共查询到18条相似文献，搜索用时 500 毫秒
1.
本文提出了基于RBF神经网络进行汽轮机故障诊断的方法.首先建立了神经网络的诊断模型,然后利用某汽轮机的样本集对一个单隐层的RBF网络进行训练.最后,通过测试网络,验证该网络对于故障模式的识别准率较高. 相似文献
2.
变压器的故障诊断方法大部分以油中溶解气体为诊断基础,如目前较为常用的四比值法、三比值法等。但存在"编码盲点"、故障诊断准确度不够等问题。本文提出一种基于自适应RBF神经网络的电网变压器故障检测方案,算法输入层节点只会把信号传送到隐含层。在隐含层中,通常使用高斯函数来对所得到了输入向量响应。输出层则是使用一般的线性函数来对输出进行加权。这种模式是一种标准的前向网络模式,能够使得神经网络的输入空间与输出空间得到映射,进而为分类网络并实现函数逼近,提高了网络收敛速度。仿真实验结果表明,本文提出的自适应RBF网络在故障诊断的准确率以及诊断时间的表现皆优于BP、GA-BP神经网络,所在在变压器故障诊断时,可以优先考虑自适应RBF神经网络。 相似文献
3.
本文主要研究基于REF网络进行柴油机的故障诊断。采用newrb函数建立神经网络诊断模型,根据收集的某型号柴油机的样本集采用一个单隐含层的REF网络对样本进行训练。通过测试样本进一步验证该网络对于故障模式的识别准确率,得知基于REF网络对于船用柴油机故障检测方法是可行的。 相似文献
4.
5.
6.
将量子神经网络(QNN)方法应用到电网故障中,建立故障诊断模型。首先以保护装置和断路器的动作信息为条件属性集,建立电网故障决策表,然后将简化后的决策表作为训练样本,训练量子神经网络,使网络具有故障诊断功能。仿真实验结果表明,提出的算法有效提高了故障诊断的正确性和效率。 相似文献
7.
8.
针对当前电子器件故障诊断方法存在的弊端,以获得高精度的电子器件故障诊断结果为目的,提出了基于改进神经网络的电子器件故障智能诊断方法。首先对电子器件故障诊断的研究现状进行分析,找到引起电子器件故障诊断精度低的原因,然后提取电子器件故障诊断的特征,并采用核主成分分析对特征向量机进行去冗余处理,减少神经网络的输入向量数量,最后采用BP神经网络建立电子器件故障诊断模型,并采用蚁群算法对BP神经网络参数求解,并与其它方法进行了电子器件故障诊断测试,改进神经网络的电子器件故障诊断精度超过95%,而且电子器件故障诊断的速度非常快,获得比其它方法更加理想的电子器件故障诊断结果,具有广泛的应用前景。 相似文献
9.
10.
本文针对传感器在自动化系统中的重要性,指出了传感器故障诊断的必要性、可行性以及实现的基本方法。根据神经网络的原理与特点,阐述了RBF神经网络的基本理论和优点,提出了一种基于RBF神经网络用于传感器故障诊断的思路和方法。 相似文献
11.
现代伺服系统规模庞大,结构复杂,且通常工作环境恶劣,故障发生率高,故障诊断费时费力。为了提高伺服系统故障诊断定位效率,基于故障树分析和虚拟仪器技术相结合在LabView软件平台上开发了伺服故障诊断定位系统。设计了一种基于最小割集表示的等价故障树的,结合模拟退火粒子群算法对神经网络的训练进行优化,使其故障诊断定位响应时间和准确度都显著提高。最后实验证明所设计系统采用的分析算法能够快速准确的进行故障诊断定位,对故障诊断定位技术的发展具有一定的参考和实际意义。 相似文献
12.
13.
14.
针对配电网线路故障越来越多、越来越复杂的趋势,本文简单分析了当前配电网线路故障监测技术的应用现状,给出了系统故障定位的硬件与软件实现方案。对配电网线路故障自动监测诊断技术进行了开发与应用研究。在此基础上重点设计研究了配电网线路故障实时监测系统, 相似文献
15.
小波神经网络(Wavelet Neural Network)结合了小波变换及神经网络的优点,是一种基于知识的故障诊断方法,它不需要精确的数学模型,既具有良好的时频局部性质,又有较好的自学习能力和容错能力。本文介绍了小波网络及其在电力系统故障检测中的应用,通过EMTP仿真实验表明,小波网络与传统的人工神经网络相比,具有收敛速度快,鲁棒性强的特点,可以将小波网络应用于电力系统的故障检测。 相似文献
16.
The purpose of fault diagnosis of stochastic distribution control (SDC) systems is to use the measured input and the system output probability density functions (PDFs) to obtain the fault information of the SDC system. When the target PDF is known, the purpose of fault tolerant control of stochastic distribution control system is to make the output PDF still track the given distribution using the fault tolerant controller. However, in practice, time delay may exist in the data (or image) processing, the modeling and transmission phases. When time delay is not considered, the effectiveness of the fault detection, diagnosis and fault tolerant control of stochastic distribution systems will be reduced. In this paper, the rational square-root B-spline is used to approach the output probability density function. In order to diagnose the fault in the dynamic part of such systems, it is then followed by the novel design of a nonlinear neural network observer-based fault diagnosis algorithm. The time delay term will be deleted in the stability proof of the observation error dynamic system. Based on the fault diagnosis information, a new fault tolerant controller based on PI tracking control is designed to make the post-fault probability density function still track the given distribution, which is dependent of the time delay term. Finally, simulations for the particle distribution control problem are given to show the effectiveness of the proposed approach. 相似文献
17.
In this paper, the subspace identification based robust fault prediction method which combines optimal track control with adaptive neural network compensation is presented for prediction the fault of unknown nonlinear system. At first, the local approximate linear model based on input-output of unknown system is obtained by subspace identification. The optimal track control is adopted for the approximate model with some unknown uncertainties and external disturbances. An adaptive RBF neural network is added to the track control in order to guarantee the robust tracking ability of the observation system. The effect of the system nonlinearity and the error caused by subspace modeling can be overcome by adaptive tuning of the weights of the RBF neural network online without any requisition of constraint or matching conditions. The stability of the designed closed-loop system is thus proved. A density function estimation method based on state forecasting is then used to judge the fault. The proposed method is applied to fault prediction of model-unknown fighter F-8II of China airforce and the simulation results show that the proposed method can not only predict the fault, but has strong robustness against uncertainties and external disturbances. 相似文献
18.
电厂主汽温被控对象是一个大惯性、大迟延、非线性且对象变化的系统,基于BP神经网络的PID控制,利用神经网络的自学习、非线性和不依赖模型等特性实现PID参数的在线自整定,充分利用PID和神经网络的优点。用一个多层前向神经网络,采用反向传播算法,依据控制要求实时输出Kp、Ki、Kd,依次作为PID控制器的实时参数,代替传统PID参数靠经验的人工整定和工程整定,以达到对大迟延主汽温系统的良好控制。对这样一个系统在MATLAB平台上进行仿真研究,仿真结果表明基于BP神经网络的自整定PID控制具有良好的自适应能力和自学习能力,对大迟延和变对象的系统可取得良好的控制效果。 相似文献