机械故障诊断中的振动信号技术研究

本文提出一种基于分形指数理论和小波网络的船舶机械故障诊断方法。当故障发生时,船舶机械通常产生非平稳的振动信号。在本文提出的方法中,小波变换用于定位时间频域中振动信号的特征,并且在分形理论之间的小波变换的相互关系的视图中,从作为提取故障的特征的小波变换系数获得的全部和局部分形指数信号,其被输入到用于故障模式识别的径向基函数。改进的Levenberg-Marquardt(LM)优化技术用于完成网络结构参数。通过选择足够的样本来训练故障诊断网络,并且将表示故障的信息输入到需要训练的小波网络中,则可以根据输出结果确定故障类型。通过对定子温度波动和转子振动的实验表明,小波分形网络可以为船舶机械的故障诊断提供有效的方法。     

基于小波网络的故障诊断方法在军事系统中的应用

简要地介绍了基于小波网络的故障诊断方法,结合军事系统中的电力系统故障诊断问题,通过变尺度学习和训练建立了波网络,经过仿真试验,取得了满意的效果。进一步研究说明：小波网络的故障诊断在军事上的运用有其独特的优势,该方法在军事系统中有较广阔的应用前景。     

小波网络专家系统在船舶电站机组故障诊断中的应用

在故障诊断中,首先分析了柴油机冷却系统的故障机理,并得到其故障征兆集、故障原因及它们之间的关系.然后应用小波网络建立起故障征兆和故障原因的映射关系进行分类,主要利用小波网络的非线性映射功能对故障分类诊断.文中还利用专家系统的知识对小波网络的诊断结果给予解释,成为小波网络的有力补充.     

基于LSTM-FCN神经网络的船舶电力系统故障识别方法

船舶电力系统拓扑结构日趋复杂，故障种类繁多且不易区分。为确保继电保护动作的正确性，本文基于船舶电力系统故障录波数据，利用全卷积网络(Fully Convolutional Network, FCN)在局部特征提取上的优势，以及长短期记忆网络(Long Short-Term Memory, LSTM)在时序特征提取上的优势，提出了一种基于改进LSTM-FCN网络的故障诊断模型，并应用于船舶电力系统故障识别。依托PSCAD/EMTDC仿真软件对典型船舶电力系统各种故障进行仿真，通过小波变换对采样信号进行预处理。实验结果表明：本文所提出的故障诊断模型能够很好地对船舶电力系统故障进行分类识别。     

小波分析技术在故障诊断中的应用

小波分析是20世纪80年代中期发展起来的新的数学理论和方法,并已在实践中得到了广泛应用。本文对小波分析、小波分析与神经网络相结合的小波网络及小波分析与模式识别相结合在故障诊断中的应用进行了详细的介绍,最后指出了这一领域有待进一步研究的问题和发展趋势。     

基于BP网络的线性电路软故障诊断

线性电路的软故障诊断一直是个难点,BP神经网络可用于模式识别和分类。本文主要介绍了BP网络的基本算法、训练过程及其改进,分析了BP网络在模拟电路故障诊断中的实用性。     

基于小波网络的水下机器人推进器故障诊断

针对小波神经网络的隐层小波函数可以调节伸缩因子与平移因子影响网络输出的特点，将其伸缩因子与平移因子引入到最小扰动动态学习率的学习算法中。此算法通过计算动态学习率，使得小波函数的伸缩因子与平移因子以及网络连接权值的变化最小，这样便可提高小波神经网络的稳定性和收敛速度。使用这种小波神经网络对机器人建模，通过比较模型的输出（运动状态估计值）与实际测量值可得到残差，并分析残差提取故障判断准则，从而进行推进器故障诊断。仿真试验验证了该方法的有效性。     

基于小波网络专家系统的船舶电站机组故障诊断研究

船舶电站机组的动力学模型比较复杂,其动态模型难以精确得到,依据小波网络的非线性逼近能力的自学习特性,提出了用小波网络专家系统对船舶电站机组故障进行诊断的方法,通过对柴油机冷却系统的故障机理分析,得到其故障征兆集、故障原因及它们之间的关系,通过对系统计算机仿真和分析,结果表明,采用小波网络的收敛速度远远高于BP网络的收敛速度,改进后的小波网络算法有效的避免了震荡的出现,平滑作用明显.     

遗传算法和神经网络在船舶柴油机故障诊断中的应用

为提高船舶柴油机故障诊断的精度,以及改善神经网络收敛速度慢,易陷入局部最优解的情况。提出一种基于改进遗传算法和RBF神经网络相结合的智能诊断方法,并将其应用于船舶柴油机故障诊断中,改进的方法优化了神经网络的隐节点、宽度参数以及中心向量,用最小二乘法训练网络隐层到输出层的权值。最后在Matlab仿真软件下,对船舶柴油机故障诊断模型进行仿真实验。实验证明,自适应遗传算法优化的RBF神经网络,诊断速度快,诊断精度高,收敛效果好,能较好地应用在船舶柴油机的状态监测和故障诊断中。     

基于组合式BP网络的空压机故障诊断

针对空压机故障诊断过程中参数的多样性及复杂性,分别采用单BP网络和组合式BP网络两种方法对其主要故障进行建模和诊断。结果表明:采用组合式BP网络的故障诊断方法更加简单实用,能有效地提高空压机故障诊断的准确率。     

带有偏差单元的递归神经网络诊断方法在齿轮箱故障诊断中的应用

提出了带有偏差单元的递归神经网络方法,并将其应用到齿轮箱的故障诊断中．通过对齿轮箱的基本零件齿轮故障的设置,研究TBP神经网络的改进算法与带有偏单元的递归神经网络用于齿轮箱故障诊断的有效性。研究表明,带有偏单元的递归神经网络方法比BP网络训练速度快,精度要高,节省时间,能够精确实现故障定位。     

基于双树复小波包和PNN的柴油机故障诊断研究

针对传统小波变换在故障特征提取中的不足,提出一种基于双树复小波包和概率神经网络(PNN)的故障诊断方法。首先通过双树复小波包变换将各个工况的柴油机声信号分解得到不同频带的分量,选取各频带分量的能量作为特征向量,再利用PNN对特征向量进行训练,最后通过测试样本得到柴油机典型故障诊断结果。实验表明,该方法可以对柴油机典型故障进行较为准确的诊断,相比传统小波包有着更高的故障诊断率。     

基于小波网络的水下机器人故障诊断研究

由于水下机器人系统的复杂性、不确定性及强非线性等使得对其建模异常困难,采用一种最小调整的小波神经网络对其进行运动建模以获得理想的建模效果.通过该网络的自学习,调节小波函数的伸缩因子与平移因子以及网络连接权值,既能以任意精度逼近函数的整体轮廓,也能捕捉函数的变化细节,使得函数的逼近效果较好.对比模型的输出与实际传感器测量值来生成残差,通过分析残差特性来提取故障诊断判据,进而完成推进器故障诊断.完成了推进器故障诊断的仿真试验,仿真结果验证了该方法的有效性和可行性.     

基于LabVIEW的柴油机供油系故障诊断系统开发

基于虚拟仪器技术,利用LabVIEW7.1编写采集分析程序,并以Matlab Script节点形式调用在Matlab里训练成功后的BP神经网络程序,开发了柴油机供油系故障诊断系统。该系统由PCI-6221采集卡获取测取燃油压力波形,利用小波包分解提取特征信号,并组成特征向量输入训练成功的BP神经网络进行典型故障识别,诊断结果通过人机界面输出,从而实现了故障诊断的智能化。     

Hydrodynamic inline force prediction on vertical cylinders: a comparative study of neural network and its adaptive wavelets (wavenets)

The design of the neural network model and its adaptive wavelets (wavelet networks and wavenets) was used to estimate the wave-induced hydrodynamic inline force acting on a vertical cylinder. The data used to calibrate and validate the models were obtained from an experiment. In the brain, wavelet neural networks (WNNs) use wavelets to activate their hidden layers of neurons. In WNNs, both the position and dilation of the wavelets are optimized along with the weights. In one special approach to this kind of network construction, the position and dilation of the wavelets are fixed and only the weights of the network are optimized. In the present study, the neural network procedure and the above mentioned approach were employed to design a WNN, a so-called wavenet, using feed-forward neural network topology and its training method. Then, a comparison of these two methods was made. Numerical results demonstrate that both networks are capable of predicting hydrodynamic inline force. Furthermore, the combination of the neural network concept and the wavelet theory i.e. wavenet provides a more robust tool rather than standard feed-forward neural network, considering its more appropriate ability to predict any other data which the network had not experienced before. The results of this study can contribute to reducing the errors in future efforts to predict hydrodynamic inline force using WNNs, and thus improve the reliability of that prediction in comparison to the ANN and other methods. Therefore, this method can be applied to relevant engineering projects with satisfactory results.     

模拟电路故障诊断新方法探讨与展望

本文探讨了该领域中的一些新研究方法,主要包括神经网络、模糊理论、小波变换、遗传算法、信息融合等理论发展起来的新理论和新方法。对上述方法的基本原理、优缺点及发展现状进行述评,并预测了模拟电路故障诊断技术的发展趋势。     

基于神经网络的水下机器人推进器故障诊断

为提高水下机器人系统的总体可靠性,开展了推进器故障诊断研究。在三层BP神经网络的基础上,提出了一种改进的递归神经网络并推导了网络的训练算法。利用直航、转艏等试验对网络进行训练,将训练好的网络用于水下机器人运动建模,对比模型的输出与实际传感器测量值来获取残差,通过分析残差特性来提取故障诊断判据,进而进行推进器故障诊断。将提出的方法应用到仿真试验和海上试验中,得出了相应的试验结果。通过对试验结果的分析研究,验证了方法的有效性与可行性,同时也表明该方法在工程应用方面具有一定的参考意义。     

自动舵电路板神经网络故障诊断方法

为了实现对自动操舵仪电路故障的自动检测和诊断、达到降低维修成本和提高维修效率的目的,采用神经网络的方法,通过在电路板的输入端输入不同的测试序列,仅在电路板的输出端进行数据采集和特征提取,然后利用神经网络进行故障诊断,从而达到自动判断电路板好坏和定位常见故障元件的目的,避免使用探笔或夹具时因接错位置而不能定位故障的问题。采用该方法建立的故障诊断系统操作简单,使用方便,具有智能化、可视化的特点。     

基于FNN的船舶舵伺服系统故障诊断研究

分析某型船舶舵伺服系统的故障信息,建立了模糊神经网络故障诊断模型.利用模糊逻辑处理数据以便于充分利用经验知识;利用神经网络诊断,避免了复杂故障树诊断系统的"匹配冲突"、"组合爆炸"和"无穷递归"等问题,并采用改进的BP算法训练神经网络,解决了收敛速度和收敛振荡的问题.诊断实例结果表明:该故障诊断系统具有较强的鲁棒性和泛化能力;该算法采用无模型化诊断,容易实现自学习,可不断完善系统性能,具有一定的理论和工程应用价值.