故障诊断研究

针对水电机组振动诱因多、诊断准确率较低等现象,本文融合神经网络系统和专家诊断理论,建立一种新型的故障诊断模型,并将其应用于实测振动信号的诊断分析,取得了良好的诊断效果,为水电机组在线故障诊断提供了一种有效、快速的新方法。     

神经网络在继电保护及故障诊断中的应用

采用人工神经网络是实现自适应继电保护和智能故障诊断的一条新途径。文中对国内外这方 面的研究现状进行了综述，提出了一些新的观点，并指出了需要进一步研究的方向和主要内 容。     

利用神经网络实现发电机励磁系统的故障诊断

在研究了励磁系统故障和神经网络的特征后，提出利用神经网络中的ＢＰ模型进行发电机励磁系统的故障诊断，阐述了模型中存在的问题及其解决方法，比较了选择不同的网络参数对诊断系统性能的影响，并对故障实例进行了诊断 。     

基于BP模糊神经网络的水轮发电机组故障诊断方法

运用模糊理论的故障征兆与故障原因之间的模糊关系,确定了BP神经网络的输入层和输出层,并结合水轮发电机组故障诊断具体实例建立神经网络的输入样本集,对神经网络进行训练,输入机组故障征兆向量,得出故障原因,从而验证了模糊神经网络的可行性与优越性.     

基于小波包-神经网络的尾水管故障诊断

尾水管水压脉动信号中包含与涡带紧密相关的低频信息。偏心涡带是引起尾水管振动故障的主要根源。傅立叶变换很难提取涡带的低频特征,为此采用小波包与神经网络相结合的方法,对尾水管信号进行小波包多层分解,以提取信号的特征信息,然后输入神经网络进行故障诊断。试验表明：该法能利用小波包时频局部聚焦分析能力和神经网络的自适应能力,对尾水管振动故障进行有效诊断。     

模糊神经网络控制在机组故障诊断和修复中的应用

提出了应用模糊控制和神经网络技术相结合的技术,解决水轮发电机组故障诊断及修复问题的概念,讨论了模糊神经网络的控制算法、控制结构以及学习过程,在水轮发电机组故障诊断和修复中的应用以及设计的实际步骤。     

基于BP模糊神经网络的水轮机进水蝶阀故障诊断方法的研究

建立水轮机进水蝶阀的BP神经网络模型;运用模糊数学的故障征兆与故障原因之间的模糊关系,确定BP神经网络的输入层和输出层;结合水电站蝶阀运行中的故障诊断具体实例建立神经网络的输入样本集,对神经网络进行训练;输入机组故障征兆向量,得出故障原因;验证模糊神经网络的可行性与优越性。     

神经网络在水电机组振动故障诊断中的应用研究

本文首先简单介绍了人工神经网络的基本性能和BP网络模型及算法，在此基础上将神经网络应用于水电机组振动故障诊断中。试验证明，基于神经网络的水电机组振动故障诊断方法具有很高的实用价值。     

基于注意力机制的多尺度卷积神经网络电机轴承故障诊断

针对现有的卷积神经网络(Convolutional Neural Network,CNN)故障诊断方法只能提取单尺度特征,丢失了故障敏感信息,无法正确表达电机轴承的健康状态的问题,提出了注意力机制的多尺度卷积神经网络(Multi-scale Convolutional Neural Network,MSCNN)故障诊断方法,将多尺度特征提取整合到传统的CNN结构中。通过不同尺寸的卷积核捕获信号的多尺度特征,使模型获得多样性的特征表达;引入注意力机制(Attention Mechanism,ATT),对提取的特征自适应的评分和赋值,将注意力集中在敏感特征上,让模型学习到高级特征;最后利用公开数据集进行实验验证,结果表明,所提方法诊断精度高,具有较好的泛化性能。     

基于遗传算法进化小波神经网络的电力变压器故障诊断

在电力变压器故障诊断方法中，小波神经网络常用的反向传播算法存在着易陷入局部极小点和对初值要求较高的缺点，往往给故障诊断带来困难。文中提出了一种基于遗传算法进化小波神经网络的变压器故障诊断方法，用实数编码的遗传算法来代替人解决小波神经网络结构的选择和参数的设定。在整个学习过程中，网络的复杂度、收敛性和泛化能力得到了较好的综合。大量实例表明，该方法能有效地对电力变压器单故障和多故障样本进行分类，提高了诊断准确率。     

基于遗传神经网络和证据理论融合的水电机组振动故障诊断研究

针对水电机组振动故障诊断中的故障误诊、漏诊以及诊断的可靠性低等问题,提出了适用于水电机组的神经网络局部诊断和证据理论融合决策诊断的故障诊断方法。在神经网络中应用遗传算法来提高网络的收敛速度,应用提出的诊断方法对水电机组振动故障进行仿真,诊断结果表明对故障征兆信息的有效组合,充分利用机组各部位的信息,可以减少诊断的误诊、漏诊问题,从而有效地提高诊断的可靠性。应用MATLAB7.0开发出故障诊断系统界面。     

模糊神经网络在水轮发电机故障诊断中的应用

结合模糊理论中的模糊矩阵算法和神经网络的自适应性,建立BP模糊神经网络对水轮机发电机组进行故障诊断,避免传统的模糊理论诊断方法主观性和经验性的弊端,最后结合具体工程实例验证该BP模糊神经网络提高水电机组故障诊断的精确性和可靠性。对建立模糊神经网络模型应考虑的因素,以及模糊神经网络模型在水轮发电机组故障诊断中的实际应用情况作了简单介绍。     

基于神经网络的电站风机故障诊断系统

振动现象是电站风机运行中最为明显的一种现象。因此，通过检测风机的振动从而分析其运行状况成为故障诊断的一种重要方法。介绍了基于神经网络的电站风机故障诊断系统，可以广泛应用于风机的各种故障诊断。     

基于神经网络的轴心轨迹的自动识别

轴心轨迹的图形形状识别是旋转机械故障诊断中最为重要的内容之一。利用图形的不变性特征矩的识别技术对轴心轨迹的图形数据进行特征提取，并将特征提取结果作为神经网络的输入让其学习，学习完成后，就可利用神经网络对轴心轨迹的图形形状进行分类识别。神经网络采用改进的BP网络，提出的一种确定神经网络最优隐含层节点数的新方法，其正确性得到了大量事实的验证。对仿真轴心轨迹图形形状的识别结果表明，该方法是有效的、可行的。     

基于EEMD的漳泽水库年径流周期分析

运用EEMD方法对漳泽水库水文站1956年~2008年的年径流量进行多时间尺度分解,并运用Hilbert变换对其进行周期分析。结果表明,漳泽水库的年径流序列可以分解为4个IMF分量和一个Res分量,并有效减小了模态混叠的程度;漳泽水库年径流序列可能存在2.42年,3.83年,7.09年,14.59年几个周期,并且可以推测其演化可能与大气低频振荡、厄尔尼诺现象、太阳黑子强弱变化及天体运动规律等有关。EEMD分解和Hilbert变换相结合的方法,在水文水资源系统领域具有广阔的应用前景。     

径向基神经网络在水轮发电机组故障诊断中的应用

轴心轨迹是诊断水轮发电机组运行状态的一个重要征兆。以不变矩为图形特征量，运用径向基神经网络对发电机故障状态的轴心轨迹图形进行辨识，是一种简单、有效的故障诊断方法。文中从原理上阐述了这种方法的可行性，并通过仿真试验证明径向基神经网络比BP神经网络有更高的学习效率和更好的诊断精度。