RBF神经网络在柴油机燃油系统故障诊断中的应用研究

本文主要介绍了径向基（RBF）神经网络在柴油机燃油系统故障诊断中的应用,并且首次将神经网络和虚拟仪器技术相结合,成功用于柴油机故障诊断中。比较了RBF和误差反传（BP）神经网络的学习速度和诊断精度。研究表明,将RBF神经网络和虚拟仪器相结合进行柴油机故障诊断具有良好的诊断效果和精度,有很好的工程应用前景。     

燃油供给系统的神经网络故障诊断算法研究

燃油供给系统是船舶的重要组成部分,也是保障船舶动力系统高效、安全运行的关键,它的作用是把符合使用要求的燃油输送到动力系统的高压油泵入口,为船舶柴油动力系统提供燃料。由于燃油供给系统含有大量的阀类元件和密封元件,且原油含有较多的杂质,因此,燃油供给系统常常会发生阀类元件阻塞等故障。本文针对燃油供给系统的结构原理和故障类型,基于BP神经网络算法提出一种燃油供给系统的故障诊断技术,并介绍了该故障诊断技术的流程。     

基于粗糙集理论的柴油机燃油系统故障诊断研究

针对柴油机燃油系统的故障种类多的特点利用小波方法对燃油波形进行分析,提取时域及频域的故障特征参数,并使用粗糙集理论对这些故障特征参数进行约简,达到简化故障识别的神经网络的结构、加快辨识速度的目的.最后用RBF神经网络对所模拟的各类故障进行辨识,证实了粗糙集理论在柴油机燃油系统故障诊断中应用的可行性.     

基于模糊模式诊断柴油机燃油系统故障

利用夹持式传感器检测高压油管外壁弹性变形,通过对高压油管油压波形进行分析比较,提取反映故障状态的特征向量,利用模糊模式识别技术诊断燃油系统的典型故障。     

基于神经网络和红外线成像技术的船用柴油机故障诊断方法研究

柴油发动机是通用船舶广泛使用的动力装置,在复杂恶劣的海上环境中,较易发生故障,传统检测方法主要依靠经验,故障定位较为耗时,其时效性差,需要进行改进。随着计算科学的发展,智能故障定位方法逐渐应用至船用柴油机故障定位系统中,如神经网络﹑模糊算法及大数据分析等。本文分析了船舶柴油机各功能部件,利用红外线对故障部件进行成像检测,设计了基于神经网络的柴油机故障诊断方法,最后对设计模型进行仿真分析。     

基于模糊神经网络的水下机器人推进系统故障诊断

为了解决水下机器人推进系统运行可靠性问题,提出一种基于模糊神经网络的机器人推进系统故障诊断方法,用以解决故障诊断过程中信息的不确定性问题,并提高推进系统的整体可靠性。该方法在常规神经网络基础上,引入模糊推理形成一种新型模糊神经网络结构,提出一种最小调整的模糊神经网络学习率,完成模糊神经网络训练算法的推导。通过对水下机器人实施定速直航与转向等试验完成神经网络的在线训练,利用已完成训练的神经网络对机器人进行运动建模。通过比对神经网络模型估计值与机器人传感器的实测值获取残差信息,并对残差进行故障信息提取以实现故障诊断。将上述方法应用于仿真试验中,结果表明,基于模糊神经网络水下机器人推进系统故障诊断方法具有较高的可行性和有效性。     

基于模糊神经网络的船用锂电池故障诊断的研究

本文针对锂电池组成的船舶储能系统,分析锂电池的故障模式和表现特征,建立基于模糊神经网络锂电池组故障诊断模型,通过实验数据进行模型训练并进行仿真。仿真结果证明所提出的模型的正确性,实现锂电池的故障预警,提高系统运行稳定性。     

模糊神经网络在故障诊断中的模型与应用

对一种地模糊神经网络的故障诊断方法进行了研究，探讨了模糊误字率攻模糊算了选择，以柴油示功图作为特征信号，构造了船舶主机故障诊断仿真系统，并给出了系统知识学习和模糊推理结果。     

ART网络在柴油机故障诊断中的应用

将人工神经网络应用于柴油机故障诊断，给出了一种利用自适应共振理论（ＡＲＴ模型）的故障模式识别方法及应用实例。     

P—5燃油系柴油机的故障诊断系统

介绍了针对Ｐ－Ｔ燃油系柴油机的特点和设计的一套便携式故障诊断系统。采用非接触定位信号,解决了无高压油管柴油机无法用提高高压脉冲传感信号来确定缸位的问题。实际应用表明,该系统在起动电流法测缸漏方面简便有效。     

RBF神经网络在柴油机燃油系统故障诊断中的应用研究

  目的  传统的高斯混合模型（GMM）算法存在收敛速度较慢的固有缺陷,容易产生过拟合现象,导致参数计算陷入局部最优,不能很好地用于船舶燃油系统的故障诊断。  方法  首先,分析GMM算法及参数估计算法,结合密度峰值聚类（DPC）算法,提出一种基于DPC-GMM算法的船舶燃油系统故障诊断方法;然后,通过训练船舶燃油系统状态所对应的高斯混合模型参数,实现对船舶燃油系统故障的无监督诊断;最后,基于获取的船舶燃油系统故障数据,验证该方法的有效性。  结果  实验结果表明,采用基于DPC-GMM算法的故障辨识准确率高、识别速度快,优于传统的反向传播（BP）神经网络和支持向量机（SVM）诊断算法。  结论  研究结果对船舶燃油系统的故障诊断有重要的指导意义。     

基于模糊神经网络的燃气轮机故障诊断专家系统研究

针对神经网络和传统专家系统在燃气轮机故障诊断过程中各自存在的局限性,提出了一种将模糊神经网络和专家系统相结合的方法.解决了以往专家系统专家知识获取困难和不能描述模糊性知识的缺陷.通过已开发的某型三轴燃气轮机运行模拟器取得典型的故障样本完成了对模糊神经网络的训练工作,最后选取一定数量的测试样本对网络进行了测试,证明了系统的可行性.结果表明,该方法行之有效,在燃气轮机故障诊断领域中有很好的应用价值.     

基于模糊规则的某型船舶柴油机故障诊断专家系统

基于模糊诊断技术,开发了NTA855-M350型船舶柴油机故障诊断专家系统。该系统根据故障征兆进行模糊运算,确定了故障原因,并对诊断结果通过维修反馈实现自学习功能。     

利用人工神经网络诊断船舶引擎冷却系统故障方法研究

首先介绍人工神经网络的原理,并且阐述神经网络进行故障诊断的优点;其次描述了利用人工神经网络进行船舶引擎冷却水故障诊断的流程:数据预处理;设计故障诊断系统的训练集合测试集以及诊断系统中输入量和输出量。最后通过实验仿真说明了人工神经网络能够较好的识别故障以及产生故障的原因。     

模糊神经网络在轮机故障诊断中的应用与研究

为了实现对某船用轮机的故障诊断,本文以某船用轮机故障数据为研究对象,基于模糊神经网络算法,制定了合适的误差模型,对故障数据进行特征识别。研究表明:模糊神经网络算法具有较高的鲁棒性,并且诊断成功率较高,可为工程实践提供参考。     

神经网络算法在船舶柴油机远程故障诊断系统的研究

进入21世纪以来,我国船舶行业取得了很大发展。随之而来,船舶安全事故发生率不断增加,故障诊断的重要作用也逐渐突显出来。在这种情况下,远程故障诊断技术应运而生,可动态化地掌握岸端的机械设备运行的情况,如果出现异常的状况,则能够对船舶管理工作人员进行提醒以采取事前维护,提高船舶行驶的安全性,尽量降低经济损失。基于计算机网络技术与无线通信技术的发展,船端和岸端实施通信与数据共享成为可能,将神经网络算法合理地应用于船舶柴油机远程故障诊断系统中,十分有必要。     

混合型专家系统在船舶动力装置故障诊断系统中的应用

介绍了一种基于人工神经网络的混合型专家系统及其在船舶动力装置故障诊断系统的应用。具体描述了混合型专家系统的基本原理,论述了船舶动力装置故障诊断系统的结构与功能。最后用一个实例说明混合型专家系统在船舶动力装置故障诊断系统上的应用。     

基于波形分析的双燃料发动机故障诊断

双燃料船舶是指同时可以使用燃油和燃气的小型舰船,相对于传统舰船,双燃料舰船能够协调动力系统的输出功率,降低动力系统的油耗,进而降低成本。为了提高双燃料舰船发动机的使用质量,有必要研究舰船双燃料发动机的故障诊断技术。本文采用了一种波形分析技术,通过Labview采集板卡和软件程序,采集双燃料舰船发动机的输出波形,通过小波变换等信号分析方法,在线获取舰船双燃料发动机的运行状态。试验表明,该方法具有较高的精确性。     

Application of fuzzy neural network to the nuclear power plant in process fault diagnosis

The fuzzy logic and neural networks are combined in this paper, setting up the fuzzy neural network (FNN) ; meanwhile, the distinct differences and connections between the fuzzy logic and neural network are compared. Furthermore, the algorithm and structure of the FNN are introduced. In order to diagnose the faults of nuclear power plant, the FNN is applied to the nuclear power plant, and the intelligence fault diagnostic system of the nuclear power plant is built based on the FNN . The fault symptoms and the possibility of the inverted U-tube break accident of steam generator are discussed. In order to test the system‘ s validity, the inverted U-tube break accident of steam generator is used as an example and many simulation experiments are performed. The test result shows that the FNN can identify the fault.