共查询到20条相似文献，搜索用时 31 毫秒
1.
2.
3.
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
4.
通过收集多跳自组织网络下无线传感器故障历史数据,然后利用支持向量机对故障类型与特征之间关系进行建模,支持向量机参数通过遗传算法优化,同时利用云计算对遗传算法性能进行改善,防止神经网络训练时出现收敛速度慢和陷入局部极小等缺陷。仿真实验表明,相对于其它多跳自组织网络下无线传感器故障诊断模型,CGA-SVM提高了多跳自组织网络下无线传感器故障诊断正确率,能够满足多跳自组织网络下无线传感器故障诊断的要求。 相似文献
5.
对汽轮机典型的振动类型和振动故障的诊断技术进行了研究。根据故障诊断方法在信号处理与理论模型的不同,将诊断技术分为,基于信号处理的诊断方法、基于知识的诊断方法、基于解析模型的诊断方法、基于离散事件的诊断方法。研究表明,基于各种故障诊断方法在检测信号、知识获取、识别故障位置及适用条件等均有不同的优势和侧重。 相似文献
6.
大型云计算联合服务器中故障节点的快速挖掘模型构建可以实现对云服务器故障的准确定位和检测。传统方法中采用协议堆栈对节点进行约束与管理,达到故障节点快速挖掘的目的,然而该算法在Sink节点位置部署考虑欠好,在通信传输中很容易相邻节点信道间频谱主瓣重叠,故障节点挖掘性能不好。针对这一问题,提出一种基于正交通信信道载波均衡的云计算联合服务器故障节点快速挖掘算法,建立故障节点信息融合模型,进行特征分析,在信息融合过程中,组成新的云计算联合服务器接收端和发射端故障节点定位训练序列,构建基于OFDM系统的等效基带故障节点挖掘模型,通过正交通信信道载波均衡实现云服务器故障节点的快速挖掘。仿真结果表明,该算法在复杂云计算环境下,能实现对故障节点的准确定位,挖掘性能较高,检测概率较高,优越于传统模型。 相似文献
7.
变速箱是机械设备的重要组成部分。由于机械设备的特殊运行条件和运行环境使得变速箱中齿轮副、轴、轴承等常发生故障。因而随着科学技术的发展,对变速箱实施故障诊断,显得尤为重要。而故障诊断的前提是对于故障特征信号的提取。近年来,模糊故障诊断技术在故障诊断和特征提取方面的应用也越来越多。利用故障模糊诊断技术,通过对齿轮在运转时产生的振动信号进行特性分析,来诊断齿轮系统的故障。 相似文献
8.
《科技通报》2016,(6)
大型机械设备组成结构复杂,容易产生故障,通过对大型机械设备的振动系统故障诊断,提高大型机械设备的稳定运行性能。传统的故障诊断方法采用海量振动样本特征数据聚类分析方法进行故障分类和诊断,诊断性能受到振动数据样本采集和环境的特征的限制,故障检测效果不好。提出一种基于大型机械设备振动系统故障特征专家系统构建的故障诊断模型,并采用abaqus软件进行仿真分析。构建故障诊断专家系统,包括对模糊数据库、模糊知识库和模糊推理机的构建,设计故障诊断的神经网络模糊控制学习算法,通过设计人机结构,实现对大型机械设备振动系统故障的准确推断决策。利用abaqus软件在计算机上建立测试虚拟样机,实现故障诊断在线模型仿真,了解复杂机械系统设计的故障运行性能。仿真结果表明,该系统能有效提高对大型机械设备振动系统的故障诊断能力,实现智能故障诊断控制和自适应故障处理,在机械状态监测等领域具有较好的应用价值。 相似文献
9.
10.
11.
12.
13.
如何能够在云计算环境下发现、获得有效的资源是目前数据挖掘的重要研究方向,针对云计算下的Aprior算法存在的负载度强和存储空间大的缺点,提出了对云计算模型MapReduce模型进行改进,并在此基础上改进FCM算法,将数据挖掘过程分为Job1,决策,Job2三个阶段,改进后的FCM能够更加的适应云计算下的数据挖掘,通过在Hadoop平台上的实验说明本文的算法提高了效率。 相似文献
14.
15.
16.
17.
在当前的线性故障诊断中,故障特征属性往往较为复杂,形成较大的属性差异化特征,并且包含大量的随机噪声。为了解决故障信号的清晰化问题,提出一种差异化故障信号的计算机特征还原技术。利用一种小波复原技术,附加贝叶斯故障信号噪声过滤算法,对差异化的故障信号进行还原,对差异化较大的故障信号进行特征重构,有效去除噪声干扰,保证信号特征的鲁棒性。计算机仿真实验结果表明,这种方法对大差异、高干扰下的故障信号有着较好的重构效果,取得了令人满意的结果。 相似文献
18.
19.
针对牵引变压器故障的特点以及传统故障诊断方法在牵引变压器诊断应用中的局限性,研究一种基于非线性同伦LM神经网络算法的变压器故障诊断方法。通过选择合适的故障样本进行数据预处理并训练神经网络,达到变压器故障诊断的要求,并通过仿真验证本算法的有效性。 相似文献
20.
基于Hilbert谱提取的舰船发动机故障信号分解 总被引：2，自引：0，他引：2
发动机故障特征提取是进行故障诊断的基础,研究舰船发动机故障信号分解下特征参数提取和专家系统故障诊断识别问题,传统方法中通过经验模态分解方法提取故障信号的基频信息,在特征分解过程中需要预先选择基函数,计算复杂,且不能反映信号的幅值在整个频率段上随频率的变化,故障信息表征不全。提出一种基于改进的经验模态分解Hilbert谱提取的发动机故障诊断方法,采用Hil-bert-Huang变换方法的Hilbert谱提取方法,把舰船发动机故障信号这一复杂信号分解成若干个IMF分量之和,利用局部极大值与局部极小值对信号的特征时间尺度进行信号包络分解,在时变ARMA(2p,2q)模型中,分别对每个IMF用Hilbert-Huang变换进行谱分析,提取故障信号的Hilbert谱特征,在Simu-link平台下进行仿真实验,结果表明该故障诊断方法和智能专家系统能准确诊断发动机5类故障,稳定性好。 相似文献