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     

神经网络预测方法在机械设备故障诊断中的应用

为保证机械设备在一定的工作环境中以及在一定的连续的工作期间内可靠有效地实现其功能,近年来,单纯的监测诊断已经难以满足工业设备正常工作的要求,变定期维护为预知维护,故障预测技术是该技术领域今后的主要研究方向。而人工智能方法的发展以及在许多案例中的成功应用,为机械设备故障预测技术开拓了新的途径,其中人工神经网络就是其中重要的新兴技术,随着人工神经元网络(ANN)研究的进展,神经网络越来越多地应用于机械控制领域的各个方面,从过程控制、生产控制、模式识别、故障诊断直到决策支持都有应用神经元网络的例子,而且取得了很好的效果。首先介绍机械设备故障诊断的发展过程和人工神经网络的特点,然后着重介绍人工神经网络在机械设备故障诊断中的应用方法的提出及其应用现状。     

橡胶衬板在格子型球磨机中的应用

橡胶衬板是引用80年代国外技术研制成功的一种耐磨材料,具有耐腐蚀、重量轻和一定的消声效果等优点。橡胶衬板在格子型球磨机中的应用,取得了显著的经济效益和社会效益。     

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。     

改进BP算法在旋转机械故障诊断中的应用

针对BP算法在神经网络诊断中表现出来的学习收敛速度慢、易于陷入局部最小点等局限性，用改进BP算法一有弹回的BP算法，对转子试验台模拟几种常见的故障进行诊断研究，从中得出结论：将代表故障的信息输入训练好的神经网络后，由输出的结果，便可以判断发生故障的类型。此外，有弹回的BP算法大大地提高了网络收敛速度和稳定性，更能满足实时在线诊断的要求。     

二硫化钼润滑块在球磨机上的应用

我矿有球磨机3台,在主轴承和中空轴上,最早采用针阀式油杯滴油润滑,后改为稀油站压力供油润滑。近年来磨浮段常因稀油润滑系统元件失灵、损坏、堵塞、泄漏等而迫使生产中断的现象时有发生,不仅使维修工作变得复杂,而且造成环境污染,在经济上蒙受较大的损失。针对稀油润滑存在的弊端,我矿前后在3台球磨机上改用MoS_2润滑块润滑,经1年多使用,运行状况保持良好,收到了节能降耗和增进效益的显著效果。     

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。     

机械故障诊断的模糊推理与神经网络并行推理的研究

根据机械故障诊断领域模糊知识及机械故障本身的特点,通过对现场专家知识、实验的总结,利用模糊推理与神经网络的互补性,提出了建立一个图形化专家知识库,并在此专家知识库的基础上采用模糊推理与神经网络并行推理,而后在推理结果层面上做出融合和优化的故障诊断方法。该推理诊断方法克服了样本获取的瓶颈问题和提取规则泛化误差,既能提高诊断推理的速度,叉可以提高其准确度,而且实现了多故障的同时诊断,推理效率高,现场应用表明该方法有效可行。     

反演在化工过程故障诊断中的探索

为了提高化工装置的安全稳定运行能力,通过某种手段识别化工生产中的故障,发现潜在的设备故障和预判设备劣化趋势,将装置的安全隐患于萌芽中消除,避免企业安全损失。文章通过详细分析反演系统的原理、控制方法和化工过程故障诊断,结合化工过程故障诊断的现状,从混合故障、BP神经网络和深度神经网络三方面分析了故障诊断方法,最后结合某一化工过程进行故障反演,促进故障反演在化工过程中的应用。     

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。     

基于神经网络数据融合技术的诊断系统的研究

神经网络数据融合技术的诊断系统是以电机振动信号和电流、电压信号为研究对象的,对采集到的3类信号进行实时处理,运用神经网络对数据进行局部诊断,再利用数据融合技术对故障信号进行全局分析融合,从而达到对电机故障类型的准确判断。通过运行表明,应用在故障诊断中的神经网络数据融合技术是一种故障识别率高、方便灵活而且诊断精度高的故障诊断方法。     

神经网络PID控制器在温度控制中的应用

采用计算机技术,能够方便地将神经网络PID控制器应用于实际工业过程中。在介绍基于对角递归神经网络辨识的PID控制器结构及学习算法的基础上,采用PCS-B型过程控制系统实验装置,以MCGS组态软件为运行平台,对加热器温度控制系统进行了实验研究。实验结果表明,通过神经网络PID控制策略组态,能够在线调整PID控制器参数,在温度控制实验中获得了满意的控制效果。     

支持向量机模型在断层破碎带围岩变形预测中的应用

围岩变形预测是隧道安全评价及其指导后期施工的重要依据,为提高变形预测精度,结合工程实践,提出了PSO-SVM-BP预测模型的思路。首先,利用三次样条插值及二次平滑法对变形数据进行预处理,为后期变形预测奠定基础;其次,利用粒子群算法对支持向量机进行参数优化,建立PSO-SVM模型,并对围岩变形进行初步预测;最后,利用BP神经网络进行误差修正,达到综合预测的目的,并利用工程实例进行检验,以验证预测模型的有效性。结果表明:初步预测结果的相对误差均小于5%,而误差修正后的预测精度被提高到0.97%,预测精度较高,验证了预测模型的有效性,可为类似研究提供参考。     

L-M贝叶斯正则化BP神经网络在红外CO_2传感器的应用

针对温度会影响红外CO_2传感器的输出电压,造成对CO_2的浓度检测误差较大的问题,提出了一种基于L-M贝叶斯正则化BP神经网络的温度补偿方法。实验中将传感器输出电压比和温度作为神经网络的输入,CO_2浓度作为神经网络的输出,并通过L-M算法和贝叶斯正则化对神经网络进行优化。经过实验仿真证明,在温度补偿后红外CO_2传感器测量输出的浓度值最大相对误差为4.557 8%,具有较高的精确度。因此L-M贝叶斯正则化BP神经网络能对红外CO_2传感器进行有效的温度补偿,可为相关红外传感器仪器的改进提供参考。     

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...     

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。     

一种基于奇异值分解和反传神经网络的多小波域数字水印算法

针对图像经过CARDBAL多小波变换后,各层系数的能量平均分配,且其同一尺度、同一方向上的4个子块系数相近这一特性,结合奇异值分解和BP神经网络将二值图案水印嵌入到多小波系数的高频分量中。实验表明,该算法有良好的不可感知性和强健的鲁棒性。