SOM神经网络在卫星电源系统故障诊断中的应用

研究了自组织特征映射（SOM）神经网络的结构及学习算法，提出了利用SOM神经网络对输入样本的“聚类”作用，实现对故障模式的分类，并据此对故障进行诊断的新方法，通过对某卫星电源系统故障的诊断实例，验证了该方法是有效可行的，能对卫星电源系统的故障进行准确的实时诊断。     

多重分形谱在材料分析中的应用研究

基于多重分形谱的物理意义，通过图像分析与处理技术，利用Delphi语言设计了图像结构的多重分形谱的计算程序。通过程序中图像黑白二值化转化阈值的设定，实现了从材料组织结构形貌图像上提取其相应的概率测度和标度指数的功能，并计算了它们的多重分形谱。分析表明：在对材料的组织结构进行研究的问题中，多重分形谱是一种有意义的表征参数，能够从多分形角度对材料的组织结构开展定量化的分析与解释。     

惩罚函数法在发动机性能计算中的应用

按照涡喷发动机工作时遵守的气动热力学定律，建立了发动机的稳定数学模型，并针对双轴涡轮发动机性能计算的非线性数学模型，利用优化和最优控制理论中的惩罚函数法，对发动机性能进行了基于约束的最优求解程序设计，利用程序对某型发动机的稳定飞行特性进行了计算，计算结果表明，使用惩罚函数法求出的特性曲线变化规律正确，发动机平衡方程的解的精度更高，在此基础上得出的发动机飞行特性也更准确。另外惩罚函数法对初值的要求很低，迭代运算不易发散。     

调制信号双谱在滚动轴承故障诊断中的应用研究

如何从噪声中提取有效的故障特征频率,如何有效地解调振动信号中固有的调制分量,这种问题的存在影响诊断的精确性。为了解决这一问题,应用调制信号双谱(Modulated signal bispectrum, MSB)的信号处理方法,开发了基于信号解调特性的MSB来进行解调和降噪。首先将采集到的振动信号,使用MSB方法进行降噪和解调,得到调制信号双谱图;为准确地量化边带幅度,使用调制信号双谱-边带估计器(Modulation signal bispectrum-sideband estimator, MSB-SE)进行处理;通过选择几个次优的切片构成最佳的切片;最终,通过复合切片谱实现故障特征频率的提取,为进一步验证MSB的准确性,并用调制信号双谱相干性检测。通过对模拟信号及滚动轴承故障实验数据进行分析,验证了该方法的有效性和优越性。     

模糊聚类在特征选取中的应用

提出了一种基于模糊聚类算法的高维特征选取方法。首先,利用Bhattacharyya距离过滤样本类别无关的特征;然后,基于递归特征剔除过程,提出了基于模糊迭代自组织数据分析技术(Interactive self-organizing dataanalysis technique,ISODATA)聚类方法,以样本与聚类中心的加权距离作为可分性指标,产生候选特征子集;最后,以候选特征子集分类和聚类的接受者操作特征曲线下面积(Area under the receiver operating characteristiccurve,AUC)值和正确率作为目标函数,确定最佳特征子集。将该方法用于选取5个基因表达谱数据集的特征基因,结果显示该方法所选特征具有较好的分类和聚类能力,说明了提出的特征选取方法的有效性。     

神经网络BP算法在滑油系统故障诊断中的应用

通过介绍神经网络反向传播算法(BP)的原理,研究BP算法在航空发动机滑油系统故障诊断方面的应用。BP算法因其高度的非线性、模拟的并行性、高度容错性、系统健壮性、自联想、自学习和自适应等许多特点,在航空发动机滑油系统调试和系统的监测及诊断中发挥较大的作用。     

基于模糊Petri网的设备故障诊断新方法研究

专家系统用于计算机数控（CNC）设备的故障诊断日益受到人们的重视。为了能够解决故障现象的模糊性，本文将模糊理论与Petri网结合，建立了模糊Petri网（FPN）理论体系。引出了FPN转移被激发规则，确定了FPN的动态运行过程。应用FPN能够清楚地表达与或树、产生式规则等知识表达形式。基于FPN理论，建立了CNC设备故障诊断专家系统（CNCM-FDES）。该系统由知识库系统、知识库管理系统、诊断推理机制、诊断过程解释机制、故障评价、故障决策与入机界面组成。文中分别介绍了该系统的各个组成部分。     

采用模糊RBF神经网络的直升机旋翼不平衡故障诊断

提出一种利用模糊径向基函数(Radial basis function,RBF)神经网络进行直升机旋翼不平衡故障诊断的方法,建立了用于直升机旋翼不平衡故障识别的模糊诊断模型。基于直升机旋翼不平衡故障模拟实验,对采集于旋翼配重不平衡、桨距不平衡、后缘调整不平衡和正常状态下的试验台体振动信号进行功率谱分析,并采用主分量分析(Principal component analysis,PCA)的方法进行故障特征提取。采用模糊RBF神经网络诊断模型对旋翼不平衡故障进行了故障分类识别,同时分析了不同主分量累计贡献率和模糊子空间对故障分类精度的影响,并与RBF神经网络的诊断模型、支持向量机(Support vector machine,SVM)诊断模型进行了故障识别效果对比。结果表明,模糊聚类RBF神经网络的诊断方法对旋翼不平衡故障具有更好的识别能力。     

发动机磨损故障的集成神经网络融合诊断

针对发动机试车过程中的磨损故障诊断问题．本文运用了四种最常用的润滑油分析技术——铁谱分析、光谱分析、颗粒计数分析及理化指标分析，同时结合发动机试车台监测数据，提出运用集成神经网络对发动机试车状态进行融合诊断的方法。首先依据各种分析方法的标准磨损界限值，将原始数据进行了预处理，统一转换成故障征兆的布尔值；其次，建立各子神经网络的拓扑结构，并依据专家经验建立各子系统的输入征兆与故障论域的映射关系，从而得到各子神经网络的训练样本．对各网络进行成功训练后，利用神经网络实现各子网络的诊断并得到中间诊断结果；然后，通过建立合适的权重矩阵．利用模糊综合决策理论，时集成神经网络的诊断结果进行综合，从而得到最终的融合诊断结果；最后，运用一个算例表明了本文方法的有效性。     

利用Gaussian型RBF网络进行函数逼近的构造性估计

前馈人工神经网络有着极其广泛的应用，如何估计隐层神经元数及相应的逼近误差，一直是确定前馈网络结构的难点和关键。RBF网络是一种最重要的前馈网络，本文给出了利用Gaussian型RBF网络逼近连续函数或Lebesgue-可积函数时的构造性隐层单元数显式估算式及相应的显式逼近误差估算式。文中的结论也易于推广到离散样本的情形。这些结论对于提高Guassian型RBF在实际应用时的计算精度和减少计算量具有一定的指导意义。     

竖炉焙烧过程智能故障诊断系统

针对赤铁矿石竖炉焙烧过程故障诊断问题,将专家系统、神经网络与案例推理技术相结合,提出了由故障预报、质量监督、故障分析与处理模块构成的竖炉焙烧过程智能故障诊断系统。讨论了系统的体系结构、功能及实现方法,并成功应用于中国最大的赤铁矿选矿厂的竖炉焙烧过程。经过现场运行,故障诊断准确率达到90%,设备运转率提高了2．98%。工业应用结果表明,本文提出的智能故障诊断系统对竖炉焙烧这类复杂工业过程的故障诊断可行。     

基于模糊故障树理论的液压系统故障诊断方法研究

针对液压系统故障的多发性、故障在封闭回路中的传递性、设备构造的复杂性等特点,通过对现有故障诊断方法的分析,提出了基于模糊故障树理论的故障诊断方法。以泵控马达系统为研究对象,通过分析该系统的故障形式,建立了该系统的模糊故障树,进行了量化分析和算法研究,介绍了模糊故障树方法的原理、方法和特点。研究表明,这种方法较之传统方法实用、有效     

人工神经网络在电解加工阴极设计中的应用研究

将人工神经网络分析方法应用于电解阴极设计中，将工件曲线和ｃｏｓθ法求得的初始表极曲线构成的加工间隙用简单三角莆单元进行网格剖分，然后以神经单元取代有限元单元和节点，用人工神经网络求解描述极间电位分布的拉普拉斯方程。采用逐层求解电位分布和将电位误差转换为位置误差的方法，实现由工件形状直接设计电解加工阴极。     

旋翼变距拉杆关节轴承磨损故障特征及磨损程度识别

在旋翼故障试验台上设置不同程度的变距拉杆关节轴承磨损故障,分别测量其引起的机体振动信号,通过频谱分析技术提取该类故障的机体振动特征。取故障信号频谱分量作为训练和测试样本,利用径向基神经网络的良好逼近能力,实现了仅用机体振动信号来识别变距拉杆关节轴承磨损程度,识别平均误差小于10%。该诊断方法简捷可行,为进一步开发旋翼状态监测与故障诊断系统提供技术基础。