人工神经网络的船舶引擎冷却系统故障诊断方法研究

以船舶故障诊断作为应用背景,对人工神经网络在船舶冷却系统故障诊断中的应用进行研究。首先对船舶引擎冷却系统进行介绍;然后介绍人工神经网络的基本知识,给出基于人工神经网络的船舶引擎冷却系统故障诊断方法。该方法选用BP神经网络模型,并利用LM算法来提高方法的收敛速度。实验结果表明,本文给出的方法具有较高的计算能力和准确率。     

基于FTA-FMEA联合法综合诊断电子设备故障

研究将可靠性分析理论应用于电子设备的故障诊断,首先将电子设备的故障诊断划分为模块级和器件级两个层次,利用FTA方法简化模块级诊断的搜索和推理策略,利用FMEA方法建立器件级诊断中的故障字典,两种方法的结合使用,有效提高了诊断效率。     

基于多源信息融合的柴油机故障诊断方法

为提高柴油机这一复杂系统的故障诊断精度,在采集缸盖声发射信号、缸盖振动信号和机体声发射信号特征信息的基础上,利用3个BP神经网络进行局部诊断并获得证据体,对各证据体应用D S证据组合规则进行决策融合。针对D S证据理论在处理冲突证据时存在的局限性问题,提出一种多源加权融合的故障诊断方法。该方法利用各证据体对命题识别的正确率和证据体之间的距离对各证据体进行修正。故障模拟试验表明:提出的方法可提高柴油机的故障诊断精度,充分验证其应用在柴油机故障诊断中的可行性。     

基于模糊神经网络和D-S证据理论的故障诊断方法研究

提出一种基于模糊神经网络和D-S证据理论的故障诊断方法。该方法利用模糊逻辑和神经网络的优势，通过数据融合充分利用各种信息，提高诊断的精度。经算例证明，该方法可靠、有效，对于复杂装备的故障诊断有一定意义。     

基于模糊神经网络和D-S证据理论的故障诊断方法研究

提出一种基于模糊神经网络和D-S证据理论的故障诊断方法.该方法利用模糊逻辑和神经网络的优势,通过数据融合充分利用各种信息,提高诊断的精度.经箅例证明,该方法可靠、有效,对于复杂装备的故障诊断有一定意义.     

基于D-S证据理论的直流电机故障诊断研究

多传感器、多手段检测的信息融合技术在电机故障诊断中的应用日益广泛。提出了一种基于D-S证据理论和BP算法的故障诊断方法,给出了基于BP神经网络和D-S证据理论的多传感器数据融合技术的直流电机故障诊断方法,首先通过分析直流电机的故障机理,得到电机在不同故障情况下表现的信号特征,然后利用多源信息间的冗余性和互补性,有效提取故障特征信息。将该方法应用于某型船直流电机的故障诊断,结果表明,该算法提高了故障诊断的可靠性和灵敏度。     

卫星图像辅助测绘技术在港口工程地形测量中的应用

随着卫星遥感技术的不断发展,卫星图像的精度和清晰度越来越高,利用公用卫星图像辅助测绘小比例尺地形图成为可能.以某港口工程项目为例,研究利用卫星图像辅助测绘技术绘制小比例尺地形图的方法,探讨其具体操作流程和主要技术问题,提出相关实用性建议.     

基于输出电压和电源电流的模拟电路故障诊断

为了提高模拟电路故障诊断的准确率,要尽可能的采集有效故障样本信息作为 BP 神经网络的输入。提出利用输出电压和电源电流信息融合的方法进行模拟电路故障诊断。收集输出电压和电源电流的故障样本集,然后作为 BP 神经网络的输入对网络进行训练和判断。利用不同故障对输出电压和电源电流的影响不同,能减少故障特征的重叠,提高模拟电路的故障诊断正确率。仿真结果表明利用输出电压和电源电流信息融合的方法比单纯利用输出电压或电源电流进行诊断准确率和速度都有明显提高。     

基于多Agent的分布式信号流模型故障诊断方法研究

针对大型复杂电子设备故障诊断问题,在叙述常用智能故障诊断方法手段基础上,利用Agent技术,提出了多Agent的分布式信号流模型故障诊断方法,综合采用系统故障D矩阵,利用分布式数据采集并实时诊断,结合数据融合和冲突消解算法,最终得出相对合理的诊断结果,较好的解决了复杂电子设备故障诊断难的问题。     

基于G2专家系统的状态监测与故障诊断系统

G2专家系统是一种成熟的故障诊断技术,以其强大和稳定的推理能力得到广泛应用。本文提出一种基于G2专家系统的状态监测和故障诊断方法,在异常情况下辅助现场操作人员进行故障诊断和决策,对提高装置安全性和可靠性具有重要意义。本文在对装置的状态监测与故障诊断方法深入分析研究的基础上,以某装置为监测与诊断对象,研究并开发了基于G2专家系统的状态监测和故障诊断系统。     

基于模糊神经网络的RT-flex柴油机燃油系统故障诊断

介绍了RT-flex 60C柴油机燃油系统的常见故障类型,针对其故障类型提出了以传统的BP神经网络为主,利用模糊理论作为补充的一种智能故障诊断方法。建立了基于模糊BP神经网络的故障诊断模型,并运用MATLAB软件进行了仿真测试研究,阐明了该方法的有效性。     

粗糙集理论在装备故障诊断中的应用

针对目前部队的装备故障诊断能力较弱的现状,通过几种故障诊断方法的比较,选取出粗糙集作为装备故障诊断方法,从而对已得到的装备状态的测试数据进行分析,利用粗糙集的约简算法消除冗余信息,利用决策表的形式从不完备的、不精确的测试数据中导出诊断规则,并应用于某型电台装备中进行故障诊断。结果表明,诊断结果快速准确,为今后进一步研究粗糙集算法在故障诊断中应用提供了依据。     

基于Pspice仿真的某型装备电路故障诊断方法

利用Pspice仿真软件,研究了某型装备电路故障诊断的方法,设计了虚拟测试设备以实现对电子线路的测试与诊断。并结合该装备的电源板控制电路,详细说明了故障诊断的具体方法和步骤,为电路测试与诊断提供了一种新的思路。     

基于 GO-FMEA 法的远程火箭炮随动系统故障诊断

针对远程火箭炮随动系统故障诊断复杂和时序性要求高等问题,论文引入 GO 法分析其可靠性,得到模块故障概率。根据模块故障概率值大小,优先利用 FMEA 法建立故障字典,对模块故障进一步分析,确定检测顺序。两种方法综合使用,优化了故障分析流程,提高故障诊断效率。     

利用声振监测技术识别气缸压力时域波形的研究

利用数字信号处理技术探讨了应用振动信号对内燃机缸内工作过程进行故障诊断的可行性，提出利用振动信号时域恢复气缸压力波形的理论和方法，并对该方法在故障诊断中实际应用作了论述。     

同时提高测速和测高精度的小卫星SAR编队构形

针对主星伴随小卫星SAR的干涉几何关系,在分别给出其测高和测速原理的基础上提出了多基线干涉提高测高精度的方法和利用对称性解耦合提高测速精度的方法.利用仿真结果对两种方法的有效性进行了验证.最后将两种方法综合运用到分布式小卫星的空间编队构形中,给出了一种空间编队构形,对编队构形优化设计具有重要意义.     

支持向量机在船舶电力推进系统故障诊断中的应用

针对人工神经网络收敛速度慢、容易陷入局部最优解等不足,本文采用支持向量机技术建立船舶电力推进故障诊断系统。确定支持向量机的核函数和分类方法,结合训练样本,采用基于网格搜索的K重交叉验证法进行核函数的参数优化,从而得到支持向量机故障诊断模型。利用支持向量机工具箱函数,在MATLAB中进行故障诊断模型的仿真计算,结果表明基于支持向量机所建立的故障诊断模型有较强的诊断准确性和泛化推广能力,从而提高船舶的安全性。     

基于参数优化的舰船电动机故障诊断

相关向量机在舰船电动机故障诊断过程中,参数直接影响舰船电动机故障诊断结果,为了解决当前相关向量机参数优化难题,设计了粒子群算法优化相关向量机的舰船电动机故障诊断方法。首先分析舰船电动机故障诊断现状,并采集舰船电动机工作状态信号,然后提取舰船电动机工作状态信号提取特征,利用相关向量机建立舰船电动机故障诊断模型,并采用粒子群算法对舰船电动机故障诊断模型参数进行优化,最后进行舰船电动机故障诊断仿真实验。结果表明,相对于其他舰船电动机故障诊断方法,本文方法的舰船电动机故障诊断精度更高,故障诊断结果更加可靠,诊断效率更高,具有一定的工程应用前景。     

面向CBR的案例库组织与快速检索方法

用面向对象的知识表示方法实现案例表示,用分层组织结构完成案例库组织,采用距离相似度计算方法实现案例间的相似度的计算,提出类选、粗选、精选三步走的案例检索方法。以防空火炮的故障诊断为例,验证了快速检索方法的有效性,提高故障诊断效率。     

基于BP神经网络的故障诊断技术在装备维修中的应用

传统故障诊断方法在装备保障中的诸多局限性。文章介绍了基于BP模型的神经网络,研究了基于BP模型神经网络的故障诊断推理方法,并利用Matlab仿真软件对结果进行了运行和计算。结果证明,基于BP神经网络的故障诊断技术对装备故障诊断是行之有效的。