基于图像分析理论与技术的铁谱诊断方法研究

文章针对铁谱图像处理、应用的局限性,提出了对彩色铁谱图像进行处理、定量化和识别研究的新方法,设计了一种可用于船舶柴油机等摩擦系统状态监测的铁谱图像处理与识别系统(FIPRS).实验结果给出了该系统分类识别的效果,可显著提高磨损状态监测与故障诊断的准确性和自动化水平,具有较高的应用价值.     

船舶设备故障智能诊断通用平台的研究

针对目前的诊断系统大多是面向单一的诊断对象和诊断方式，此文提出故障智能诊断通用平台的概念，建议采用Matlab和VC混合编程、BP神经网络同专家系统相结合构造知识库，以通过此平台实现全船设备的故障诊断。     

基于模糊神经网络的导弹故障智能诊断方法

采用模糊神经网络技术并辅以其他的诊断方法模块,利用协同计算机技术,能够对导弹武器系统进行实时在线和离线的故障进行智能诊断。研究表明,这是一种提高导弹武器故障诊断智能化的可行方法。     

舰船用柴油机故障在线智能诊断研究

通过对目前机械故障诊断，特别是对各种柴油机故障诊断理论和技术方法的综合研究，结合舰船上常用的柴油机的特点，提出了用应变片采集缸盖振动的应变响应、用局域波理论实施非平稳信号分析的在线智能的故障诊断新思路，并给出了这种方法的基本原理、主要内容以及实施方法。     

基于自动阈值与数学形态学的铁谱磨粒图像分割方法研究

文章提出了一种基于数学形态学与自动阈值法相结合的铁谱磨粒图像分割方法。此方法通过对自动阈值法处理后的铁谱磨粒图像进行形态学运算来获得更好的处理结果。试验结果表明,自动阈值分割法能有效的提取磨粒图像的特征,之后的形态学运算成功的去除了用自动阈值法处理的图像中的噪声点,获得了更可靠的图像信息。有助于实现铁谱磨粒的自动识别。     

基于SPSS的柴油机台架磨合油铁谱数据的分析与处理

文章主要是基于SPSS的统计分析功能,对从柴油机润滑系统中定期、持续地采集油样进行铁谱分析的数据进行分析与处理,获得反映柴油机台架磨合过程的多种状态信息,判断柴油机台架磨合质量和发展变化趋势。     

神经网络技术在缸套磨损研究中的应用

针对缸套磨损量展开了仿真研究。仿真系统是基于轮机主机日志等资料,研究轮机人员常用的监测参数的累积效应,整理得出包含多个输入参数和单一输出参数的应用模型,利用人工神经网络理论,找到输入与输出之间的映射规律。     

基于BP神经网络的煤矿电机故障诊断预测

电机软故障辨识诊断一直是困扰电机维修工程师一大难题。引入BP神经网络概念,利用采集到的样本数据训练BP神经网络,得出最优网络模型。通过典型故障状态参数测试新方法的辨别能力。结合对煤矿电机参数的训练测试,通过仿真实验验证了这种新方法对电气故障诊断的有效性。     

基于BP神经网络和案例推理的装备故障诊断研究

分析了BP神经网络和基于案例推理（CBR）在故障诊断领域应用中的优点、局限性和互补性,设计了二者相结合的装备故障诊断模型,通过某型装备的故障诊断实例,验证了该算法的有效性。     

基于电路仿真的BP神经网络故障诊断技术研究

某型末制导雷达系统复杂、难于建立精确数学模型,因此采用常规方法对其进行故障诊断难度较大。而采用Multisim软件对其接收组合中的和路视频放大器电路进行仿真,再由实测样本数据训练BP神经网络的方法可较好的将故障定位到元器件级别。     

一种基于神经网络的故障诊断新方法研究

针对电子设备故障诊断的问题,在研究分析模糊理论和神经网络的原理和特点的基础上,提出了一种模糊神经网络故障诊断方法,实现两者优势互补,并将全信息理论应用其中,为实现人工神经网络能在人类智能模拟深度上有新突破进行了有意义的探索。     

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。     

智能化故障诊断系统的研究与开发

基于神经网络轴系智能化故障诊断系统的开发技术，讨论了BP神经网络和自组织神经网络在轴系故障诊断中的应用特点，提出以PC为核心的扭振主号采集处理和标准样本的建立方法，介绍诊断系统的软件结构、模块功能、混合编程与接口技术、诊断流程和软件特点。实际应用表明，智能化故障诊断系统是船舶轴系扭振监测与故障诊断的一种有效工具。     

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.     

基于故障树贝叶斯网络的装备故障诊断方法研究

针对复杂系统故障诊断的难点,通过某装备信息机的实例给出了一种基于故障树贝叶斯网络的故障诊断方法。该方法通过结构转变、证据传播,采用局部计算进行故障概率推理,不仅使FBN故障概率推理简洁易行,而且使FBN故障概率推理的复杂性大大降低。     

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LM算法的组合导航系统的故障诊断

LM (Levenberg-Marquardt)算法是梯度下降法与高斯-牛顿法的结合,在训练次数与精度上明显优于标准的BP算法.介绍了BP神经网络,采用LM算法对标准BP算法进行改进,并应用于船舶组合导航系统的故障诊断.仿真结果表明,LM算法可有效地提高学习速度,缩短训练时间,诊断效果好.