模拟故障诊断中的容差处理方法研究

基于斜率故障模型的故障诊断方法较好地解决了线性电路的软故障和硬故障诊断问题,是一种很有价值的故障模型,但是容差问题使该方法不实用,基于此,给出了新的容差处理方法。首先斜率故障模型的公共点(由无故障时两个选定测点的电压值确定)不再是一个定值,而是在实际电路运行中获得,它包含了实际电路元件的容差信息。其次,受容差影响,元件斜率特征是一个扇形区域,该扇形区域可以通过计算或者仿真得到。该方法能较好地解决斜率故障模型中的容差问题。     

基于BP神经网络的模拟电路故障诊断研究

本文介绍BP神经网络在模拟电路故障诊断中的应用,对电路中的软故障进行诊断。对选定的待测电路在元件存在容差的条件下,仿真验证了BP神经网络应用于模拟电路故障诊断的可行性。     

模拟电路故障诊断的神经网络方法

提出了一种采用改进的ＢＰ快速算法实现模拟电路软故障诊断的方法。文中对构造神经网络交流故障字典的过程给出了详细说明，特别是隐层节点数确定，测试信号频率的优选及ＭＡＴＬＡＢ神经网络工具箱的使用。实例表明，人工神经网络技术可应用于有容差模拟电路的故障诊断。     

基于Kohonen神经网络的模拟电路故障诊断

研究了有容差模拟电路单故障诊断的有效方法，利用自组织特征映射神经网络的模式分类能力，通过选择合适的电路特征和有效样本，实现了非线性电路有效、快速的诊断，并通过实例加以说明。     

一种改进的线性容差电路的k-故障诊断

提出了一种改进的线性容差电路的k-故障诊断方法。与现有方法相比,较多地利用了已知的统计特性,缩小了电路可能的故障范围。同时,还证明了故障诊断与信号解卷积模型的相似性,将信号处理领域的方法引入线性电路故障诊断中。计算机模拟实验证实了该方法的有效性。     

参赛论文之一 零件的参数设计

０问题的提出一件产品由若干零件组装而成,标志产品性能的某个参数取决于这些零件的参数．零件参数包括标定值和容差两部分．进行成批生产时,标定值表示一批零件该参数的平均值,容差则是偏离其标定值的容许范围,若将零件参数视为随机变量,则标定值代表期望值,在生产部门无特殊要求时,容差通常规定为方差的３倍．进行零件参数设计,就是要确定其标定值和容差．这时要考虑两方面因素：一是当各零件组装成产品时,如果产品参数偏离预先设定的目标值,就会造成质量损失,偏离越大,损失越大;二是零件容差的大小决定了其制造成本,容差设…     

容差条件下的模拟电路故障诊断方法

指出了线性模拟电路中,测试点电压向量在故障状态下相对于标准状态下的变化量,其向量方向由故障元件在被测电路中的位置决定。证明了线性电路中节点电压灵敏度向量的方向能够反映故障元件的位置。结合节点电压敏感度向量的模反映故障元件参数变化量到测试点电压变化量的权重这一特点,以节点电压灵敏度向量为故障特征建立了故障字典。提出一种容差条件下的故障诊断判定算法,兼顾故障定位和元件的参数变化量,可以有效地实现模拟电路元件参数在一定容差范围内随机变化条件下的单一软故障诊断。仿真结果验证了该理论的正确性和方法的有效性。     

电路网络的故障诊断

本文提出了线性直流电路网络的故障诊断方法，分析了这种方法实现故障 诊断的条件，对含不可测点线性网络的故障诊断方法也进行了探讨。     

基于"透明"神经网络的模拟电路故障诊断

本文通过分析BP神经网络用于模拟电路故障诊断时的缺点,提出了一种新的神经网络．称为“透明”神经网络(TANN)．然后将TANN用于模拟电路子网络级故障诊断．并通过实例验证了该诊断方法的有效性．     

基于模拟退火算法的机车齿轮箱故障诊断系统

为了预测电力机车齿轮箱存在的潜伏性故障，设计了一种电力机车齿轮箱故障诊断系统。该系统通过VB调用Access数据库和基于模拟退火算法的BP神经网络模型，实现了对电力机车齿轮箱故障诊断的可视化操作。根据光铁谱技术原理，磨粒浓度的变化体现了齿轮箱内部的故障类型。因此，利用模拟退火的思想建立BP网络模型，收集电力机车齿轮箱的故障数据并进行归一化处理，处理后的数据作为网络的输入，故障类型的编码作为网络的目标输出。对模型进行了仿真和测试，结果表明该模型诊断电力机车齿轮箱故障准确率较高，可用于电力机车齿轮箱故障诊断系     

基于模糊神经网络的自动驾驶仪的智能测试方法

目前大多数理论方法和技术手段对自动驾驶仪的软故障诊断问题显示出较大的局限性,因此本文提出一种基于模糊神经网络的自动驾驶仪的智能测试方法。测试表明：采用模糊神经网络技术对自动驾驶仪的软故障进行诊断是有效的,具有实际的工程价值。     

基于小波神经网络的油泵故障诊断

依据小波神经网络技术的各种优点，提出采用三层BP小波神经网络构造故障诊断模型，对油泵进行故障监测和诊断。该故障诊断方法对神经网络训练、故障特征参数提取和对应神经网络状态输出等均实现了数据库管理，对油泵多种常见故障取得了满意的诊断效果，不仅具有特征自动提取以及较强的自学习和自适应功能，而且操作维护简便。研究结果表明：信号的小波分析和神经网络识别的融合将为油泵状态监测与故障诊断系统的建立提供新的方法和更简便的途径；对油库安全维护与故障诊断具有重要意义。     

粗糙集-神经网络集成的WSN节点故障诊断

提出一种粗糙集?神经网络集成的无线传感器网络(WSN)节点故障诊断新方法。根据无线传感器网络的应用环境和故障特征得到诊断决策表,利用改进的粗糙集中的归纳属性约简算法对诊断决策表进行属性约简,用Hamming网络建立一套故障分类的方法。仿真实验结果显示,该诊断算法在进行WSN节点故障诊断时,诊断准确性高,通信代价小,能耗低,鲁棒性高。     

基于遗传神经网络的工程造价估算方法研究

人工神经网络已经成功的运用到工程造价估算方法研究中,高度的鲁棒性和容错能力使它优于多元线性判别分析（MDA）、逻辑回归等方法（Logistic Regression）,针对传统的BP神经网络在工程造价估算方法中存在收敛速度慢和容易陷入局部最小值等问题,提出遗传神经网络的估算方法。将遗传算法和神经网络结合,充分利用两者的优点,使新算法既有遗传算法的全局随机搜索能力,又有神经网络的学习能力和鲁棒性。利用遗传算法的全局搜索能力,针对传统误差反向传播算法的不足,采用染色体编码对神经网络的权值和阈值等主要参数进行优化,通过仿真试验验证其稳定性和有效性,表明该算法在工程造价估算方法中具备较高的实用性。     

基于振动信号的柴油机HUMS研究

本文主要是研究柴油机的健康及运行监测系统(HUMS),并以连杆铜套磨损为例进行分析。利用基于神经网络和小波分析的故障诊断方法进行健康状况的定量识别。实验和仿真结果表明:对于各设定工况,诊断模型可以定量的识别出来,准确率达到100%;对于待定工况,诊断模型也可以给出定量的健康状况描述。从而使操作者能及时地了解柴油机的健康状况,并根据定量的输出结果对相应部件进行维护。     

大型企业电网随机谐振故障及诊断方法的研究

现代化生产使得大型企业对电网的安全稳定运行和电网故障的快速准确判断的要求越来越高。本文对电网的随机谐振故障进行系统的分析,同时也将目前电网故障诊断方法的优劣进行比较,分析总结电网故障诊断面临的问题与将来的发展趋势。