基于模糊神经网络的磨粒识别专家系统

智能型磨粒识别是铁谱分析技术中的重要内容,模糊神经网络技术为解决以上问题提供了一条新的途径。本文介绍模糊神经网络专家系统的基本原理,叙述BP学习算法及过程,最后介绍基于本算法的磨粒识别模糊神经网络专家系统。     

基于神经网络的磨粒识别专家系统的设计

智能型磨粒识别是铁谱技术发展的主要趋势,人工神经网络技术的出现,为这种智能化提供了一条崭新的途径。介绍了神经网络专家系统的基本原理,叙述了BP学习算法,以及基于该算法的磨粒识别神经网络专家系统的设计。     

磨损磨粒的BP神经网络识别

介绍了铁谱分析技术对设备状态监测与故障诊断的方法;通过机械润滑油或液压油中微观磨损颗粒的分析来判断机器当前的工作状态。铁谱的计算机图像分析技术是近年来研究的热点。基于BP神经网络对磨损磨粒进行识别,提出了磨粒的分步识别策略,并以磨粒样本都对网络进行训练,取得了较好的识别效果。     

计算机磨粒识别技术研究进展

近二十年来,铁谱图像识别技术取得了很大的发展,在图像获取、图像处理与图像特征提取等方面都有了显著的改善,随着计算机信息技术的发展,磨粒识别速度与识别正确率也有了显著提高,本文这些成绩进行了一些总结。同时指出目前还需努力的方向。     

磨损磨粒的BP神经网络识别

介绍了铁谱分析技术对设备状态监测与故障诊断的方法;通过机械润滑油或液压油中微观磨损颗粒的分析来判断机器当前的工作状态.铁谱的计算机图像分析技术是近年来研究的热点.基于BP神经网络对磨损磨粒进行识别,提出了磨粒的分步识别策略,并以磨粒样本对网络进行训练,取得了较好的识别效果.     

基于BP神经网络的磨粒特征识别系统设计

提高铁谱磨粒识别能力是加强铁谱分析技术的重要手段,神经网络技术的不断普及为铁谱磨粒识别能力的提高带来了新的思路。对神经网络系统的基本原理和BP学习算法进行了叙述,并探讨了基于BP算法的磨粒特征识别系统的设计。     

磨损颗粒的模糊神经网络识别研究

在传统的模式识别技术中,模式分类的基本方法是利用判别函数来划分不同的类别,然而如何选择有效的判别函数以及在识别过程中如何对判别函数的参数进行修正,对于以往的模式识别技术是比较困难的。针对油液铁谱分析中磨损颗粒的识别问题,讨论了一般机械设备的磨损颗粒的特征,分析了神经网络技术和模糊数学相结合的模式,提出了基于模糊神经网络的铁谱图象分类和识别方法,分析结果表明,提出的方法对铁谱分析的智能化和快速化提供一种有效的途径。     

基于知识与模糊神经网络的故障诊断专家系统

提出了一种基于知识与模糊神经网络专家系统故障诊断方法,设计构造了诊断专家系统的整体框架,在框架中体现了在任务工机控制下,规则符号推理和模糊神经网络推理综合诊断的思想。知识库是诊断专家系统的核心,在本系统中定义了广义三层规则库结构,即元规则、故障诊断规则、结论合并规则。Ｒｕｌｅ型的模糊联想记忆器实现专家系统中的分类和综合功能,并讨论了模糊神经网络输入和输出模糊化的问题。本文为旋转机械故障诊断专家系统     

基于规则的模糊神经网络故障诊断专家系统

提出了一种基于规则的模糊神经网络专家系统诊断方法,该方法采用了广义三层规则库结构及推理机制,把Ｒｕｌｅ型的模糊联想记忆器作为专家系统的分类和综合算法,使基于规则的知识处理方法与模糊神经网络有机地结合在一起。并讨论了模糊神经网络输入和输出模糊化的问题。为旋转机械故障诊断专家系统提供了一个易于实现的框架结构。     

基于卷积神经网络的铁谱磨粒智能识别研究

针对传统的计算机磨粒识别方法对相似度高的严重滑动磨粒和疲劳磨粒存在识别过程复杂、识别准确率低等问题,提出利用卷积神经网络(Convolution Neural Network,CNN)自动提取铁谱磨粒图像的特征,再将提取到的特征传入全局平均池化层和新的全连接层进行训练分类的铁谱磨粒智能识别方法。试验显示,基于卷积神经网络模型Inception-v3+1FCL和迁移学习方法可以有效地对严重滑动磨粒和疲劳磨粒进行分类识别,准确率高达89. 35%。     

基于模糊灰色信息集成理论的磨粒识别研究

根据灰色系统理论和模糊数学,引进了一种灰关联度综合评价模型和模糊相对权重的概念,并将两者相结合运用到铁谱分析的磨粒识别中,提出了一种新的基于模糊灰关联度的磨粒识别方法。计算表明,该方法比单一地使用灰色关联、模糊聚类具有更好的准确度与稳定性。     

基于PCA-BP神经网络的磨粒自动识别

以航空发动机润滑油液中的磨损微粒为研究对象,提出一种采用PCA-BP分类器对磨粒类型进行自动识别的方法。该方法通过对磨粒图像进行预处理并提取一些特征参数,采用PCA对所提取的特征参数进行优选,采用BP网络分类器对磨粒类型进行计算机自动识别。结果表明,相对于传统型BP分类器的识别准确率,此分类器的识别准确率更高。     

基于神经网络信息融合的发动机磨损磨粒识别

磨粒识别和分类是铁谱分析技术在发动机故障诊断和状态监测的关键环节.针对单一神经网络模型磨粒识别的局限性,提出了一种基于不同类型神经网络信息融合的磨粒智能识别方法.首先利用径向基函数(RBF)神经网络和反向传播(BP)神经网络对磨粒进行识别,得到2组初始识别结果, 归一化后作为2组基本概率分配函数,然后利用D-S证据理论对其融合得到最终识别结果.实例计算表明,与单一神经网络模型相比,提出的信息融合方法提高了磨粒识别的区分度和准确率,并具有良好的通用性和容错性.     

基于D-S证据理论和集成神经网络的磨粒识别

针对磨粒的识别问题,利用数字磨粒图像分析方法,结合D-S证据理论和BP神经网络,建立了基于D-S证据理论的集成神经网络磨粒融合诊断方法。首先对磨粒图像进行处理,并利用统计分析方法和傅立叶分析方法对处理好的磨粒图片进行分析得到磨粒特征;然后基于统计分析方法和傅立叶分析方法建立对应的两个BP分类子神经网络,利用典型的磨粒样本对BP子神经网络进行训练,得到初步的诊断结果;最后用D-S法对子神经网络诊断结果进行融合,得到最终的诊断结果。算例分析结果表明,基于D-S证据法和集成神经网络的磨粒融合诊断方法比单个诊断方法具有更高的准确性。     

基于反相灰度图二值化修正的铁谱图像磨粒特征提取

为准确获取铁谱图像中磨粒几何形状和特征参数,提出一种图像处理算法并对其进行验证。针对铁谱图像底色特征及磨粒特征提取精度要求,提出基于反相操作的铁谱图像灰度图转化方案,得到边缘清晰的铁谱灰度图;提出一种三段式阈值分割方案,利用腐蚀和膨胀操作解决二值化对铁谱图像有效磨粒区域的影响,讨论油污等干扰因素的消除策略;确定磨粒特征参数及磨粒识别方案,完成标准的正常滑动磨损图像处理和某实际的齿轮箱磨粒铁谱图像处理验证。结果表明:所提出的算法能够准确提取铁谱图像中磨粒所在区域的几何特征,通过磨粒标定计算得到了8个特征参数值,证明齿轮箱正处于滑动磨损状态。     

基于改进支持向量机的磨粒铁谱识别的研究

提出了一个基于改进支持向量机的磨粒模式识别系统。该系统首先对磨粒的铁谱分析图像进行预处理，然后提取其特征参数，最后利用支持向量机对磨粒所属的类型进行分类。     

基于BP神经网络的铁谱磨粒图像识别方法研究

在磨粒识别过程中,铁谱磨粒图像预处理和特征参数提取是关键。应用图像形态学的处理方法对磨粒图像进行预处理,结果表明,利用开运算、闭运算的图像形态学处理方法对铁谱磨粒图像进行预处理,可以消除图像二值化后留下的孤立小碎点、孔洞以及边界断点。通过磨粒图像的统计特征参数和傅里叶特征参数建立BP神经网络,并对磨粒进行识别,结果表明:采用该方法能正确识别磨粒图像,辨别磨损机制。     

发动机铁谱磨粒分析与磨粒识别研究

从发动机摩擦副及其摩擦磨损特点着手，提出了用于发动机磨损状态监测与诊断的主要10类磨粒，依据其识别特征提出了用于磨粒识别的14个磨粒形状、表面纹理与颜色特征；最后应用BP网络分层识别策略进行了磨粒识别。     

改进的BP算法在磨粒识别中的应用

本文提出用改进的神经网络算法,建立适于磨粒分析的AWPRM模型,设计了智能磨粒识别分类器,实例表明,用该方法可以准确识别磨粒类型,并具有较好的推广能力。     

人工神经网络在铁谱技术磨粒识别中的应用

铁谱技术在机械设备状态监测中得到了广泛的应用，磨粒识别是铁谱分析的一个关键环节，本文提出了一种基于神经网络的磨粒识别方法，利用前馈型神经网络模型对七种典型磨损磨粒进行了实例分析识别，取得了令人满意的结果。