基于集成神经网络风机故障诊断系统的研究

利用集成神经网络建立了风机故障的智能诊断系统。该系统在设备异常后进行诊断,并能给出结果和建议,体现了高度的智能化行为。     

基于BP神经网络的煤矿风机故障诊断

针对目前矿用风机的常见故障可收集故障征兆及类型,将故障样本数据与BP神经网络相结合,由BP神经网络确定输出向量,对风机常见故障进行诊断。通过MATLAB软件进行诊断参数运算后结果表明:神经网络输出与实际数据间误差较小,诊断结果与实际情况吻合。     

基于模糊神经网络的风机故障诊断

风机是企业安全生产的关键设备,探讨有效的故障诊断方法有着实际意义。将故障树和模糊神经网络相结合,利用故障树信息和专家经验知识提取神经网络的训练数据,并应用在风机故障诊断中,实例证明此方法较其他分析方法更简明、有效。     

基于神经网络风机监测诊断系统的设计

主要介绍了风机监测诊断系统的构成并针对风机故障形式多样化、难以诊断的特 点,介绍了将神经网络技术用于风机故障诊断的设计思想及方法。用此法建立的监测诊断系统在 设备运行异常后会自动进行诊断,并立即给出结果和建议,体现高度智能化行为。     

基于人工智能的煤矿风机故障诊断方法

风机是煤矿企业安全生产的关键设备,其安全可靠、高效经济地运行将产生巨大的安全、经济和社会效益。故障诊断技术,特别是具有自学习、自适应、自推理等仿生能力的人工智能故障诊断方法在煤矿风机故障预警、故障识别、故障排除等方面发挥着越来越重要的作用。在对煤矿风机常见故障进行分析的基础上,对常用的煤矿风机人工智能故障诊断方法进行了分析与总结,最后对其未来的发展趋势进行了探讨。     

大型风机故障诊断系统的设计

对于风机性能的动态监测,国内外已经有一批相当成熟的监测系统,而对于故障诊断,则由于风机的故障形式多种多样、故障产生的机理和原因也非常复杂、故障与征兆之间缺乏明显的对应关系、现场诊断比较困难等原因,直至目前仍在发展之中。近年来兴起的人工神经网络,特刖是BP网络以其良好的模式分类能力,在故障诊断中得到了广泛应用。笔者设计了集成神经网络组成的风机故障诊断系统,虽然系统只是一个雏形结构,但经模拟测试具有一定的实际应用价值。     

基于风机故障诊断的融合神经网络系统构建

设计一种风机融合神经网络故障诊断系统,以实现对相关信息的有效处理,并促进其高层融合;将一系列诊断输出值最终传输给网络样本库,从而构建一款具有自适应能力且兼具智能特点的诊断系统,不仅保证了故障诊断的及时性,还保证了最终结论的准确性,为后续的维修处理奠定了坚实的基础。     

基于融合神经网络的风机故障诊断系统的研究

运用信息融合理论和人工神经网络技术构建了风机融合神经网络故障诊断系统,可用于信息的高层融合;同时,将诊断输出值引入网络样本库,组成了自适应智能诊断系统,提高了故障诊断结论的准确性。     

模糊神经网络在旋转机械故障诊断中的应用

将神经网络和模糊算法结合，建立了串联式模糊神经网络模型，并利用该模型对D350风机进行了故障诊断。     

基于频谱分析的风机早期故障诊断

大中型风机是许多企业的关键设备。对其早期故障进行监测和诊断能有效减少因突发故障而导致的停产。频谱分析能够有效识别信号中的主要频率成分，有助于准确判断风机中存在的故障类型。文中结合某钢铁厂风机的故障诊断过程。介绍了基于频谱分析的风机早期故障诊断方法。停机检查和维修结果验证了诊断方法的有效性。     

基于模糊输入的概率神经网络在变压器故障诊断中应用

将概率神经网络引入到油浸式电力变压器的故障诊断中,并提出了利用模糊数学的知识对神经网络输入进行预处理方法。采用改良的三比值方法来实现故障诊断,建立了基于模糊输入的神经网络故障诊断模型。通过对神经网络模型的实例训练及仿真,证明了此方法有较好的收敛性,提高了故障诊断的有效性和准确性。     

基于径向基概率神经网络的变压器故障诊断

在对径向基概率神经网络进行理论分析基础上,采用减法聚类方法确定它的隐中心矢量。提出了基于径向基概率神经网络的变压器故障诊断方法,并进行了实验研究。实验结果表明,径向基概率神经网络在准确性和快速性方面适用于变压器故障诊断。     

基于BP神经网络电路故障诊断系统研究

从几个方面介绍了存在于模拟电路中的故障类型。通过阐述BP神经网络的模式识别特点,提出了应用BP神经网络来解决电路故障诊断问题,并且分别应用BP算法和几种改进的BP算法进行结果比较。     

基于自适应神经网络的矿井提升机故障诊断

矿井提升机是井下作业的重要运输设备,其运行状态对煤矿企业的安全生产具有关键作用。为了对矿井提升机故障进行实时监控,从而及时发现故障原因并采取措施,提出了一种基于自适应神经网络的矿井提升机故障诊断方法。首先对矿井提升机主轴系统结构及故障振动频率特征进行了分析,然后采用自适应神经网络算法对矿井提升机主轴故障诊断建立模型,实现对故障类型和故障程度的精确诊断,最后对所提出的模型进行了仿真测试。实验结果显示,该方法可以提供较高识别精度的故障诊断结果,为提升机的故障判断提供了参考依据。     

基于BAM神经网络的可控整流电路故障诊断

针对三相可控整流电路的40种故障状态,在对整流输出电压波形特征提取、逻辑处理的基础上,建立了基于BAM神经网络的整流电路故障分类器,对于BAM网络在电力电子电路故障诊断中的应用做了初步的探讨,并且通过仿真验证了故障分类器设计的正确性。     

基于Elman神经网络矿用通风机故障诊断的研究

介绍了一种基于Elman神经网络的通风机故障诊断的诊断原理,学习算法以及技术路线。通过对现场信号特征数据的采集以及归一化处理,对Elman神经网络选取最优的结构与参数,实现了煤矿主通风机故障类型的智能分类与诊断。与传统BP神经网络诊断结果相比较,Elman神经网络综合诊断性能更优。最后通过风机的故障诊断实例表明:Elman神经网络在提高学习速度上有了很大的改进,并且有效地抑制了传统神经网络容易陷于局部极小的缺陷,缩短了自主学习的时间,是风机故障诊断的有效方法。     

基于BP神经网络的离心泵故障诊断方法研究

介绍了离心泵的主要故障类型和产生原因,应用BP神经网络的主要知识对离心泵的故障进行诊断,将BP神经网络的输入通过Matlab进行训练,最后得到了与理想输出基本相符的实际输出,证明了该方法的有效性和可行性。