舰载雷达智能故障诊断系统研究

为提高装备维护水平,立足于某型潜用火控雷达,着眼于海军装备故障诊断现状,设计了一种基于多Agent的智能故障诊断系统总体结构,诊断系统能根据设备的结构变化进行动态调整,通过知识库和诊断推理机的分离、诊断Agent的动态生成和管理等技术,使该智能故障诊断系统能方便地应用到其它装备。以BDI结构模型为基础,从基于实例的推理(CBR)、产生式诊断系统和神经网络诊断系统三个方面实现了诊断Agent的诊断功能,可最终将故障定位到可更换的元器件。     

基于LabVIEW的滚动轴承故障智能诊断系统

利用LabVIEW平台开发了齿轮故障诊断系统。系统主要采用共振解调诊断和BP神经网络诊断两种方法。共振解调诊断由Hilbert解调和小波包解调实现故障频率识别;BP神经网络诊断由对有量纲和无量纲参量提取的特征以及根据小波相对能量提取的特征作为神经网络的输入向量,轴承的故障类型作为输出向量,采用神经网络对轴承进行诊断,实验结果表明:通过解调和神经网络诊断,该系统能有效识别齿轮故障,确定故障类型。     

基于神经网络的电力电子电路故障诊断研究

电力电子电路模型具有很强的非线性,通常对其进行在线故障诊断比较困难,文章利用神经网络非线性映射特性,由神经网络来学习及存储电力电子电路的故障特征信号和故障类型穴或原因雪之间的映射关系,并将其用于在线诊断,从而达到对电力电子电路进行在线自动故障诊断的目的。     

基于人工鱼群的OIF-Elman神经网络在电机故障诊断中的应用

本文针对普通Elman神经网络学习算法的不足,将弹性自适应人工鱼群算法(RAAFSA)和Elman神经网络相融合,应用视野、步长和拥挤度因子自动调整的RAAFSA算法训练Elman神经网络,并将其应用到电机故障诊断中。仿真实验表明,优化的Elman神经网络有较高的故障诊断精度,能够更好地避免局部最小,实现了对电机故障的有效诊断。     

传统故障诊断法在现代汽车维修中的应用探析

当前,汽车上装备的电控系统愈来愈多。在汽车维修中,采用仪器诊断已成为故障诊断的重要手段。但是,仪器诊断也有其缺陷,如成本高、对操作人员的素质要求高、对机械故障和隐形故障无用、对某些故障（如线路故障）的诊断效率低下。所以,在现代汽车维修中,不应一味追求高科技的仪器诊断技术,而应适当地应用传统诊断技术,如此,才可能既提高故障诊断的效率,又降低维修成本,成为一名合格的汽车维修人员。为此,本文说明传统故障诊断法在现代汽车故障诊断中的应用。     

基于遗传神经网络的机械故障诊断

本文针对BP神经网络存在的不足,将遗传算法和BP神经网络有机结合起来,利用遗传算法的全局搜索能力优化了神经网络的初始权值和阈值,并将其应用于机械故障诊断。结果表明,在MATLAB环境下进行仿真试验,这种方法能够有效进行故障识别、提高故障诊断精度。     

螺杆泵工况检测及故障诊断系统设计方法

本文通过对石油用螺杆常见工况故障的系统分析,总结性的阐述了工况故障常见的表现形式。并以此为基础对相应的诊断方法做进一步说明。最后又进一步提出了基于BP神经网络的螺杆泵机组故障诊断网络的设计方法。     

小议现代汽车维修中传统诊断技术

当前,汽车上装备的电控系统愈来愈多.在汽车维修中,采用仪器诊断已成为故障诊断的重要手段.但是,仪器诊断也有其缺陷,如成本高、对操作人员的素质要求高、对机械故障和隐形故障无用、对某些故障(如线路故障)的诊断效率低下.所以,在现代汽车维修中,不应一味追求高科技的仪器诊断技术,而应适当地应用传统诊断技术,如此,才可能既提高故障诊断的效率,又降低维修成本,成为一名合格的汽车维修人员.     

航天测量船通信装备故障诊断系统设计

为更好完成海上卫星测控通信保障工作,根据航天测量船通信装备的特点及故障诊断需求,在将故障树分析法和专家系统两种故障诊断技术相结合的基础上完成了通用通信装备故障诊断系统的总体模型、知识库模型以及故障诊断流程的设计,该系统能有效辅助科技人员迅速、准确定位及解决装备故障。     

小议现代汽车维修中传统诊断技术

当前,汽车上装备的电控系统愈来愈多。在汽车维修中,采用仪器诊断已成为故障诊断的重要手段。但是,仪器诊断也有其缺陷,如成本高、对操作人员的素质要求高、对机械故障和隐形故障无用、对某些故障（如线路故障）的诊断效率低下。所以,在现代汽车维修中,不应一味追求高科技的仪器诊断技术,而应适当地应用传统诊断技术,如此,才可能既提高故障诊断的效率,又降低维修成本,成为一名合格的汽车维修人员。     

SDH传输网的故障处理方法

目前SDH网络设备在宁夏电力通信网得到了广泛应用,为了提高通信人员对SDH网络设备的故障处理能力,保证网络的正常运行,SDH网络设备维护人员要在平时的工作实践中不断积累经验并加以总结。本文结合日常的维护经验来分析和总结常见故障的定位和处理方法。     

基于BP神经网络及Pearson相关系数的风机发电机轴承温升故障诊断研究

发电机轴承温升高是直驱风力发电机频发的故障,易导致风机长时间停机,维修难度大,造成设备重大损失。通过建立基于BP神经网络和Pearson相关系数的发电机轴承温升故障诊断模型,并以湖北荆门某风电场为例,试验结果表明:该方法能够较准确预测风机发电机轴承温升变化,通过将温度预测值与正常工况下的温度值进行误差对比,判断发电机是否处于正常工状,实现发电机潜在故障的预警,为风力发电机的故障诊断提供了一种切实可行的方法。     

TORNADO燃机故障诊断的神经网络模型研究

为改善单神经网络收敛速度慢的问题,本文采用组合神经网络建模方法,建立了燃机性能仿真网络模型,并进行实验验证。建模过程中,将建模对象划分为三个相对独立的子网络,利用获取的实验数据组成训练域对网络进行训练,建立起一套可用于燃气轮机控制系统仿真及故障诊断的组合神经网络模型。实验结果表明:该模型平均输出误差约为3%-6%,计算时间小于100ms,可用于基于模型的燃气轮机诊断系统。     

航空发动机控制系统传感器智能故障诊断

航空发动机控制系统故障诊断一直是一个重点研究课题,本文使用智能故障诊断技术对发动机控制系统传感器进行状态检测和故障诊断。具体方法为:以传感器之间的冗余关系为基础,利用基于智能粒子群算法的小波神经网络建立传感器输出预测器,通过准确预测传感器输出,实现对传感器的检测和故障诊断。通过仿真验证,本文所使用智能故障诊断技术是可行的,具有一定的借鉴价值。     

旅游安全的人工神经网络预警系统

针对于旅游安全预警问题,运用人工神经网络理论和方法,建立旅游安全预警的BP神经网络模型。通过实例进行分析,说明用BP神经网络方法是可行的。该模型具有很强的学习、联想和容错功能,其分析结果和过程都接近人脑的思维过程和分析方法,使得旅游安全预警结果的精度大大提高。     

基于神经网络方法的风机故障诊断

针对旋转机械故障征兆与故障模式映射的复杂性,将反向传播(BP)网络、径向基(RBF)网络和概率网络(PNN)用于风机进行故障诊断,并比较了3种网络的诊断精度。以风机振动信号的7段频谱能量峰值作为故障特征,采用训练好的神经网络进行故障辨识,结果表明,RBF网识别精度高于PNN网络,BP网络表现较差。     

主成分分析—BP神经网络在备件需求预测中的应用

备件需求预测在装备维修保障中占据重要的地位,针对当前主要以经验为主进行估计,与实际需求相差较大,提出基于主成分分析—BP神经网络模型的备件需求预测方法。首先利用主成分分析方法去除原始输入数据的相关性,降低数据维度,减小网络规模,选择合适的隐含层的BP神经网络。最后通过结合实例进行分析,取得较好的效果。     

人工神经网络在经济预测中的应用

研究了人工神经网络在经济预测中的应用问题,探讨了人工神经网络的时间序列预测方法。该方法采用多层前馈神经网络及BP算法,其仿真实现是以MATLAB下神经网络工具箱作为开发工具。文中提出了一种基于BP网络时序预测通用方法,并通过实例验证了该方法的预测精度明显高于灰色系统预测方法。为了消除单一神经网络预测模型的系统偏差,探讨了组合神经网络时序预测方法;并用实例验证了组合神经网络比单一神经网络的预测精度高。