小波神经网络在模拟电路故障诊断中的应用

模拟电路故障诊断有故障字典法、故障参数识别法、故障验证法。小波神经网络可避免MLP等神经网络结构设计的盲目性，具有逼近能力强、网络学习收敛速度快、参数的选取有理论指导、能有效避免局部最小值问题等优点。随着小波理论和神经网络理论的不断发展，小波神经网络将日益成熟应用于模拟电路故障诊断领域。     

模拟电路的智能故障诊断

基于神经网络和专家系统的模拟电路故障诊断系统,其采集数据先输入到模糊处理模块进行模糊处理,再送人工神经网络模块推理.专家系统以神经网络的输出结果为依据进行反向不确定性推理,同时记录下推理轨迹.推理结果需进行融合处理,以提高诊断的可靠性,再根据融合结果检索操作指导数据库得到指导信息,最后得到诊断结论.     

基于正交试验法的模拟电路故障诊断新方法

基于神经网络的模拟电路故障诊断方法,存在训练样本庞大的缺点,以进行多故障诊断为目的,提出一种基于正交试验法和神经网络的模拟电路故障诊断方法,充分利用各种信息,以科学的方法对数量庞大的训练样本进行“缩水”处理。该方法能大大减少训练样本,同时保证故障覆盖率,有一定创新性。经算例证明,该方法可行有效。     

基于神经网络的机载导弹电路故障诊断

提出了一种采用 BP 神经网络诊断机载导弹电路故障的新方法。介绍了故障诊断的原则及 BP 网络的算法,并给出了仿真实例。实验证明所提出的方法是有效可行的。     

基于投票选举的模拟电路故障诊断

在采用传统的故障字典诊断法时，由于电路元件具有容差，测量结果和故障模拟结果产生偏差，诊断较为困难，文中提出了一种基于投票选举方法的模拟电路故障诊断的方法。该方法是用投票的方法来决策故障点，本方法简单易行，便于计算机辅助诊断。     

基于否定选择算法的模拟电路故障诊断

针对传统智能诊断技术受限于先验知识、模拟电路故障多样性等不足,对基于否定选择算法的模拟电路故障诊断进行研究。分析人工免疫系统中的否定选择算法原理及应用,介绍实值否定选择算法的产生机制,提出与自体耐受和Monte Carlo相结合的优化算法,通过Fish’s Iris数据仿真显示,并将优化算法运用于电阻电路的8种软故障诊断。结果表明：优化算法的总体检测率达90%,能降低成熟检测器冗余,节省计算空间。     

基于正交试验法和集成神经网络的模拟电路故障诊断方法

在利用集成神经网络进行模拟电路故障诊断时,经常会遇到训练样本庞大的情形.文中以进行多故障诊断为目的,提出了一种基于正交试验法和集成神经网络的模拟电路故障诊断方法.通过正交试验法,大大减少训练样本,同时保证了故障覆盖率.经算例证明,该方法可行、有效.     

基于改进算法的BP神经网络在故障诊断中的应用

BP神经网络凭借其自身的优势被广泛的应用于故障诊断领域,本文介绍了有动量梯度下降法的BP神经网络,在分析故障诊断机理的基础上建立了BP神经网络模型,然后通过模型对某型装备进行故障诊断,并运用Matlab软件进行仿真得出结果.     

基于改进多层核超限学习机的模拟电路故障诊断

为兼顾模拟电路多故障诊断的实用性和诊断精度,基于仿真诊断模型的测试性应用框架,结合深度学习与核方法的优势,提出一种多层单纯形优化核超限学习机（ML-SOKELM）方法。将有效初选后的数据集输入多层核超限学习机逐层提取故障特征并进行诊断;训练过程中,将各层核参数向量视为待优化变量,运用单纯形法对其进行联合优化。实验结果表明：与常见的深度学习方法相比,ML-SOKELM方法对主观经验依赖性更低,在训练时间大大缩短的同时,还能获得与之相当的准确率;与流行的核方法相比,ML-SOKELM方法在不同模糊度阈值下均能获得较高的诊断准确率。     

基于改进算法的BP神经网络在故障诊断中的应用

BP神经网络凭借其自身的优势被广泛的应用于故障诊断领域,本文介绍了有动量梯度下降法的BP神经网络,在分析故障诊断机理的基础上建立了BP神经网络模型,然后通过模型对某型装备进行故障诊断,并运用Matlab软件进行仿真得出结果。     

基于改进BP神经网络的某导弹姿态控制系统故障诊断

对于常规BP神经网络,其收敛过程存在两个很大的缺陷:收敛速度慢;存在所谓"局部最小值"问题。采用了一种自适应学习速率动量梯度下降反向传播算法对BP神经网络进行训练,建立了智能诊断模型,并应用于某导弹姿态控制系统的故障诊断,测试结果表明该方法相比常规BP算法能够更有效的进行故障诊断,从而为故障诊断及判定的自动化提供了一个新思路。     

基于人工神经网络的大规模模拟电路故障诊断

大规模模拟电路故障诊断,先用定位向量初定位故障子网络,再用神经网络定位故障子网络元件级故障.诊断分测前和测后,测前先将每个子电路的各种故障情况用Multisim模拟,求得各可及节点电压并作为BP的训练样本,再对所测电压信号分别归一化处理,定义网络的故障定位向量.最后用BP网络分析故障特征,进行故障诊断.     

基于改进ART2神经网络的发动机故障诊断方法

基于改进ART2神经网络的发动机故障诊断方法,用警戒和调整因子的双因子法控制网络识别过程中对已知故障再学习,使网络不断学习和优化.以某发动机的相关状态模式训练ART2网络,利用db4小波包对各模式的振动信号进行分解,再利用小波系数计算出各频带的能量构成向量,经归一化后为该模式下的特征向量.其网络只对相似度超过调整因子的识别样本进行学习,有助于提高网络发动机状态模式的识别精度.     

基于混沌神经网络的供配电系统故障诊断

基于混沌神经网络的供配电系统故障诊断,采用引入动量项和混沌映射的改进BP算法.先分析系统典型故障,建立典型网络模型.在BP算法中加入动量项和混沌映射,选择神经网络初值.再进行学习训练,分别给训练后的子网络输入现场采集的装备数据,通过网络直接获得故障诊断结果.     

多层前馈人工神经网络在装备故障诊断中的应用

多层前馈人工神经网络在装备故障诊断中的应用含设备运行状态特征值设定和故障判定.并建立神经网络样本、确定网络结构、训练网络等.同时,将状态特征值作为输入样本,得出网络的输出,作为故障类型特征值,最后选定故障决策阈值,根据神经网络输出来判定装备是否出现某种故障.     

遗传小波神经网络故障字典在模拟电路故障诊断中的应用

以神经网络、小波分析和遗传算法等为代表的智能诊断技术,是故障诊断技术发展的一个重要方向。以传统故障字典法、BP神经网络、小波分析和遗传算法等基本原理为基础,将神经网络、小波分析和遗传算法与故障字典结合,用小波分解预处理故障信号提取故障特征,用遗传算法优化BP神经网络的结构和权值,对基于遗传小波神经网络的故障字典在模拟电路故障诊断中的应用进行研究,并结合实例验证其实际使用性能。     

基于模糊神经网络的故障诊断新方法

一种基于模糊神经网络和D-S证据理论的故障诊断方法,从故障征兆空间提取信号,再将信息向子模糊神经网络分配;诊断模块中的子模糊神经网络为并联结构,分别从故障发生的不同侧面进行诊断;输出结果经归一化处理,满足基本可信度分配函数的条件。最后进行信息融合,即得到最终故障诊断结果。经算例证明,该方法可靠、有效。