基于虚拟仪器和神经网络的旋转机械故障诊断

通过转子系统实验验证了利用频谱征兆进行旋转机械常见故障诊断的有效性,给出了神经网络建模的方法。     

应用BP神经网络方法的民航发动机故障诊断

发动机是飞机的心脏，要求具有很高的可靠性。基于此提出一种依靠BP（backward propagation）神经网络方法研究发动机各种故障征兆影响因素作用程度的方法，通过对相关的仿真数据分析，找出其中主要的故障因素，对民航发动机进行针对性的维修，并利用BP神经网络的自学习功能，为发动机的视情维修过程提出合理化的建议和依据。     

Elman 回归神经网络在航空发动机故障诊断中的应用

提出了一种基于Elman神经网络的航空发动机故障智能诊断方法。以在某型发动机地面定检状态下实测的数据作为样本数据,建立了航空发动机故障诊断模型,利用该模型成功地对实测发动机参数进行了诊断。研究结果表明:该方法对权值初始值选取、隐含层节点数选取和输入样本规范化处理等不敏感,具有学习速度快、诊断精度高等优点。     

小波神经网络在航空发动机故障诊断中的应用

针对某型航空发动机构建了转子-滚动轴承动力学仿真模型,并利用该模型构造了三种发动机故障样本.研究中采用松散型的小波神经网络,先对构造的三种故障信号进行小波包特征分析,提取其能量特征向量作为神经网络的输入,再采用改进的BP神经网络分类器进行发动机故障模式识别.仿真结果表明,基于小波神经网络的信息融合技术用于发动机的故障诊断是可行的和有效的.     

集成神经网络在智能故障诊断技术上的应用

针对单子神经网络的局限性提出了将神经网络技术集成用于智能故障诊断的思想,并对集成神经网络的诊断系统的结构和工作原理进行介绍.最后,给出一个基于两个BP子网的故障诊断系统的实例,详细介绍其诊断过程,并对其结果进行了分析.     

故障诊断的神经网络多重模型自适应方法

将神经网络与故障诊断的多重模型自适应方法相结合,提出了故障诊断的神经网络多重模型自适应方法,并对某型航空发动机控制系统传感器故障进行诊断仿真。仿真表明,该方法能够用来解决具有模型不确定性系统的故障诊断问题,同时,对未知的故障模态具有自学习能力     

卷积神经网络和峭度在轴承故障诊断中的应用

针对传统智能诊断方法依靠专家知识和人工提取数据特征工作量大的问题,结合深度学习方法在特征提取和处理大数据方面的优势,研究了一种基于卷积神经网络和振动信号峭度指标的滚动轴承故障诊断方法。该方法将深度学习应用于轴承故障诊断,提取滚动轴承正常状态、内圈故障、外圈故障和滚动体故障4种状态的振动信号,将振动信号分段处理得到峭度指标,使用数据到图像的转换方法将峭度指标转换为灰度图,送入卷积神经网络模型完成故障分类。在进行滚动轴承故障诊断的实验时,所提的模型诊断准确率达到99.5%,高于传统支持向量机(SVM)算法的95.8%。      

PSO-RBF神经网络在舵机系统故障诊断中的应用

文章建立了基于RBF神经网络的故障观测器模型,提出了一种将粒子群优化算法(PSO)与正则化正交最小二乘法(ROLS)相结合的2级RBF学习方法,并将该RBF网络观测器应用于导弹舵机系统的故障诊断.实验结果表明,基于该RBF神经网络的故障观测器能够有效地实现导弹舵机系统的故障检测.     

模糊自组织神经网络在航空发动机故障诊断中的应用

介绍了模糊自组织神经网络在航空发动机故障诊断中的应用方法,并通过实例验证了该方法在发动机故障分类中的实用性。该方法具有结构算法简单、无监督自学习和侧向联想等功能。它有很好的应用前景,可以广泛应用于发动机的故障诊断。      

人工神经网络在直升机故障诊断中的应用

直升机故障诊断中,针对BP网络训练时间长、抗干扰能力弱的问题,采用径向基函数网络和自组织竞争网络进行故障诊断.仿真表明,径向基函数网络可大大缩短网络训练时间,提高精度,自组织竞争网络使故障诊断的抗干扰能力增强.     

燃气涡轮发动机故障诊断的人工神经网络法

介绍了人工神经网络专家系统在航空涡轮风扇发动机故障诊断上的应用。通过一个高涵道比涡扇发动机故障诊断的实例分析, 验证了三层逆传播网络的可行性。非常令人鼓舞的诊断结果证明:神经网络的模糊联想特点、分布存储和并行处理能力以及对随机误差的抑制作用, 使其成为一个有效的和快速的方法。它有很好的应用前景, 并可广泛用于航空发动机的故障诊断。      

模糊超体神经网络及其在火箭发动机故障分离中的应用

提出了一种用模糊集表示火箭发动机故障模式的神经网络二次分离器,模糊集是由模糊超体聚集形成的集合体,模糊超体在一次分离中表现为由半径和球心确定的n维超球,在二次分离中是一个由夹角、球心和方向矢量确定的部分超球。神经网络二次分离学习算法与一次学习算法相比,提高了训练样本的分离精度,增强了神经网络对故障的敏感性。      

动态神经网络在液体火箭发动机故障检测与分离中的应用

应用动态神经网络在线辨识方法，提出了一种液体火箭发动机故障实时检测与分离基本系统。检测逻辑通过度量包含发动机故障信息的辨识残差信号实现火箭发动机故障检测，故障分离通过分析辨识误差相关函数的不同空间特征来实现。仿真研究表明动态神经网络可成功地应用于泵压式液体火箭发动机故障检测与分离。     

利用神经网络诊断火箭发动机的故障

首先简要地介绍了人工神经网络(以下简称神经网络)的BP学习方法。然后将BP学习算法用于火箭发动机的故障诊断。仿真实验的结果表明,神经网络完全可以用于发动机的故障诊断。     

基于神经网络及专家系统的混合诊断法

本文将神经网络与人工智能专家系统结合起来,利用神经网络的联想记忆能力对发生过的故障进行直接记忆和联想。利用专家系统的反向推理能力对联想产生的侯选故障进行验证。据此原理开发了一种更接近人类思维过程的诊断系统。      

应用神经网络识别液体火箭发动机的故障模式

本文以一个典型的泵压式液体火箭发动机（ＬＲＥ）为对象，考虑发动机的几种主要故障，建立了描述发动机静态工作过程的非线性方程组。用Ｈｏｐｆｉｅｌｄ神经网络模拟这些非线性方程组。用ＡＲＴ２网络识别故障模式。对该发动机，特别是涡轮泵故障的识别方法进行了研究。     

自适应变结构神经网络在航空发动机故障诊断上的应用

根据样本空间的内积特性,提出一种无需迭代学习的自适应变结构神经网络。它的特点是学习速度快,准确性高,且能根据出现的新样本,随时改变结构。在对某型航空发动机故障诊断中,比原软件包采用的方法在准确性方面有显着提高,而且维护工作量减少,并具有实时处理能力,因此有着良好的推广应用前景。      

基于概率神经网络的发动机故障诊断

 用反向传播神经网络 (BPNN)和概率神经网络 (PNN)对航空发动机若干原型故障进行定性的诊断,并将仿真结果进行了比较。仿真结果表明,当测量参数不包含噪声或噪声较小时,两种网络都具有很高的诊断准确率;当测量参数的噪声较大时,则概率神经网络的诊断准确率远大于反向传播神经网络,显示了概率神经网络较强的诊断鲁棒性。此外,概率神经网络能够充分利用故障先验知识,并考虑代价因子的作用,从而把误诊断可能带来的损失减小到最低程度。     

应用反推神经网络检测液体火箭发动机多维故障

基于可测参数所构成的参数模式对应着一定的发动机故障模式, 应用反推神经网络检测发动机多维故障, 方法的有效性由只有泵效率下降和喷注器阻塞同时发生的数值仿真得到验证      

ENGINE SENSOR FAULT DIAGNOSIS USING MAIN AND DECENTRALIZED NEURAL NET WORKS

ＡｎａｌｙｔｉｃａｌｒｅｄｕｎｄａｎｃｙｔｅｃｈｎｉｑｕｅｓｓｕｃｈａｓｅｘｔｅｎｄｅｄＫａｌｍａｎｆｉｌｔｅｒ,ｃｏｍｐｏｎｅｎｔｓｔｒａｃｋｉｎｇｆｉｌｔｅｒａｎｄｓｏｏｎｃａｎｄｅｔｅｃｔ,ｉｓｏｌａｔｅａｎｄａｃｏｍｍｏｄａｔｅｆａｉｌｕｒ...