基于小波分析和BP神经网络的滚动轴承的故障诊断

提出了一种基于小波分析和BP神经网络的滚动轴承故障诊断方法,首先采用小波包对滚动轴承振动信号进行分解与重构,然后提取重构后振动信号的峭度值,将峭度值作为特征参数输入神经网络,进行故障模式识别。通过对实验数据的分析信号表明,能有效地识别滚动轴承工作状态与故障类型。     

小波和神经网络在柴油机故障诊断中的应用

柴油机以其良好的动力性、可靠性、经济性在运输车辆和农用机械中广泛应用,但对其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,提出将小波包分解与神经网络结合的故障诊断方法.先对振动信号应用小波阀值法降噪,再进行小波包分解,构造小波包特征向量作为故障样本,并用训练好的BP神经网络进行故障识别,试验结果证明了该方法的有效性.     

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。     

神经网络及小波分析法在汽车发动机故障诊断中的应用研究

汽车发动机在使用过程中会出现一些故障,轻者会影响汽车安全运行,重者会导致交通事故,甚至人的生命安全。运用BP神经网络与小波分析法两种运算相结合的模式对发动机故障进行诊断,选择使用时间3年以上的汽车发动机进行实验,分别采集发动机在正常工作、进气管堵塞两种情况下的振动信号进行分析研究,确定了发动机故障的具体位置及严重程度,建立了波信号与发动机故障之间的规律,为汽车发动机故障诊断技术提供了借鉴。     

基于声强信号分析和组合神经网络的发动机故障诊断

建立了一个基于声强信号分析和组合神经网络的发动机故障诊断模型。该模型首先运用小波理论分析各类故障下发动机产生的声强信号,获取反映发动机工作状态的频带特征向量,然后将特征向量用于组合神经网络训练,进行故障模式识别。通过对3Y丰田2．0发动机的试验数据分析表明,这种模型可有效提高故障诊断的效率和准确率。     

基于小波神经网络的旋耕装置机械故障诊断研究

首先,介绍了小波变换原理及其在故障检测中的优势;然后,采用三层小波神经网络模型,构造了旋耕装置机械故障诊断模型;最后,从建立旋耕装置故障特征、提取故障特征向量,以及建立和训练小波神经网络模型等方面,实现了基于小波神经网络的旋耕装置机械故障诊断模型,能够实时完成对旋耕装置的机械故障诊断。通过验证与分析,证明了诊断系统的可行性和精确性。     

基于小波包能量谱和BP神经网络的转子系统扭矩激励识别

建立转子系统的扭矩激励与其电机电流耦合仿真模型,研究不同性质(阶跃、线性、暂态、正弦)扭矩激励下电机电流频谱特性,运用奇异值分解法剔除电流信号的工频成分,将除去工频成分后的不同性质扭矩激励下电机电流信号进行三层小波包分解生成能量谱特征向量,并设计优良性能的BP神经网络,将得到的电流信号的特征向量以及需要识别的扭矩激励类型输入BP神经网络训练,经试验数据验证表明:利用小波包能量谱和神经网络对转子系统电机电流分析可以实现转子系统扭矩激励的识别。     

基于RBF神经网络的滚动轴承故障诊断方法

应用径向基函数(RBF)神经网络建立特征向量与故障模式之间的映射关系。采用小波包分析技术构造滚动轴承特征向量。采用脉冲放电加工技术模拟滚动轴承早期单点故障,试验结果表明,采用小波包分析和神经网络结合的方法可以准确地实现滚动轴承的故障诊断。     

小波神经网络故障诊断系统的设计与应用

采用能量分布特征提取方法和优化BP算法，提出了一种基于小波变换和BP神经网络的故障诊断系统。利用该系统对汽车变速箱三挡齿轮磨损程度进行估计，诊断结果与实际完全吻合，表明该小波神经网络故障诊断系统的有效性。由于小波分析特别适用于非平稳信号的处理，因此该小波神经网络诊断系统对复杂机械设备的故障诊断有着广阔的应用前景。     

基于神经网络的发动机实时检测与故障诊断系统

提出了一种基于神经网络的发动机性能实时检测与故障诊断系统，其诊断的特点是利用各种传感器实时采集数据，结合人工神经网络，从不同的角度，不同层次进行诊断推理，并以神经网络来完成自学习功能，大大提高了诊断的效率，研究提出了实时诊断系统的各种抗干扰措施，通过实验验证，该系统具有较高的准确性，并且易于操作和使用。     

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。     

基于PCA-BP神经网络的齿轮故障诊断分析

介绍了基于主元分析(PCA)理论改进后的BP神经网络在拖拉机齿轮故障诊断中的应用;试验中以齿轮振动信号的频域特征为神经网络输入,齿轮的主要故障模式为神经网络的输出,发现训练过的神经网络能很好的满足齿轮故障诊断的要求。     

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BRBP神经网络的转子绕组匝间短路故障诊断方法

为了能更准确、容易地诊断出同步发电机转子绕组匝间短路故障, 提出了一种基于BRBP神经网络的故障诊断方法。该方法利用正常运行时不同工况下的机端电压、有功功率、无功功率和转子励磁电流来建立励磁电流的BRBP神经网络预测模型;利用该模型预测正常运行时所需励磁电流,与实测的励磁电流进行比较,相对误差超过阈值就诊断为发生匝间短路故障。通过微型同步发电机动模实验表明,该方法的精度优于BP神经网络法,并且参数设置简单、易于移植和训练速度快,对同步发电机转子绕组匝间短路故障的监测与诊断是有效的。     

模糊神经网络在农用机械故障诊断中的应用

根据农用机械的功能原理、组成结构和现场的实际经验,结合神经网络的学习能力及模糊推理能力构建出农用机械故障诊断系统.该系统具备了神经网络的自学习能力和模糊理论处理不确定信息的能力.通过仿真和实验结果表明,该系统能有效地进行农用机械样本模式的模糊量化处理,极大地改善了神经网络训练的收敛性,有利于农用机械的故障诊断.     

基于概率神经网络的水泵故障诊断研究

介绍了概率神经网络(PNN)的基本原理,并将其应用于水泵的故障诊断,以征兆诊断法为理论基础,以信号频谱中各阶倍频和分频作为智能诊断的特征因子,提取故障样本,进行PNN网络训练.结果表明,PNN可以克服反向传播神经网络(BPNN)学习收敛速度慢、易陷入局部极小值等缺点, 对传感器测量噪声具有较强的诊断鲁棒性,能够满足故障诊断快速和准确的要求,适用于在线检测,具有实际应用价值.