基于神经网络的智能故障诊断技术研究综述

介绍了神经网络在设备故障诊断中应用的三个主要方面：故障模式识别、故障预测和诊断专家系统，对应用的方法、特点及存在的问题也作了概略分析，最后展望了今后研究的方向和重点。     

基于神经网络和VB程序的旋转机械故障诊断系统

以旋转机械常见的质量不平衡、转子不对中两种故障状态和正常运行状态为例,基于神经网络和VB程序构建了旋转机械的故障诊断软件系统.利用一种基于小波包分解后的时域分析方法对旋转机械振动信号进行特征提取,获得了旋转机械正常振动信号及质量不平衡、转子不对中故障状态振动信号的特征向量.借助MATLAB神经网络工具箱,构建了旋转机械的神经网络故障诊断系统,并用旋转机械正常振动信号及质量不平衡、转子不对中故障状态振动信号的特征向量数据对诊断结果的正确性进行了测试,结果表明诊断正确率为88.9%.最后通过MATLAB的二次开发接口与VB程序进行交互,开发出具有良好人机界面的旋转机械故障诊断软件,包括神经网络学习和故障诊断两层界面.     

基于实时生产数据的油井工况诊断系统

针对目前油井井下工况诊断效率低下的问题,提出了基于实时生产数据的油井工况诊断系统,采用物联网架构实现三相电参、套管压力、示功图和油井动液面等实时生产数据的采集、传输与应用,利用灰度提取方法提取示功图图像型数据的特征值,与数值型数据融合分析,增加BP神经网络的输入神经元,建立工况诊断模型.对比于通过示功图提取特征值的诊断...     

基于技术融合的旋转机械故障诊断方法的研究

本文以油田用注水泵为例,采集设备的振动信号,对信号进行奇异值降噪,利用包络解调技术提取故障特征,并采用技术融合的手段进行故障特征值融合,利用复合知识库中模糊推理机对设备进行故障诊断,取得了良好的诊断效果。     

基于数据融合的分布式入侵检测系统研究

针对分布式入侵检测在当今网络安全中发挥着越来越重要的角色,将数据融合技术引入到入侵检测系统中,提出了基于数据融合的分布式入侵检测系统设计方案,描述了分布式检测和决策融合的结构设计,讨论了数据融合决策问题的数学模型,运用理论推理论证了融合决策处理的可靠性。分析比对实验表明,该系统降低了入侵检测系统的虚警率,提高了检测率。     

基于振动信号的电气故障诊断系统的应用分析

随着我国电网设施的增加,为了电力设备的高效和正常运转,确保国家生产和人民生活的正常进行,电气设备故障的诊断显得尤为重要。本文在阐述电气系统故障诊断必要性的基础上,总结了常见的电气系统故障诊断方法及诊断系统的组成,并结合实例探讨了基于振动信号的电气故障诊断系统的应用。     

基于神经网络的齿轮箱故障诊断专家系统及应用

在机械故障诊断中,故障与征兆间并非都是一一对应或线性关系。机械设备的故障诊断实质上是一种模式识别,诊断结果的准确度往往取决于模式识别的精度。传统的故障诊断方法基于统计模式识别,在识别速度、可靠性等方面有一定的局限性。目前,基于智能模式识别的故障诊断技术(如诊断专家系统)有了很大的发展,但在知识获取、自学习等方面有待继续发     

基于信息融合技术的球磨机三因素负荷检测研究

采用多传感器信息融合技术实现对介质充填率、料球比以及磨矿浓度三因素的检测,并通过神经网络建立球磨机外部响应与内部负荷参数之间的关系模型,对球磨机负荷进行预测,为球磨机优化控制奠定基础。     

信息融合技术在高压电气设备温变故障诊断中的应用

针对高压电气设备结构复杂、监测环境恶劣、温变故障不易诊断等特点,采用FBG(光纤布拉格光栅)传感器对以温度为主的若干参数进行实时监测。采用神经网络进行故障特征识别分类,通过专家系统对故障信息进行信息融合综合诊断。经仿真和试验研究,温变故障诊断效果良好,为解决高压电气设备温变故障监测和准确诊断提供了一条有效途径。     

基于神经网络的无刷直流电机故障诊断和容错控制方法的研究

提出并设计了一种针对无刷直流电机控制器的故障诊断和容错控制方法。该神经网络状态观测器由实际非线性控制系统进行训练,根据实际系统和神经网络观测器输出残差,容错控制系统能够被确定下来。针对系统控制器、电流和速度传感器的故障条件进行了仿真分析,容错控制通过使用补偿控制器实现,保证系统故障条件下的稳定性和性能。结果表明,所提出的方法能有效地定位错误故障和时间,消除干扰并提高系统的鲁棒性。     

基于Smith预估的神经网络循环流化床锅炉床温控制

料床温度是循环流化床锅炉正常运行的一个重要指标,它影响着锅炉的燃烧效率和污染物排放速率。在燃烧过程中,它具有时变性、大惯性和大滞后的特点。针对这一问题,将BP-Smith预估控制算法应用于循环流化床锅炉床温控制,该算法基于BP整定的PID控制,提高对被控对象参数变化的自适应能力和Smith预估控制能够克服对象的大迟延特性,并对BP-Smith预估控制进行了仿真。仿真结果表明,所设计的控制系统性能均优于常规PID控制和Smith预估补偿PID控制系统。     

混沌神经网络在球磨机故障诊断中的应用

针对神经网络极易陷入局部极小的问题,采用引入动量项和混沌映射的改进BP算法,讨论引入动量项和混沌映射的神经网络综合模型的建模思路及其算法实现;介绍球磨机常见的故障类型,建立球磨机故障诊断的混沌神经网络模型,进行仿真试验,结果表明:该模型具有较高的预测精度,可以有效地运用于球磨机诊断中的故障预测。     

基于决策融合的多卫星通信系统态势分析技术

为了解决高轨宽带、高轨移动、低轨星座卫星通信系统融合使用时,运行态势不全面、不精确等问题,设计了基于决策融合的多卫星通信系统态势分析技术。首先,借鉴数字孪生理论,建立板卡级、设备级、节点级、网络级、应用级5个层级体系化数字空间模型。其次,提取数据特征,得到高质量数据样本。最后,通过决策融合分析方法,对数据样本运用多种算法进行初步分析,再将不同算法的分析结果进行融合得出最终结果。结果表明,基于决策融合分析,能够对真实多卫星通信系统的不同指标主题得出较好的分析结果。因此,决策融合得到的分析结果可以帮助卫星通信系统运维人员更好地优化多卫星通信系统的运行状态。     

应用虚拟仪器技术的异步电机故障诊断研究

介绍基于虚拟仪器技术构建的异步电机检测系统,实现了异步电机系统的参数检测和故障诊断。文章将基于LabVIEW的小波包理论应用于电机故障诊断研究,将小波变换极大模分析方法应用于信号突变成分的检测,有效地定位并检测出异步电机中的早期故障。最后,通过实验证明了基于小波理论的故障诊断方法的可行性。     

基于RBF神经网络的微机械陀螺仪温度控制系统

为了避免微机械陀螺仪受温度影响产生较大波动,设计了基于RBF神经网络的微机械陀螺仪温度控制系统。首先,构建了微机械陀螺仪温度控制装置的数学模型;其次,鉴于控制模型参数会随温度改变而发生变化,提出了基于RBF神经网络的自适应PID控制算法,利用径向基函数的局部逼近能力调节微机械陀螺仪环境温度。结果表明,设计方案基于RBF神经网络,可实时整定PID参数,且能够准确控制微机械陀螺仪的温度。与传统PID控制相比,基于RBF神经网络的自适应PID控制算法具有更快的调节速度和较强的鲁棒性,实现了微机械陀螺仪温度的无静差控制,降低了模型参数变化对控制效果的影响,满足温度控制系统的要求。     

基于主成分分析和遗传程序设计的油浸式变压器故障诊断

提出了一种基于主成分分析和遗传程序设计的分类模型,并应用于油浸式变压器故障诊断中。该分类模型以变压器油中溶解气体的DGA数据为评价指标;通过对所采集数据进行主成分分析,减少了数据的冗余度,从而大大降低了问题的复杂度。实验证明该模型是高效可行的。     

基于轻量级卷积神经网络的苹果表面缺陷检测方法

为了解决目前农业信息领域对苹果表面缺陷检测准确率低的问题,提出一种基于轻量级卷积神经网络的苹果表面缺陷检测方法.首先采集苹果缺陷样本图片制作实验数据集用于模型训练和测试;其次在AlexNet网络结构的基础上,引入深度可分离卷积代替原有网络中的标准卷积运算来进行图像特征的提取;最后利用全局平均池化方法代替原有网络中的全连...