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.     

基于知识模型库的水电机组故障诊断系统的分析研究

分析了基于知识模型库的水电机组故障诊断特点、系统结构及融合诊断推理方法,详细描述了知识模型库的层次组成,以及在系统中心设置人工干预功能的必要性。     

数据处理技术在风电机组故障诊断及预警中的应用研究

基于Storm集群数据处理架构、Spark内存批处理技术,建立风电机组传动系统、齿轮箱的故障诊断与预警模型,运用Spark并行计算的RDD-NB(分布式数据集)算法、RDD-BP(反向传播)算法,分别对风电机组系统的执行做出故障诊断和故障预警,实验结果得出,该方案可自动计算机组运行状态的特征值,将多种特征值进行逻辑组合...     

大中型泵站故障诊断系统研究

本文所述水泵机组实时状态监测和故障诊断系统的总体设计思想是以机组的振动监测诊断为主要内容,同时保持系统的开放性。基于虚拟仪器技术的水泵机组振动故障诊断系统硬件主要由振动传感器、数据采集卡和工控机组成;软件的算法主要包括数据采集和状态监测、报警处理、信号分析、专家诊断系统、趋势预测、自动打印记录等。     

基于BP神经网络算法的异步电机故障诊断系统研究

为了确保电机安全可靠地运行,研究了BP神经网络算法对异步电动机进行故障诊断。通过MATLAB平台,分别使用附加动量因子和自适应学习率两种梯度下降法进行网络训练,搭建故障诊断BP网络模型。以MSE值为指标优化最佳隐含层节点数、动量因子与学习率,并通过遗传算法来优化BP网络的初始权值,对故障测试样本进行仿真测试。结果表明,GA-BP网络模型比MF-BP和AG-BP的MSE值更低,仅为0.009 163,优化后的诊断预测结果与目标值几乎没有差别。基于遗传算法改进的故障诊断系统模型能够满足异步电动机故障诊断的应用需求。     

基于最小二乘支持向量机的油罐故障诊断方法

根据油罐故障分析,建立了油罐故障诊断模型。采用新型的支持向量机-最小二乘向量机(LS-SVM)的算法对此诊断模型进行预测,获得了满意的效果。该方法易于使用,很少受不确定性因素的影响,有很高的预测准确性。     

SAPSO-BP算法在异步电机故障诊断中的应用

为了提高异步电机故障诊断的准确性,引入了一种基于模拟退火粒子群算法优化BP神经网络(SAPSO-BP算法)的故障诊断方法.根据电机转子振动频谱中所提取的特征参数与故障类型之间的关系数据,利用模拟退火粒子群算法来优化BP神经网络的权、阈值参数,再由优化好的BP网络进行故障诊断.实验结果表明,该方法具有较好的故障模式的识别效果,明显提高了异步电机故障诊断的准确性.     

基于克隆选择机理的无线传感网络故障诊断算法

故障诊断是无线传感器网络(WSN)可靠运行的保证.针对WSN特点及故障诊断需求,文章提出一种基于克隆选择机理的无线传感网络故障诊断算法.该算法结合集中式算法和分布式算法,后台管理节点执行分簇算法和优化免疫算法训练和更新抗体库,簇头节点利用小包波法收集普通节点的状态特征、执行故障检测和分类.实验仿真表明:该算法在历史数据较少的情况下,诊断准确率较高,效率好,硬件资源开销小,并具有自学习特征.     

基于人工鱼群-蛙跳神经网络的变压器故障诊断

为提高电力变压器故障诊断的准确率,提出一种基于人工鱼群-蛙跳混合算法(AF-SA-FLA)优化的神经网络模型,并用于电力变压器的故障诊断.人工鱼群-蛙跳混合算法融合了人工鱼群算法前期全局收敛速度迅速以及蛙跳算法局部搜索能力强的优势,其运算速度和优化精度有了极大提升.仿真实验结果分析表明,该方法能对变压器各种类型故障加以有效诊断,故障诊断正确率高、速度快,能满足电力变压器故障诊断的实际工程需要.     

基于专家系统的发电机故障诊断

针对发电机故障诊断系统中诊断处理系统的功能、结构等特点,提出故障诊断系统的任务并建立了故障的物理模型和诊断模型,并确定了故障诊断方法、策略以及知识库的建立;最后对诊断处理系统进行了总体设计。     

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。     

基于神经网络的模拟电路故障诊断研究

对BP型ANN网络用于模拟电路故障诊断的特点进行了介绍,探讨了利用遗传算法确定BP型ANN网络参数的方法,并给出了遗传算法与BP型ANN相结合实现模拟电路故障诊断的应用.实践表明,该方法的诊断精度、诊断速度以及建立诊断模型的自动化程度都有了较大的提高．     

GA—BP神经网络在高校教学评价中的应用

针对BP神经网络在学习训练过程中容易陷入局部最优的问题,利用GA算法对其权值和阈值进行优化．构造了一个基于GA—BP神经网络的课堂教学质量评价模型,并将该算法具体运用于某高校的教学质量评价中。实验表明,该模型能比较客观地对课堂教学质量进行综合评价。     

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NN的随动系统故障诊断

文章首先介绍了人工神经网络的基本原理,其次讨论了反向传播算法,并针对传统BP算法的不足设计了一种基于参数动态改变的BP算法,最后研究了新的算法在某武器随动系统诊断方面的应用.     

基于 Stacking 的雷达伺服系统故障诊断

为了提高南京某所某型雷达伺服系统故障诊断准确率,考虑到传统故障诊断算法的局限性,提出一种基于 Stacking 集成算法的雷达伺服系统故障诊断方法。针对某所某型雷达伺服系统的历史监测数据,首先采用孤立森林算法识别异常样本|然后基于原始数据构造出新的特征,使用卡方检验进行特征选择,并使用SMOTE 算法解决样本不平衡问题|最后,通过建立一种新颖、准确的基于 XGBoost、随机森林和 BP 神经网络的Stacking 集成模型进行故障诊断。实验结果表明,该方法在测试集上的诊断准确率达到了 96.2%,比传统方法诊断准确率提高了 1.8%,证明该方法能够很好地完成雷达伺服系统故障诊断任务。     

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。     

BP神经网络优化算法研究

为解决BP神经网络收敛速度慢和易陷入局部极小值的缺点,利用遗传算法(GA)和基因表达式编程(GEP)的各自特点,基于BP算法提出了两种改进算法:其一是GA-BP算法,即利用GA优化BP神经网络的权值和阈值;其二是GEP-BP算法,即利用GEP对BP网络进行调整,包括网络结构、权值和阈值。用样本数据进行了测试并与基本BP算法进行了比较,结果表明两种改进算法具有很强的可行性和高效性。