集成神经网络在水轮发电机组故障诊断中的应用

针对单个神经网络的不足，以信息融合技术为基础，建立了集成神经网络故障诊断系统。该系统采用子神经网络从不同侧面对设备进行初步诊断，然后将各子神经网络进行决策融合。通过对水轮发电机组的应用仿真，说明该系统充分利用了各种信息，提高了确诊率。     

基于DRNN自适应PID的油缸位置控制

在阐述了DRNN神经网络基本原理，并结合HD控制特点的基础上，提出一种DRNN神经网络整定的PID控制算法和控制器设计方法。利用DRNN神经网络的自学习和自适应能力，来完成系统的实时控制。该算法直接应用于位置伺服控制系统，仿真结果表明，与传统HD控制算法相比较，该算法增强了系统的控制精度，提高了系统的响应速度，鲁棒性强，控制品质好，符合工程实际，有实用价值。     

基于遗忘因子和误差修正的水文实

在进行水文预报时，由于影响河道洪水的因素众多，常用的水文预报模型往往不符合实际水文系统的客观规律。对这类系统的参数辨识要求算法具有较强的实时跟踪能力，以适应模拟或预测洪水运动变化过程的要求。利用洪水预报误差信息，对BP网络洪水实时预报校正模型与方法进行了探讨，提出了两种实时预报方法。第一：运用最小二乘递推算法，引入时变遗忘因子实时跟踪模型中时变参数的变化，建立了神经网络在非线性系统中动态的系统输入、输出数据之间的映射关系。第二：利用BP网络模型对误差的可识别性，将模型对输出变量的预报误差再次作为输出变量，对网络可能预报的误差进行实时修正。计算实例表明：以上两种方法提高了神经网络在水文领域的预报精度，给BP神经网络的实时预报方法提供了新的途径。     

基于LVQ网络的水电机组振动多故障诊断方法

提出了应用学习矢量量化神经网络诊断水电机组的多故障，可避免BP神经网络容易陷入局部最小与学习速度缓慢的问题。通过算例仿真检验，该网络能够有效地识别并分离出各种故障类型。     

xPC环境下CMAC NN在淀粉生产线液位控制中的应

在分析CMAC神经网络的基础上，提出了利用自适应CMAC神经网络来调节淀粉生产线中乳液的液位。通过对淀粉生产线中某一液位回路进行数学建模，然后对常规PID和自适应CMAC神经网络两种控制器进行了设计与仿真。仿真结果表明，自适应CMAC神经网络在控制效果上明显优于常规PID，并且具有很高的鲁棒性。在Matlab实时开发环境xPC Target下建立了液位实时控制系统，采用快速原型控制方式，具有系统组建方便、成本低、开发周期短等特点，该系统可实现精确的过程控制。     

液压系统故障诊断的高阶统计量-模糊神经网络法

利用高阶统计量-模糊神经网络方法对液压系统故障进行诊断，解决低信噪比故障特征信号下的故障诊断问题。介绍了高阶统计量和模糊神经网络的基本原理，阐述了利用高阶统计量-模糊神经网络诊断液压系统故障的方法，给出了以阀控液压缸系统为研究对象的诊断实例。试验结果表明，利用该方法对液压系统进行故障诊断可以有效地提高故障特征信号的信噪比，提高液压系统故障诊断的准确性和诊断效率。     

拖拉机发动机减速器动力学分析及故障诊断研究——基于小波神经网络

以拖拉机发动机减速器为研究对象,从分析发动机减速器故障机理出发,深入研究了减速器行星齿轮系统的建模方法和动力学模型,并采用小波神经网络算法研究了一套拖拉机发动机减速器故障诊断系统,能够对发动机减速器机械故障进行实时诊断。试验结果表明:小波神经网络算法能够准确判断发动机减速器的工作状态,识别率高达96%以上,充分证明了系统的准确性和可行性。     

Kohonen网络故障诊断方法及试验

根据Kohonen神经网络诊断的工作原理、诊断特征，提出了渔船轴系模拟试验台的系统结构和振动监测方法，并通过自行开发的数据采集系统和诊断软件，对故障特征矢量进行识别和诊断。模拟试验证明了Kohonen网络对轴系故障诊断的有效性和准确性。     

xPC环境下CMAC NN在淀粉生产线液位控制中的应用

在分析CMAC神经网络的基础上,提出了利用自适应CMAC神经网络来调节淀粉生产线中乳液的液位.通过对淀粉生产线中某一液位回路进行数学建模,然后对常规PID和自适应CMAC神经网络两种控制器进行了设计与仿真.仿真结果表明,自适应CMAC神经网络在控制效果上明显优于常规PID,并且具有很高的鲁棒性.在Matlab实时开发环境xPC Target下建立了液位实时控制系统,采用快速原型控制方式,具有系统组建方便、成本低、开发周期短等特点,该系统可实现精确的过程控制.     

柴油机燃油供给系统故障诊断研究

柴油机燃油供给系统故障直接影响燃油的喷射质量和燃烧过程,进而影响柴油机的动力性、经济性和可靠性,因此对燃油供给系统实施状态检测与故障诊断具有重要的现实意义.为此,阐述了燃油供给系统各种故障模式下的产生原因,进行了高压油管压力信号的波动分析,通过虚拟仪器实现故障特征参数提取,利用BP神经网络实现故障的诊断方法.结果表明,该方法可实现柴油机喷油器的不解体故障分析,有利于实时故障的在线诊断,在实际的故障诊断中具有一定的应用价值.     

基于虚拟技术的发动机智能故障诊断系统

运用多种传感器实时采集和反映发动机工作状况的技术数据，结合虚拟仪器数据采集分析技术和模糊数学故障诊断方法，提出了一种基于虚拟技术的发动机智能化故障诊断系统。介绍了该系统的硬件结构、软件功能以及系统的设计方法。通过实验论证：系统具有较高的准确性、实用性，并且易于操作和使用。     

基于神经网络的数控插补容错技术

提出将神经网络和模糊数学应用到数控系统软件设计领域,以实现数控插补容错技术,提高软件可靠性.为了验证该方法的可行性,对基于神经网络的NURBS插补模块进行了实验研究,并对速度、加速度、插补精度、神经网络预测精度、容错和实时性等方面进行了分析.实验结果表明,基于神经网络的插补模块在保证加工要求的前提下实现了数控插补软件容错技术,为提高数控系统软件的可靠性提供了新的途径.     

基于模糊神经网络的旋转设备故障模式识别

针对农业机械中大型旋转设备6种常见故障，采用BP网络，运用模糊理论产生训练样本，根据经验公式和实际运算结果选择网络拓扑结构，经验证，其对单一故障模式具有很好的识别能力，与传统BP网络的诊断结果相比，诊断精度有所提高。     

调速器液压随动系统故障诊断系统

水力机组的运行特性和经济性能指标很大程度上受水轮机调速器液压随动系统影响.针对目前调速系统仅能实现基本在线监测和故障诊断功能的实际情况,在分析调速器液压随动系统的物理结构、工作原理和故障机理的基础上,利用改进的故障模式、影响和危害度分析（FMECA）方法进行故障定性分析,明确设备的功能、故障模式、故障原因和故障影响,建立调速器液压随动系统的分布式物理图网模型,与仿真模型提取定量特征指标值相结合进而实现设备的故障诊断.以开机过程中液压阀卡涩故障为例进行仿真分析,根据机组的频率、导叶开度、电液转换器、PID等关键监测位置信号输出结果的不同,判断调速器发生故障的类别.案例分析结果表明,该方法简单、可靠,能准确定位系统的故障,为实现机组的高效经济运行和日常维护提供决策基础.     

发动机连杆轴承故障噪声诊断研究

提出了基于小波包和模糊聚类分析的连杆轴承故障的噪声诊断方法。在EQ6100型发动机上预先模拟连杆轴承故障,根据发动机故障时变、非平稳的特点,运用小波包对发动机噪声信号进行特征提取并削减了背景噪声的影响。选取时域上5个参数作为评价故障的特征指标。通过对模糊聚类理论方法的分析比较,引入模糊C-聚类划分理论及方法对噪声信号的指标样本进行分类,得到最优分类矩阵和聚类中心,从而建立了故障的标准类型样本。通过对新测取的噪声信号样本进行检验,证明该方法能有效地判断待检样本的类型,诊断连杆轴承故障。     

Elman神经网络与遗传算法在变速器故障诊断中的融合应用

提出了基于Elman神经网络的变速器故障诊断方法,以克服传统方法不能用于时变系统的缺陷。由于加入了短时记忆环节和局部逆回互联功能,Elman神经网络具有优秀的时间序列预测能力,变速器故障就从特征信号平方预测误差的期望中检测出来。同时,引入了遗传算法来辅助神经网络的训练,以期获得最佳的检测性能。最后,通过变速器故障台架试验来验证该方法的有效性。     

基于农用STM32的电动机转速监测系统设计

农业作业环境复杂,实时监控农用电动机转速对判断电动机运行状况具有重要意义。笔者设计了一种电动机转速监测系统,该系统主要由光电开关传感器、触发圆盘、OLED、STM32单片机组成,通过单片机的定时器中断和外部中断功能,可实现对电动机转速的实时监控,通过IIC通信技术,可实现转速数据的可视化。该系统抗干扰能力强、精度高、实用性强,适用于恶劣的农业作业环境,同时为其他转速监测方案提供了设计依据。     

数据融合在柴油机故障诊断中的应用

讨论了基于Bayes网络的数据融合技术应用于柴油机故障诊断的原理和方法.同时,介绍了数据融合的定义以及多传感器数据融合的过程,阐述了数据融合技术在故障诊断中的应用.在此基础上提出了Bayes网络,并将Bayes网络数据融合技术应用于柴油机的故障诊断.该方法能够及时准确地提取柴油机的故障特征,诊断出故障部位和找出故障原因.     

格尔木水电一分厂微机监测与故障诊断

简介了全分布式控制网络构成的水电厂微机监测系统的结构、功能和故障诊断系统。它不仅能实时监测机组运行参数，且可对事故做出快速反应，大大提高了水电厂安全运行水平。由于网络采用总线拓扑结构和真正的全分布方式，因而在老电厂的技术改造中，不仅运行可靠、抗干扰能力强，且布置安装简便，投资省。