基于概率神经网络的液压泵故障诊断

液压泵是液压系统的核心,其运行状态的好坏直接影响整个系统的性能。针对液压泵工作过程中出现的故障,运用神经网络方法进行故障诊断具有显著优势。分析概率神经网络基本结构以及训练算法,建立液压泵故障分类的概率神经网络模型。运用采集数据针对分析计算结果表明,基于概率神经网络的故障诊断方法是一种有效的故障诊断方法。     

基于粒子群优化小波神经网络的风洞风机振动故障的诊断

针对省级气象计量部门建设的低速回路风洞长期使用过程中存在风机非线性振动故障问题,提出一种基于粒子群优化小波神经网络的风洞风机振动故障诊断识别方法。通过构建3层小波神经网络,并采用粒子群算法优化小波神经网络的参数,提高其对振动故障诊断的速度和精度。实验表明:样本数据的实际输出结果与期望输出结果较为接近,该算法能够有效地实现对风洞风机故障类型的诊断识别,具有一定的实际应用价值,也为科学管理维护风洞的健康状况起到积极作用。     

离散Hopfield神经网络在混烧控制系统故障诊断中的应用

给出了离散Hopfield神经网络结构和模型．利用Hopfield神经网络的演变过程是一种计算联想记忆的过程,它适用于正交(或近似正交)模式的记忆性质,给出了一种Hopfield神经网络的双向联想记忆模式的记忆矩阵构造方法,并提出了一种改进的基于Hopfield神经网络的控制系统故障诊断的算法,利用此算法实现实时检测混烧控制系统的故障和异常,对混烧控制系统的调节器和阀门进行故障诊断和故障信息提示．     

基于遗传小波神经网络的电梯故障诊断分析

利用小波分析具有能量分布特征提取的特性和遗传算法优化BP算法的能力,提出了一种基于遗传算法、小波与神经网络的电梯故障诊断方法,并应用电梯故障数据作为实例进行了验证．遗传算法小波神经网络模型诊断速度快、鲁棒性好、故障诊断正确率高．     

基于多小波和PSO-RBF神经网络的水电机组振动故障诊断

【目的】研究水电机组振动故障诊断的方法,为水电机组状态监测提供一种新的信号处理方法。【方法】对水电机组的振动信号进行多小波变换,提取振动信号的特征向量,将此特征向量作为学习样本输入到经过粒子群优化的径向基神经网络,通过训练后建立频谱特征向量和故障类型的映射关系,然后以测试样本和多故障测试样本为例进行应用检验。【结果】优化后的神经网络在第30次迭代时就达到了目标值,而优化前则需要56次迭代才能达到目标值。测试样本的诊断结果和测试样本的多故障诊断结果显示,期望输出与实际输出基本一致,故障识别的正确率达到100%。【结论】多小波-能量和经过粒子群优化的RBF神经网络结合的方法适用于水电机组的振动故障诊断,其诊断精度高,具有工程应用价值。     

水电机组振动故障的粗糙集-神经网络诊断方法

针对当前水电机组故障原因复杂,实际监测数据量大,采用神经网络方法进行机组故障诊断存在网络结构复杂、训练时间长、诊断困难的问题,文章将粗糙集理论引入到水电机组故障诊断中,提出了基于粗糙集理论与RBF神经网络相结合的水电机组故障诊断方法。在保持分类能力不变的前提下,用粗糙集理论对故障信息进行约简处理,然后用RBF神经网络对预处理后的故障信息进行诊断,使神经网络的输入神经元数目明显减少,其结构得以简化。通过对某电站实测机组数据进行离线故障诊断,证明该诊断方法有效提高了机组故障诊断的效率和准确性。     

基于模糊神经网络的电控发动机诊断专家系统的研究

发动机出现故障的机率较高,一般占整车故障的40%左右。研究发动机故障诊断专家系统,可以及时、准确进行故障定位,提高工作效率。但是传统专家系统存在推理效率低、自学习能力差等缺点。本研究将模糊逻辑和传统神经网络相结合形成模糊神经网络,建立了模糊神经网络(FNN)故障诊断模型,并将该模型应用于发动机故障诊断,优势互补,提高了专家系统的推理效率和自学习能力,其性能高于传统的BP网络。     

基于神经网络的水产养殖物联网故障诊断系统研究

针对当前水产养殖物联网存在的故障发生的非线性特点及故障发生易受多种因素影响等问题,提出了一种基于神经网络的故障诊断模型,在该模型构建过程中,首先对水产养殖物联网领域常见的故障类型进行分析,归纳总结了故障模式种类,并制定了故障诊断的评价指标,然后采用神经网络原理构建了水产养殖物联网故障诊断系统。结果表明,该故障诊断系统不但可降低通信负担,而且具有较高的诊断率,能够很好地应用在水产养殖物联网的故障诊断系统中。     

小波神经网络在模拟电路故障诊断中的应用研究

对模拟电路提出了一种基于小波与神经网络辅助式结合的故障诊断方法．该方法用小波变换作为模拟电路故障信号的预处理器，大大减少神经网络的输入数目，简化神经网络结构和减少它的训练时间，提高辨识故障能力．在介绍该故障诊断方法的基本原理后。给出了小波函数及故障特征选择的方法．     

基于Volterra级数与神经网络的非线性网络的频域故障字典诊断法

提出了用Volterra频域核(传递函数)作为故障特征对非线性定常动态网络进行故障诊断的方法，即计算出网络响应在各种常见故障状态下的Volterra级数解的各阶频域核(3～4阶即可)，并将其输入给BP神经网络(BPNN)．利用BPNN的分类功能建立故障字典，对实测的故障网络的各阶频域核进行测试样本分类，实现故障诊断．给出了各阶频域核的统一递推算式，并讨论了Volterra频域核的实验测量方法以及基于人工神经网络(ANN)的求解方法．     

基于时间序列和神经网络的温室传感器节点故障诊断

温室无线传感器网络中故障节点会产生并传输错误数据,不仅消耗节点的能量和带宽,而且导致错误决策。针对此问题研究一种准确判断节点故障状态的方法。采用时序分析和遗传BP神经网络,建立基于时间序列和神经网络的传感器节点故障诊断系统,通过对传感器样本数据进行时序分析,提取模型参数作为特征向量,并以此对遗传BP神经网络进行网络训练,实现传感器节点故障的诊断。试验结果表明：该方法能够有效地识别传感器节点故障类型,15组测试样本的输出矢量与同类故障基准矢量的欧式距离和为0.007,识别正确率为100%。     

人工神经网络技术在机械故障诊断中的应用探讨

阐述了人工神经网络模型的一般结构和算法，并设计了机械故障诊断神经网络的模型和学习过程。通过对集材-50拖拉机变速箱的实验诊断和测试，结果表明人工神经网络技术可以快速、准确地诊断出机械故障类型。     

MlNAC2基因的克隆及其在南荻根部的表达模式

克隆南荻MINAC2基因的c DNA序列,该序列全长为933 bp,编码产物含310个氨基酸残基,其蛋白质理论相对分子质量为34 427.8,等电点(p I)为5.85,不稳定系数为34.84,为稳定蛋白,具有保守的NAM基序,无信号肽和跨膜结构域,可推测其为亲水性蛋白。亚细胞定位试验结果表明,Ml NAC2定位于细胞核,可能在细胞核内行使功能。转录激活试验结果表明,Ml NAC2是一个转录因子蛋白,且转录激活域位于C端。荧光实时定量PCR分析结果表明,高盐、干旱、脱落酸、茉莉酸甲酯和机械伤害均能诱导Ml NAC2基因在南荻根部的表达上调,而低温处理时表达下调。     

基于C4.5算法的无线传感器网络农业环境部署节点故障诊断方法

通过采集农业环境下无线传感器网络节点所采集的数据,基于C4.5算法挖掘故障诊断关联规则,建立了农业环境部署节点故障诊断模型。结果表明,该模型能够比较好地对故障无线传感器网络节点进行识别。     

电控发动机尾气检测与故障诊断的研究

为寻求根据汽车尾气参数来诊断汽车故障的方法，利用径向基函数（RBF）神经网络，对丰田雷克萨斯（LEXUS）400电控发动机进行故障诊断研究。研究结果表明，径向基函数神经网络对发动机故障的诊断是迅速、准确的。     

Neural network-based detection of mechanical, sensor and biological faults in deep-trough hydroponics

In this work, two separate fault detection models are developed: one for the detection of faulty operation of a deep-trough hydroponic system which is caused by mechanical, actuator or sensor faults, and one for the detection of a category of biological faults (i.e. specific stressed situations of the plants), namely the “transpiration fault”. The neural network methodology was proved to be successful in the task of fault detection, in both applications. The general fault detection model was capable of detecting a faulty situation in a very short time, in most cases within 20 or 40 min. In the case of the biological fault detection model, the “transpiration fault” was generally detected within 2–3 h. The results show that both neural networks have useful generalization capabilities. The influences of the conditions of the plants to the measured root zone variables are also investigated and they show that biological faults in general cannot be detected in this kind of cultivation systems using the measurable variables used in this work. The most probable explanation is the inertia of overwhelming mass of the nutrient solution (compared to the mass of the plants), in a way that it becomes a limitation factor to the influence of plants condition to their root zone microenvironment.     

基于BP神经网络的我国农民收入预测模型

依据1978~2008年影响我国农民收入因素的相关数据,选取从事农业的人口、第一产业产值、乡村就业人员数等13个指标,依据标准化方法和BP神经网络方法,建立了关于农民收入的人工神经网络模型,并进行具体分析。结果表明,模拟值与真实值吻合较好,改进BP算法的神经网络模型预测精度高,收敛速度快,具有良好的泛化能力。在此基础上,提出了增加农民收入的建议：一是推进城镇化进程;二是发展农村中小企业;三是鼓励集约经营;四是加强农村基础设施建设和农业科技投入。     

基于机体振动的直升机桨毂阻尼故障诊断

研究了仅用机体振动信号诊断旋翼减摆器阻尼失效、轴向铰卡涩和水平铰卡涩3种桨毂阻尼故障的可行性。在旋翼试验台上分别设置上述3种阻尼故障，测取机体振动响应，利用快速傅立叶变换分析其频谱特征。分析表明，3种阻尼故障引起的机体振动谱图互不相同。采用概率神经网络实现了3种阻尼故障的正确分类。研究表明，仅用机体振动响应实现旋翼阻尼故障诊断是可行的。     

基于神经网络数据融合方法的模拟电路故障诊断

根据模拟系统故障检测原理，采用神经网络与数据融合相结合的方法进行模拟电路故障诊断，提出了一种新型的基于D-S证据神经网络的故障检测与诊断方法．应用D-S证据理论对径向基函数网络进行了修正，用具有一个输入层、两个隐含层和一个输出层的神经网络实现．各个证据体的基本概率赋值的获取是D—S证据理论在实际应用中的难点问题，本方法中采用的是根据输入模式与原型模式之间的相似度以及原型模式的类别隶属度来确定基本概率赋值．借助神经网络自学习的功能，实现对类别隶属度的最优化．结果表明该方法能快速有效地进行故障诊断中大量数据的处理，具有很强的鲁棒性．     

人工神经网络在滁州市酸雨多维预测中的应用

使用酸雨时间序列作为训练样本的基础,生成训练样本输入数据和期望输出数据,建立时间序列神经网络预测模型。通过误差反向传播的算法训练神经网络,获得输入输出之间的映射关系,得到未来3年的酸雨数据。BP神经网络模型的应用设计借助于MAT-LAB软件包中的神经网络工具箱完成。