基于神经网络专家系统的柴油机故障诊断系统

柴油机在农业机械中被广泛应用,由于运行状况复杂,故障类型和部位种类繁多.为此,提出了将神经网络技术与专家系统融合的集成式故障诊断专家系统,对柴油机进行不解体故障诊断.以燃油系统故障为例,介绍了神经网络专家系统特点、结构及诊断方法,并对295D柴油机在不同的工况下采集气缸盖的振动信号进行测试,用RBF神经网络对测试数据进行训练.训练测试结果表明,用此系统诊断295D柴油机常出现故障有良好的效果.     

基于神经网络推理的压缩机故障诊断专家系统

设计了一种基于神经网络推理的汽车空调压缩机故障诊断专家系统。此系统将传统专家系统与神经网络技术科学地加以综合,弥补了传统专家系统的诸多缺陷。专家系统的知识库由两部分组成,即浅层知识库和深层知识库。推理过程由神经网络完成,并带有解释说明模块,主要说明诊断结果的判定依据。实践证明,这种方法能较好地解决传统专家系统存在的问题,提高系统的诊断速度和准确率。     

神经网络专家系统在发动机故障诊断中的应用

依据单一的专家系统或神经网络在处理故障诊断中各自存在着局限性,提出了将神经网络技术与专家系统融合的集成式故障诊断专家系统,并应用于发动机故障诊断中。文章介绍了神经网络专家系统特点、结构、及诊断方法,并对4105ZD发动机在不同的工况下进行测试,测试结果表明,诊断系统能够对发动机常见故障取得良好的诊断效果。     

基于神经网络的柴油机故障诊断

本文分三种工况,在X4105BD2型柴油机缸盖、缸壁上测取了柴油机燃油系统正常工作状态和五种故障状态下的振动信号。对这些振动信号提取时域特征参数,把这些时域特征参数作为故障征兆向量,研究柴油机BP神经网络故障诊断方法。     

基于神经网络的农机液压系统故障诊断专家系统

随着农机液压系统的功能越来越多、结构越来越复杂,加上农业机械的工作环境较为恶劣,其发生故障的几率也将随之增多.为此,根据农机液压系统故障的特点,应用专家系统原理和面向对象的设计方法,设计了一种基于BP神经网络的农机液压系统故障诊断专家系统,阐述了该专家系统的基本结构,以及知识库、推理机和解释机的实现方法.该系统充分发挥了神经网络在处理复杂非线性关系时的优点,大大提高了农机液压系统故障诊断的效率和准确率.     

神经网络技术用于发动机故障诊断的研究

结合专家系统与模糊神经网络两种人工智能技术,通过对汽车发动机废气中ＨＣ、ＣＯ、ＣＯ２和Ｏ２含量的分析进行故障推理和诊断。专家系统与神经网络主要采用串型连接,由神经网络模块进行故障分类,再经专家系统给出解释并进一步推理,得到具体的诊断结果,从而实现发动机常见故障的快速、准确和智能化的诊断。     

基于BP神经网络的电控柴油机故障诊断

运用了优化算法的BP神经网络设计高压共轨式电控柴油机的故障诊断系统,以高压共轨式电控发动机的传感器数值作为BP网络的输入,把发动机的故障状态作为BP网络的输出,以此来对电控柴油机进行实时的故障诊断.将诊断结果与实测结果进行比较后,证明此方法是可行的.     

汽油发动机故障诊断专家系统

应用人工智能专家系统原理，用Ｔｕｒｂｏ Ｃ和Ｔｕｒｂｏ Ｐｒｏｌｏｇ语言在微机上开发了汽油发动机故诊断专家系统。该系统采用逆向推理为主导的推理方式，具有启发式的故障诊断能力，能大大提高发动机故障诊断效率和准确率，并可作为故障诊断的辅助教学软件。该系统拓展性好、可作为类似系统的开发工具。     

基于分类框架结构的汽车故障诊断专家系统

介绍了在Ｗｉｎｄｏｗｓ环境下开发的具有人工智能及多媒体技术的汽车诊断专家系统。重点介绍了在建立该系统时,基于分类框架结构的知识表示,知识获取和推理方法。通过多次试用,证明采用分类框架结构来表示汽车的功能性故障具有层次分明,推理过程简单等优点。     

RBF神经网络在机电设备故障诊断中的应用

为提高机电设备故障的判断能力,实现设备故障诊断智能化,根据机电设备故障诊断的特点,介绍将RBF神经网络技术应用于机电设备故障诊断系统的基本原理及方法,详细分析该技术在机电设备上的实现过程,并以机电设备故障诊断为例,验证该方法的有效性.     

RBF神经网络在机电设备故障诊断中的应用

为提高机电设备故障的判断能力,实现设备故障诊断智能化,根据机电设备故障诊断的特点,介绍将RBF神经网络技术应用于机电设备故障诊断系统的基本原理及方法,详细分析该技术在机电设备上的实现过程,并以机电设备故障诊断为例,验证该方法的有效性。     

基于RBF神经网络的农用柴油机故障诊断研究

柴油机以其良好的动力性、可靠性、经济性在农用机械中广泛应用,但对农用柴油机施行及时的不解体故障诊断却并非易事。为此,以配气机构故障为例,提出了将小波包分解与RBF神经网络结合的故障诊断方法,对降噪后的气缸盖振动信号进行小波包分解,构造故障特征向量作为故障样本,并用训练好的RBF神经网络进行模式识别。试验结果证明,该方法具有良好的诊断效果和广泛的工程应用前景。     

基于神经网络的番茄栽培管理专家系统

针对专家系统开发过程中存在的问题，利用神经网络的学习功能、记忆功能和并行处理的优势，提出了用神经网络建立专家系统的方法；构造了神经网络专家系统的基本框架；并详细阐述了神经网络专家系统的设计过程及BP神经网络的改进算法。     

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。     

基于SVM的RBF网络在农机总动力预测中的应用

径向基神经网络是一种单隐层的三层前向网络,具有结构简洁、学习速度快等优点。为此,分析了径向基神经网络采用传统聚类方法确定基函数中心存在的问题,提出了一种基于支持向量机聚类确定径向基网络基函数中心的方法。该方法以最大间隔原理和结构风险最小化原则为前提,利用核方法把输入空间的样本映射到高维特征空间完成聚类工作来确定基函数的数量。采用改进的方法训练的径向基神经网络对黑龙江省农机总动力进行非线性时间序列预测,结果表明:改进的网络在确定网络结构、学习速度和提高网络预测精度方面都有较好的效果。     

基于改进RBF神经网络的泵站机组故障诊断

泵站机组故障诊断是指在一定的工作环境下查明泵站机组系统某种功能失调的原因或性质,判断劣化状态的部位或部件,以及预测状态劣化的发展趋势等。本文利用改进的RBF神经网络,对经过不变矩处理的轴心轨迹特征参数进行了故障模式的自动识别,针对RBF神经网络隐层节点难以选择的的难题,提出了一种新的聚类算法——改进RBF混合聚类算法。该算法,可自动确定最优的聚类区数,同时可使最终的聚类中心合理地分布在数据空间中。仿真结果验证了该方法的可行性。