基于智能诊断技术的发动机故障排查研究进展

智能诊断技术的研发与运用为汽车的故障诊断开辟了新的途径,基于神经网络的发动机故障诊断技术是智能诊断技术的重要组成部分。本文对基于BP神经网络、非BP神经网络及神经网络与其他技术相结合的汽车发动机故障诊断的研究进展进行了综述,并对三种发动机故障诊断技术进行了比较,展现了神经网络技术在智能诊断汽车故障系统中的运用和发展。     

基于BP神经网络技术开发港口设备故障诊断专家系统

针对港口设备故障诊断的复杂性,提出了将BP神经网络技术引入设备故障诊断专家系统的思想,并对基于神经网络的专家系统的原理进行探讨。给出了一基于三层BP网的设备故障诊断专家系统的诊断过程。     

液压挖掘机故障诊断专家系统的设计

近年来,为了满足复杂系统的诊断要求,诊断技术已开始进入一个新的阶段,即智能化诊断阶段。这是一种基于专家知识和人工智能技术的诊断方法。通过专家系统和神经网络两种方法对故障诊断进行了研究。应用人工智能理论,开发了液压挖掘机的故障诊断专家系统。对液压挖掘机的故障原理进行了全面的分析,建立了故障知识库,实现了实时状态监测和故障诊断。     

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.     

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。     

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。     

整流电路智能故障诊断的一种新方法

介绍了一种采用BP神经网络对电力电子故障进行诊断方法。以三相整流电路为例，说明了神经网络采样样本的选取，以及输出与故障元之间的对应关系，实现了智能故障诊断。仿真结果证明该方法是有效可行的。     

基于PSO-BP神经网络的民航发动机VSV故障诊断

现代民航发动机大多使用VSV系统来提高发动机工作稳定性和避免发动机失速或喘振。为了诊断VSV系统故障,提出了一种基于PSO-BP神经网络对VSV位置进行监控的方法,当PSO-BP神经网络模型的预测值与实际值的偏差超过一定值时,则判断VSV系统故障。利用发动机健康状态的QAR数据,基于PSO算法优化的BP神经网络建立了发动机VSV在飞机下降段的调节规律模型,同时建立BP神经网络模型。经过对比分析,通过PSO-BP神经网络建立的VSV调节规律模型的诊断精度,高于传统的BP神经网络模型,可为民航发动机状态监控和故障诊断提供依据,具有一定的工程实用价值。     

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。     

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…     

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。     

MATLAB在模式识别中的应用

MATLAB为人工神经网络模式识别方法的实现提供了简单、高效的编程环境 ,本文结合字符识别问题介绍了运用MATLAB软件包中的神经网络工具箱编制模式识别程序的具体方法     

小波神经网络在短时交通流预测中的应用

研究了小波神经网络对于预测短时交通流的适应性,提出了利用小波神经网络的特性建立短时交通流预测模型;并利用苏州市某交叉口实测交通流量,运用小波神经网络建立了非线性回归预测模型,结果证明预测是可靠的,有助于城市交通流动态参数的预测,可为 ITS 的构建提供数据支持     

模拟电路故障诊断方法浅析

叙述了模拟电路故障的特点及模拟电路故障诊断的传统方法和发展现状，着重分析了新近发展起来的人工智能、神经网络和小波分析在模拟电路故障诊断中的应用及前景．     

基于蚁群算法的仿生模式识别神经网络构造方法

仿生模式识别神经网络（BPRNN）同传统BP、RBF神经网络相比具有更好的模式识别能力;训练样本库变更后网络的重新训练时间更小,但该网络构造过程中样本覆盖几何体参数的选择对网络识别率和复杂度有很大影响.本文通过引入蚁群算法来构造并优化网络参数,实验证明该算法法能较好的平衡网络性能和复杂度.     

模拟电路故障诊断方法浅析

叙述了模拟电路故障的特点及模拟电路故障诊断的传统方法和发展现状,着重分析了新近发展起来的人工智能、神经网络和小波分析在模拟电路故障诊断中的应用及前景.     

集中供热系统热网控制策略的研究

集中供热系统热网有着多输入、多输出、非线性、时变性、强耦合的特点,智能解耦控制算法是解决热网流量控制的有效方法。文章讨论了神经网络解耦控制策略,设计了基于非线性、多变量的神经网络解耦控制器。应用于实验室热网控制的结果表明,该控制算法有明显的控制效果,能实现稳定供热和均匀供热的整体目标。