基于BP神经网络的发动机故障诊断算法研究

为提高发动机故障诊断的准确度和诊断效率,本文开展一种基于BP神经网络的发动机故障诊断算法研究,研究过程为首先设计实验方案,并对实验数据进行采集;其次利用训练样本对发动机故障网络对进行训练,确定最佳的BP神经网络方案为11-11-8结构,采用LM算法的BP神经网络,最终利用训练后的神经网络进行故障诊断,诊断正确率达到94%。     

螺杆泵PNN网络方法故障诊断的研究

为提高螺杆泵故障诊断的准确率,提出了一种基于概率神经网络(PNN)的螺杆泵故障诊断方法。利用Bayes分类决策理论建立了监督神经网络,以螺杆泵抽油杆断脱、蜡堵、卡泵、泵漏等故障为例进行诊断研究,建立了某型螺杆泵故障分类的PNN模型,通过现场多组样本的训练分析,并将其诊断结果与几种改进后BP神经网络比较,结果表明PNN网络算法简单、准确率高、速度快。     

基于改进神经网络的电子器件故障智能诊断

针对当前电子器件故障诊断方法存在的弊端,以获得高精度的电子器件故障诊断结果为目的,提出了基于改进神经网络的电子器件故障智能诊断方法。首先对电子器件故障诊断的研究现状进行分析,找到引起电子器件故障诊断精度低的原因,然后提取电子器件故障诊断的特征,并采用核主成分分析对特征向量机进行去冗余处理,减少神经网络的输入向量数量,最后采用BP神经网络建立电子器件故障诊断模型,并采用蚁群算法对BP神经网络参数求解,并与其它方法进行了电子器件故障诊断测试,改进神经网络的电子器件故障诊断精度超过95%,而且电子器件故障诊断的速度非常快,获得比其它方法更加理想的电子器件故障诊断结果,具有广泛的应用前景。     

基于神经网络的数字识别技术研究

将图像的像素特征与矩特征结合,构建了神经网络分类器,利用提取的特征向量对分类器进行了训练和测试。将图像二值化,并归一化为16＊16大小,提取了其每个像素点的0、1特征共16＊16—256维,图像的网格特征13维,及Hu矩特征7维,一共276维特征。建立了BP神经网络分类器,分别使用最速下降BP算法、动量BP算法、学习率可变BP算法对BP神经网络分类器进行了训练,得出了在相同条件下学习率可变BP算法训练时间短,收敛快的结论。建立了PNN神经网络分类器,与BP神经网络分类器性能进行比较,实验结果表明,PNN神经网络分类器性能更好。     

火箭发动机齿轮组故障检测数学模型

建立故障检测和特征频率提取数学模型,采用自适应BP神经网络算法对故障状况进行了仿真模拟运算。仿真结果表明新故障诊断算法结果优于传统BP神经网络算法,由原来的10000步降低至700步,有效提高了运算速度,同时运算精度也有所提高,检测准确置信度提高了10%,提高了故障检测的概率。研究成果为火箭发动机涡轮泵故障的早期发现与故障解决提供了算法理论的依据,有较好的工程推广运用性。     

基于BP神经网络的变压器故障诊断

针对变压器故障征兆和故障类型的非线性特征,结合油中气体分析法,研究应用BP神经网络对变压器进行故障诊断。设计了一个基于BP神经网络的变压器故障诊断模型,通过仿真实验证明BP神经网络可以有效的运用到变压器故障诊断中。     

基于BP神经网络的液压系统故障诊断探析

针对BP神经网络的结构技术,液压系统故障原理进行深入分析,并通过实例剖析BP神经网络在工程机械液压系统中的故障诊断经过,充分结合系统工作原理特性,构建合理的算法。实验证明BP神经网络在故障分析中能够给出合适的正确结果。     

基于神经网络技术的称重式给煤机故障诊断方法的研究

以神华胜利发电厂HD-BSC26型称重式给煤机故障类型为实验背景,搭建数据采集与储存的硬件系统,应用BP神经网络方法进行研究,通过实验采集到的数据来训练并检验所建立的模型。最终得到应用BP神经网络方法可以解决该类型给煤机故障诊断的方法。     

船用齿轮箱故障分析与管理对策

近年来,我国船舶制造行业发展快速,因此为了有效降低齿轮箱故障诊断错误率,本文提出采用标准BP神经网络进行船舶齿轮箱故障诊断进行对比测试。首先对测试数据进行统计,并利用小波分析提取出船舶齿轮箱故障诊断特征,最后建立神经网络对其故障进行诊断,经相关故障实例分析可知,本故障诊断方法能有效提高船舶齿轮箱故障诊断效果,除此之外,本文还对船用齿轮管理对策进行阐述。     

航空发电机内部电气故障建模与参数测试研究

航空发电机对于飞行器运行的安全起至关重要的作用。发电机内部电气故障会促使定子绕组产生不对称现象,进而会使电能干扰电器正常运行,造成安全危害。因此必须重点研究航空发电机内部电气故障原因。本文提出BP神经网络故障诊断法,通过对BP神经网络故障诊断模型建立。并通过参数测试实验,佐证了BP神经网络诊断法能够正确检验航空发电机故障。     

BP神经网络在智能雨刮器上的应用及MATLAB仿真研究

在分析了传统雨刮器缺点的基础上,提出了一种基于BP神经网络的模式识别模型,用专家的经验数据训练它,并测试了它;给出了BP神经网络的学习过程及算法。结果表明这个基于BP神经网络的模型不使用精确的数学模型即可有效处理智能雨刮器系统的不可靠性和非线性。     

BP神经网络在专家系统知识获取上的应用

提出了电力线路故障诊断专家系统中基于BP神经网络知识获取的方法,利用神经网络的自学习功能,解决了知识更新的问题,并在一定程度上弥补了专家系统在知识获取上的不足。     

概率神经网络在破口故障诊断中的应用研究

破口故障是核动力装置的主要故障之一,关系整个核动力装置能否正常运行,因此对破口故障进行诊断是很有必要的。核动力是一个复杂的大系统,并且其多数设备及系统具有非线性、时变性、耦合性及不确定性,而神经网络能够逼近任意的非线性映射,因此在核动力故障诊断中得到广泛的应用。本文把概率神经网络（PNN）应用到破口故障诊断中去,结果表明该方法是可行有效的。     

遗传算法在柴油机故障诊断中的应用

BP神经网络在故障诊断时,对故障的学习训练盲目性大,导致速度慢,结果可靠性差。但是遗传算法可以优化挑选故障向量具有针对性,弥补BP神经网络诊断的不足。所以基于遗传算法的BP神经网络可以使各代种群在进化过程中容易得到全局最优解。实例对比分析,表明优化后的神经网络具有较好的收敛性能和运算速度,能够改善诊断精度。     

BP神经网络在矿山机械液压系统故障诊断中的应用

介绍了BP神经网络的结构及学习算法。对液压系统故障模式及故障机制进行分析,提取能够反映液压系统故障的特征量作为BP神经网络的输入,并用BP算法对该网络进行训练,利用神经网络的智能性来判断液压系统所属的故障类型。仿真结果表明,该诊断方法具有高可靠性,达到了预期的结果,可以用于液压系统的故障诊断。     

基于Matlab和BP神经网络的固体火箭发动机比冲性能的预测

本文采用基于误差反向传播算法(BP算法)的人工神经网络技术,利用Mat lab神经网络工具箱,建立了固体火箭发动机比冲性能预测的神经网络模型,并利用实验数据进行了验证.结果表明,可以利用该方法开展固体火箭发动机比冲性能的预测.     

粗糙集和BP神经网络在供应链绩效评价中的应用研究

从知识发现和数据挖掘的角度,利用粗糙集和BP神经网络的理论和方法,建立了基于粗糙集和BP神经网络相结合的供应链绩效评价模型。并结合一个供应链绩效评价实例,首先对其基于平衡记分卡的指标体系进行了约简,然后将约简的评价指标输入到BP神经网络中进行智能训练,最后把评价的样本输入到训练好的BP网络中,得出供应链绩效的评价值、评价结果与实际结果基本一致。     

基于Matlab和BP神经网络的固体火箭发动机比冲性能的预测

本文采用基于误差反向传播算法（BP算法）的人工神经网络技术，利用Mat lab神经网络工具箱，建立了固体火箭发动机比冲性能预测的神经网络模型，并利用实验数据进行了验证。结果表明，可以利用该方法开展固体火箭发动机比冲性能的预测。     

基于BP神经网络的变压器油路循环系统故障诊断

电力变压器在运行中若过热会引发很多故障,因此,对变压器降温系统进行故障检测是非常重要的。本文针对油浸式变压器的油路循环降温系统故障的特点以及传统故障诊断方法在变压器油路循环系统诊断应用中的局限性,提出了一种基于BP神经网络算法的油路循环系统故障诊断方法。通过选择足够多的故障样本训练神经网络,达到油路循环系统故障诊断的要求,并通过实例仿真证明了本算法的有效性,为实际中解决油浸式变压器的油路循环降温系统故障提供了理论依据和实验仿真依据。     

基于自适应RBF神经网络的电网变压器故障检测

变压器的故障诊断方法大部分以油中溶解气体为诊断基础,如目前较为常用的四比值法、三比值法等。但存在"编码盲点"、故障诊断准确度不够等问题。本文提出一种基于自适应RBF神经网络的电网变压器故障检测方案,算法输入层节点只会把信号传送到隐含层。在隐含层中,通常使用高斯函数来对所得到了输入向量响应。输出层则是使用一般的线性函数来对输出进行加权。这种模式是一种标准的前向网络模式,能够使得神经网络的输入空间与输出空间得到映射,进而为分类网络并实现函数逼近,提高了网络收敛速度。仿真实验结果表明,本文提出的自适应RBF网络在故障诊断的准确率以及诊断时间的表现皆优于BP、GA-BP神经网络,所在在变压器故障诊断时,可以优先考虑自适应RBF神经网络。