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。     

用于控制系统故障诊断的神经网络和专家系统

本文介绍了神经网络和专家系统在控制系统故障诊断中的应用，并讨论了神经网络和专家系统相结合的一种预处理结合故障诊断方法。     

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。     

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。     

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．     

用于控制系统故障诊断的神经网络和专家系统

本文介绍了神经网络和专家系统在控制系统故障诊断中的应用，并讨论了神经网络和专家系统相结合的一种预处理结合故障诊断方法。     

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%。     

基于改进粒子群神经网络的电力电子电路故障诊断

粒子群优化（PSO）算法是基于群智能的全局优化技术,它通过粒子间的相互作用,对解空间进行智能搜索,从而发现最优解。本文对基本粒子群算法进行改进,并将改进粒子群优化算法与误差反向传播（BP）算法结合起来构成的混合算法用于训练人工神经网络,对电力电子电路故障进行在线诊断。仿真结果表明,改进PSO-BP算法有效地解决常规BP算法学习网络权值和阈值收敛速度慢、易陷入局部极小等问题,具有较快的收敛速度和较高的诊断精度。     

基于神经网络的模糊系统在电厂风机故障诊断中的应用

基于模糊理论,通过对电厂风机的故障机理的研究,提出了基于神经网络的风机模糊诊断模型,并解决了其中的关键技术。     

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。     

神经网络专家系统及其在材料领域中的应用

本文概述了基于神经网络专家系统的基本组成、工作原理及其特点,并进一步综述神经网络专家系统在材料领域中的应用及其前景和意义。     

基于SOM神经网络的医疗诊断专家系统研究

研究了自组织特征映射(SOM)神经网络的结构及学习算法,提出了利用SOM神经网络对输入样本的“聚类”作用,实现对病人疾病的分类,并依此作为诊断的主要依据。     

应用神经网络专家系统预测浅层地下水水质

在系统介绍神经网络专家系统基本原理和工作步骤的基础上，利用开发出的神经网络专家系统，总结分析出影响淮南市区浅层地下水水质的主要参数，并通过B-P网络对大量实例的学习，自动生成符合实际的专家知识库；对实际问题，只要输入区块的特征参数，系统就能由推理机根据专家知识库给出预测区的水质，权值不受人因素为干扰．并以淮南市区16已知水样点的评价参数及水质级别为学习样本，对6预测水样点的水质进行了预测，结果表明效果良好；从而指出运用神经网络专家系统可以克服指数法和聚类法等不易准确确定参数的隶属度和权重分配等局限性，保证了预测结果的精确度和可靠性；只要测得预测目标的特征参数后，输入系统，很快就能得出预测结果，从而提高了预测速度和工作效率。     

基于模糊神经网络的热电联产故障诊断研究

为了在缺少设计参数的条件下,设计一个非线性模型的热电联产故障诊断系统,提出了一种基于模糊神经网络的设计方法。通过分析热电联产控制系统各工作模块的工作过程,建立废热回收蒸汽锅炉、蒸汽集箱、汽吸收式冷凝器等模块工作模型。并采用粒子群优化算法对提出的模糊神经网络进行优化,假设模型和测量误差正常分布且相互独立,对模型置信区间进行了计算。实验测试表明,本文设计的故障检测具有较高的可信度。     

基于小波神经网络的模拟电路故障诊断方法研究

深入分析了利用小波框架神经网络理论诊断模拟电路故障的方法,并通过理论分析和实例验证了这种方法的有效性。