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。     

数据驱动的模拟电路故障诊断实验平台

设计了一套基于数据驱动方法的模拟电路故障诊断实验平台。该平台利用OrCAD PSpice软件模拟电路的正常运行状态和故障运行状态,利用人工神经网络、支持向量机和随机森林等数据驱动的故障诊断方法建立故障模型并识别电路故障。该平台涵盖了电路故障模拟和故障诊断等实验教学内容,有助于学生深入认识电路故障、增强调试故障电路的能力,为本科生和研究生研究先进数据驱动方法提供实验条件。     

基于核PCA和FDA的凝汽器非线型过程监控和故障诊断

提出了基于核主元分析和Fisher判别分析相结合的非线性统计过程监控和故障诊断新方法.该方法首先利用非线性核函数将数据从原始空间映射到高维空间,然后在高维空间中利用线性Fisher判别分析法提取数据最优的核Fisher判别矢量和特征矢量,通过计算特征矢量之间的欧式距离来实现过程监控.若系统发生故障,则根据当前故障的判别矢量和历史故障数据集中所含故障的最优核Fisher判别矢量的相似度进行故障诊断.所提出的方法能有效的捕获过程变量之间的非线性关系,汽轮机特征故障数据集仿真试验验证了该方法的有效性.     

桑塔纳2000GSi AJR型电控发动机故障诊断实验台的设计

本文介绍了桑塔纳2000GSi AJR型电控发动机故障诊断实验台的设计思路和结构特点。本实验台,既能直接检测静态参数,也能直观地检测数据流和波形等动态参数,并能设置故障,为电控发动机标准信号的检测和故障诊断提供了操作平台,达到能够实车故障排除的目的。     

秸秆打捆机自动控制与故障诊断系统研究与试验

目的:为解决中小型打捆机存在的自动化程度低、农民劳动强度大等问题,研究与试验秸杆打捆机自动控制与故障诊断系统.方法:根据打捆机工作过程设计圆捆打捆机自动控制与故障诊断系统,研制控制系统硬件电路,编写系统软件程序,并开展现场打捆试验.结果:该系统可实现打捆机作业过程的全自动控制,能够对打捆机作业过程中的典型故障进行预警或报警.结论:通过电脑或手机A PP实现作业数据及设备状态的远程监测.     

贝叶斯网络在电控发动机故障诊断中的应用

介绍了发动机故障自诊断系统的诊断原理,指出了发动机自诊断系统已经不能满足电控汽油喷射系统故障诊断的要求,在此基础上介绍了贝叶斯网络的故障诊断方法.借助故障模拟试验数据确定了发动机怠速不良时电控汽油喷射系统贝叶斯网络故障诊断中各节点的先验概率值,然后通过贝叶斯网络找出了发动机怠速不良时电控汽油喷射系统各部件的故障发生概率.     

基于神经网络的风力机变频器故障诊断方法

探讨了自组织特征映射（SOM）人工神经网络在风力机变频器故障诊断中的应用,对风力机变频器故障信息提取、故障特征数据、故障征兆向量进行了分析,采用Matlab神经网络工具箱对风力机变频器故障类型判断和故障位置确定进行仿真实验,实验结果表明,利用该方法进行风力发电机电力电子装置故障诊断能取得较好的效果,具有一定的工程应用价值。     

导弹电源系统故障诊断实验

为了能用理论去指导实践,并在实践中进一步认识理论,开发了由计算机辅助分析的导弹电源系统故障诊断实验。首先,采用Multisim10.0电路仿真软件搭建虚拟实验平台,获得电源系统的主要故障模式;然后,设计制造实验硬件平台,供实际设置故障;最后,基于多信号诊断模型,利用LabVIEW和VB开发了诊断软件。详细论述了多信号故障诊断模型的诊断原理,给出了实验步骤,并对实验数据进行了处理和分析。该实验使学生对故障诊断方法和导弹电源系统有了深刻认识和理解。     

基于萤火虫——粒子群优化BP神经网络的变压器故障诊断研究

针对目前电力变压器故障诊断方法中存在的问题与不足,构建一种基于萤火虫—粒子群混合算法和改进BP算法的电力变压器BP神经网络故障诊断模型。采取萤火虫—粒子群混合算法优化BP神经网络结构初始参数,利用改进BP算法和电力变压器故障样本数据训练BP神经网络。通过对250组训练样本和50组测试样本的仿真分析,该故障诊断方法能有效快速识别变压器故障类别,准确迅速地诊断故障。实验结果证明所建立的变压器故障诊断BP神经网络模型具有可靠的故障预测效果。     

基于OBD-II的故障诊断及数据采集系统设计

为了迅速地帮助车辆开发、测试人员获取车辆排放数据和定位汽车故障原因,设计了一套基于OBD-II协议的车辆故障诊断系统。在系统硬件上,该故障诊断模块采用STM32F103CBT6作为主控芯片,通过TJA1050CAN收发器与车辆的OBD接口进行数据交互|软件上下位机采用keil4开发环境完成固件开发,上位机采用C#语言通过串口实时显示诊断信息和信号值。通过软硬件协同工作,最终实现上位机终端界面发送读取故障请求或实时数据流请求时,终端界面会显示响应的回复值等功能。通过系统测试,证明了该诊断系统数据准确、响应速度快。