基于优化BP网络的类矩形盾构偏心刀盘故障预测

为实时监控类矩形盾构偏心刀盘工作状态,提出一种基于遗传算法（GA）优化BP神经网络模型的在线故障预测方法。首先,利用现场检测的相关测量数据,建立“特征—故障”数据集;然后,利用最优权值与阈值由遗传算法获取的BP神经网络对数据集进行自我学习,构建工作期故障预测模型;最后,开发偏心刀盘监控系统,对刀盘工作状态进行在线预测。实验结果表明,GA-BP网络模型预测准确率达到93.3%,与传统BP网络模型相比提高6%。基于GA-BP网络的偏心刀盘在线故障预测方法可精准预测刀盘工作状态,满足应用设计要求,为盾构施工安全提供有力保障。     

基于神经网络的机车滚动轴承故障诊断研究

针对目前机车滚动轴承故障诊断效率低、速度慢的问题,设计一种基于小波包与粗糙集神经网络的机车走行部滚动轴承故障诊断方法。首先运用小波包分解构造故障特征集,之后运用粗糙集对故障特征集进行降维处理,消除冗余信息,然后将降维后的最小属性集作为Levenberg Marquardt算法改进的BP神经网络的输入,建立相应的神经网络模型实现故障诊断。测试结果表明,相较于普通BP网络模型,该方法降低了神经网络模型构建的复杂度,提高了故障诊断速度与故障诊断准确率。     

基于Hadoop的变电站设备故障状态识别与预测模型

在智能变电站环境下,各种智能量测装置运行过程中产生了海量的状态监测数据。针对在数据量巨大的情况下,现有故障诊断方法分析效率缓慢且预测精度不高等问题,提出一种大数据环境下设备故障快速识别与预测模型,改进并实现了MapReduce并行模式下设备故障分类算法,通过专家推理机制,依据规则进行准确的故障预测。建立了一个基于Hadoop集群的数据处理实验环境,以SF6断路器的3种故障状态为对象,分析证明了该模型在不同故障模式下识别与预测的正确性和有效性。     

基于混合智能系统的设备故障诊断研究

为研究和改进人工智能技术在设备故障诊断中的缺点和不足,提高故障诊断的准确率,构建了一种混合智能诊断系统。首先利用小波包分析技术对设备故障进行特征提取和分析;接着对数据进行离散化处理,应用粗糙集对获得的故障特征向量进行约简,删除冗余信息;然后利用免疫遗传算法的全局优化能力去训练BP神经网络的权值,建立免疫遗传-BP神经网络模型;最后把经粗糙集约简后的故障特征向量输入该模型,完成故障识别和智能诊断。通过旋转机械的转子系统的仿真实验,表明基于小波包-混合智能的故障诊断取得了良好的诊断效果。     

基于AGA优化BP神经网络的矿井通风机故障诊断

矿井通风机稳定运行对煤矿安全生产具有十分重要的意义。为提高通风机故障诊断的准确率,通过分析通风机振动信号频率成分与通风机故障类型之间的关系,提出一种基于自适应遗传算法（AGA）优化BP神经网络的矿井通风机故障诊断方法。采用AGA优化BP神经网络的连接权值和阈值,提高BP神经网络的学习能力和泛化能力;建立基于BP神经网络的通风机故障诊断模型,并进行仿真实验。实验结果表明,AGA优化的BP神经网络能够有效识别通风机故障类型,故障诊断准确率高。     

神经网络在故障诊断中的应用

智能化诊断是现代设备故障诊断技术发展的主要趋势，人工神经网络技术的发展为这种智能化诊断提供了一个全新的途径。在分析研究模式识别方法和BP神经网络的基础上提出了基于BP模型神经网络的故障诊断推理方法，并将其应用到真实故障诊断中。仿真结果表明，基于神经网络的故障诊断方法是行之有效的。     

SF6断路器中气体分解物检测的应用

根据开关设备运行的实际情况,通过检测SF6断路器中气体分解物可以对设备内部绝缘进行故障诊断和状态评估,这种方法抗干扰能力强,测量灵敏度高,适用于设备现场检测。通过分析断路器内部气体检测结果,根据SF6气体分解物检测技术指导,对正常运行的开关设备和故障设备中SF6气体分解物检测结果进行分析对比,通过分析结果验证此测量方法在设备故障诊断和状态评估中的应用效果与前景。     

基于演化计算修正的神经网络故障预测方法

针对小样本多源信息故障预测时存在的参数模型难以建立和预测结果不准确等问题,改进了BP神经网络训练算法,设计了初级概率预测器进行故障概率预测。对初级预测结果进行演化趋势要素计算分析,提出了修正函数对预测结果进行二次修正。利用某型发动机的工作参数数据和音频信息进行了算法验证。实验结果表明,基于演化计算修正的神经网络故障预测方法克服了特征参数较少和样本量不足时造成的预测结果不准确的问题,随着样本量的增加保持了较好的故障预测效果。     

基于LabVIEW的电动机轴承故障诊断和性能退化评估系统设计

轴承作为电动机的核心部件,主要起到支撑引导轴、减小设备摩擦、连接不同设备等作用,准确判断其故障类型并评估其健康状态对于合理安排设备的检修具有重大意义。为此,设计了一套基于LabVIEW平台的电动机轴承实时故障诊断和性能退化评估系统。利用卷积神经网络(CNN)的特征挖掘能力,自主学习原始振动信号中的故障特征,在LabVIEW平台上构建故障诊断模型,实现轴承运行状态的实时诊断;对原始振动信号小波降噪后,提取信号时域特征,通过对所提取的特征进行主元分析(PCA)来获取表征轴承性能退化的综合指标;在LabVIEW平台上开发电动机轴承的故障诊断与性能退化评估系统软件。在线故障诊断和性能评估实验结果验证了该系统的实时性和有效性。     

BP与RBF神经网络在航空发动机气路故障诊断中的应用

采用模拟样本与实际故障样本建立网络训练所需样本库,基于BP与RBF神经网络建立故障诊断模型,用PW4000航空发动机的故障样本进行训练,对训练好的网络进行测试仿真。仿真结果显示BP与RBF两种神经网络具有较高的诊断正确率,在航空发动机故障诊断中具有应用价值;与实际故障数据对比表明BP与RBF神经网络在航空发动机故障诊断中具有实用性。     

BP神经网络在轴向柱塞泵故障诊断中的应用

针对轴向柱塞泵故障机理的复杂性和故障信息的不确定性,提出了基于人工神经网络的故障诊断方法。以一种典型设备的几种主要故障为例,设计了适合于故障诊断的BP神经网络模型,运用Levenberg-Marquardt优化算法进行网络训练,并针对网络训练中可能出现的过拟合、局部小、隐层节点数确定等问题制定了相应的网络优化策略,以保证训练后的网络具有较好的记忆和归纳能力,并用Vc＋＋6.0语言和SQL Server2000数据库开发了基于BP神经网络的轴向柱塞泵故障诊断系统,结果表明,该系统有良好的故障诊断精度和较强的泛化厶匕力。     

基于灰色神经网络串联组合模型的涌水量预测

利用矿井涌水量实测值建立灰色理论与神经网络串联组合的预测模型,即利用不同灰色模型预测值训练神经网络进行预测,提高矿井涌水量的预测精度,先后建立了GM（1,1）、二次参数拟合GM（1,1）模型,将其与BP神经网络模型串联形成最终预测模型,以淮南矿区潘三矿西翼矿井涌水量预测为例,结果说明了该模型具有较高的准确性。     

基于蚁群神经网络的模拟电路故障诊断研究

为了克服BP算法收敛速度慢、易陷入局部极小点的不足,提出将蚁群算法用于模拟电路故障诊断的神经网络模型学习算法。通过对实际模拟电路的仿真测试,表明该模型能有效地提高包括容差在内的多故障的模拟电路的故障诊断准确率和诊断速度,取得了令人满意的应用效果。     

变压器内部故障诊断的融合集成策略研究

研究了变压器故障的集成融合诊断系统. 该系统中在线监测项目主要有铁心接地电流、局部放电和油中溶解气体; 分析手段包括简单规则判断、模糊逻辑推理和神经网络判别. 考虑到众多故障信息的相互影响, 基于神经网络和专家系统的集成实现智能化诊断. 其融合集成策略主要包括基于信息集成监测装置、多层次地共享信息库和遵循思维规律融合诊断等, 该专家系统实现了推理式的逻辑思维, 神经网络实现了模式化的形象思维, 它们相互结合可得出创造性的结论. 给出了本文系统的一个实例, 表明融合诊断更合理可行.     

基于神经网络的复合材料覆盖件电厚度设计方法研究

提出了基于人工神经网络的复合材料覆盖件电厚度设计模型和设计方法。影响复合材料覆盖件电厚度的多因素性使其很难得到精确的解析解。应用人工神经网络方法结合实验实测数据,模拟覆盖件各项参数与电厚度之间的非线性关系,以玻璃钢材料为例,对相近使用条件下的覆盖件电厚度进行设计,计算结果表明该方法计算速度快,精度高,为复合材料电厚度的设计分析提供了一种新方法。     

基于遗传神经网络的水电机组故障诊断模型

将遗传神经网络引入水电机组的故障诊断中,建立基于遗传神经网络的水电机组故障诊断模型,通过Matlab的相关工具箱进行仿真.结果表明遗传神经网络诊断的正确性高于BP网络.     

人工神经网络在膀胱癌诊断中的应用

目的：探讨应用BP神经网络技术建立诊断模型来判断膀胱癌的可行性。方法：153例患者分为训练集和测试集,应用BP神经网络模型,建立人工神经网络诊断模型,然后随机抽样测试样本输入模型进行预测。结果：人工神经网络预测膀胱癌的灵敏度为100％,特异度为92．3％。结论：人工神经网络诊断模型对膀胱癌的判断有良好的诊断性能。     

Neural network fault diagnosis method optimization with rough set and genetic algorithms

1 Background1 The fault diagnosis to equipment is to obtain fault patterns from characteristic parameters, and in fact it is the problem of fault characteristic’s classification. However the mapping of characteristic parameters to fault patterns is serio…     

混凝土结构裂缝检测中网络算法的研究

检测混凝土结构缺陷一般采用超声无损检测方法,传统的概率法在后期处理时有其自身的缺点.为了克服这些缺点,提出了采用蚁群优化算法与BP神经网络融合的方法进行后期处理,建立蚁群神经网络的数学模型,实现了蚁群神经网络的训练,并通过实例验证了该方法的有效性.     

概率神经网络在汽轮发电机组故障诊断中的应用

汽轮发电机组逐渐智能化,功能不断增强,但不确定性因素和不确定性信息仍然大量存在。针对该问题,用概率神经网络（PNN）诊断汽轮发电机组故障。PNN优点较多,机器学习算法简易、方便训练,相比于传统样本处理方法,PNN可训练样本并引入训练网络,更好地确保诊断结果正确率与可信度。MATLAB仿真结果表明,PNN在保证诊断结果准确的基础上,速度更快、分类性能大幅提高,诊断效率也提高至98%。