基于模糊Petri网和BP-ACO的变压器故障诊断

针对油浸式变压器的故障诊断问题,提出了一种基于模糊Petri网模型和蚁群优化BP神经网络(BP-ACO)的变压器故障诊断方法。首先,定义一个十元的模糊Petri网结构并根据产生式规则和推理算法构建了故障诊断模型。然后采用BP神经网络对模型的权值和阈值进行参数训练,并结合蚁群优化对模型各参数进行优化,从而进一步提高故障诊断的精确率。利用真实的变压器历史数据对提出方法的可行性进行了验证。结果表明,相比类似模糊Petri网故障诊断方法,提出诊断方法具有更高的准确度。

基于GA-BP神经网络的变压器故障诊断

提出利用GA-BP神经网络的系统对变压器的故障诊断进行优化。利用GA遗传算法优化BP的初始权值,得到GA-BP神经网络。同时使用L-M算法训练GA-BP,使其可精确识别故障变压器内部的气体含量变化,并针对变压器故障诊断过程进行高效处理。GA-BP神经网络具备模糊算法,具有计算快速和判断准确等优点,可在很多的领域内保障电气安全,因而其具有良好的发展前景。

基于GA-BP混合算法的电力变压器故障诊断方法

为解决BP神经网络在变压器故障诊断中存在的收敛速度慢,容易陷入局部最优点等缺点,采用了将BP网络和遗传算法相结合的方式,利用遗传算法的全局收敛性,优化BP网络的初始权值和阈值,再由BP网络进行调整搜索,同时采用了LM优化方法训练神经网络以提高网络精度,缩短训练时间,最后将训练好的网络应用到油中溶解气体分析技术中。

基于BP神经网络的逆变器开路故障诊断方法

为了实现对逆变器电路故障位置快速精确定位,减少停工检修时间,提高运行效率,提出一种基于BP神经网络的变频器逆变电路开关器件开路故障诊断方法。使用MATLAB对逆变电路建模和仿真,从输出电压波形直接采样提取故障信号特征。根据故障特征和诊断目标,建立三层神经网络故障模型,确定神经元数目和传输函数。将故障特征信号作为BP神经网络的输入,通过Levenberg Marquardt算法实现对神经网络的训练,用训练后的神经网络模型实现对变频器逆变电路的故障诊断。结果表明:直接波形采样实现简单;可实现1只或2只IGBT同时开路故障准确定位;所提出的故障诊断模型诊断准确率高。

基于GA优化BP神经网络变压器故障诊断的研究

BP算法基于梯度下降原理是一种局部寻优算法,在变压器故障诊断应用中网络学习过程收敛速度慢,且易陷入局部极小值。而遗传算法(GA)具有并行计算的特点,可以有效防止搜索过程收敛于局部最优解。将二者结合起来,由GA寻找最优的BP神经网络权值与相应节点的阈值。仿真结果表明:此方法既能快速收敛,又能大大提高避免陷入局部极小的能力,改善了故障诊断的精度和速度。

Matlab基于BPPID神经网络控制-基于BP PID神经网络控制.rar

Matlab基于BPPID神经网络控制-基于BP PID神经网络控制.rar 基于BP PID神经网络控制，不错的！！！

论文研究-KernelPCA与BP神经网络相结合的变压器故障诊断.pdf

为了提高变压器故障诊断的准确率和抗干扰能力，提出一种基于核特征量的BP神经网络故障诊断模型。通过核主成分分析将故障样本从低维的特征空间非线性地映射到高维的核空间，提高了样本的可分性，然后以核特征量作为BP神经网络的输入特征量，建立变压器故障诊断模型。实验对比了结构相似、输入量不同的BP神经网络，结果表明采用核特征量的诊断模型具有更好的诊断效果和抗干扰能力。

基于D-S证据理论和BP神经网络的齿轮箱故障诊断

在故障诊断时,需要从多方面获得关于同一对象的多维信息并进行融合,才能对设备进行更可靠更准确地诊断,以求得最佳诊断结果。以齿轮箱故障作为研究对象,提出了一种基于D-S证据理论和BP神经网络相结合的信息融合诊断方法,并进行了验证。首先利用BP神经网络对测量数据进行分析诊断,最后用D-S理论对诊断结果进行融合,结果满足需求,从而证明了D-S理论和BP神经网络相结合的诊断方法的实效性。

论文研究-基于模糊神经网络的平显设备故障诊断研究.pdf

针对平视显示器（HUD）设备自检测和地面故障诊断设备的不足，提出了一种基于模糊BP神经网络的HUD故障诊断方法。简化了故障诊断系统的结构，实现了自动性能检测和故障诊断，能够有效地辨识故障源，隔离了从LRU 级到SRU级的故障，并给出了典型测试项的故障诊断实例。作为一种先进有效的故障诊断技术已经应用于某型飞机HUD和相关系统的故障诊断。

基于bp神经网络的变压器故障检测

基于bp神经网络的变压器故障检测，模型训练及模型测试。

BP网络变压器故障诊断

利用BP神经网络对变压器进行故障诊断，以特征气体含量的比值作为输入，利用matlab建立故障诊断模型。

BP神经网络在轴承故障诊断中的应用

传统故障诊断方法很难对无法建立数学模型的系统进行有效的故障诊断。为了有效诊断轴承的故障,提出了基于BP神经网络的轴承故障诊断方法。简单介绍了常用的故障诊断方法、BP神经网络的结构和学习算法,详细介绍了BP神经网络在轴承故障诊断中的应用方法。仿真结果表明,通过合理选择网络节点数和训练样本,可以有效检测出轴承的故障信息。

基于BP神经网络方法的民用航空发动机故障诊断.pdf

基于BP神经网络方法的民用航空发动机故障诊断.pdf基于BP神经网络方法的民用航空发动机故障诊断.pdf

基于PSO-BP神经网络的掘进机截割部故障诊断

为提高部分断面掘进机截割部故障诊断的有效性与准确性,以部分断面掘进机截割部振动加速度信号为研究对象,从煤矿井下采集了掘进机截割部振动加速度数据,分析并提取了表征掘进机截割部运行状态的特征向量,采用BP神经网络作为故障诊断方法,利用PSO算法的快速收敛性及全局搜索能力直接对BP网络的权值阈值进行优化,解决了BP神经网络收敛速度慢及易陷入局部极小值的问题。通过对数据样本进行训练与测试,构建了能够诊断截割部是否故障的PSO-BP神经网络,对EBZ-160型掘进机截割部是否发生故障进行诊断。试验结果表明:与快速BP法优化的BP神经网络(FBP神经网络)相比,PSO-BP网络诊断精度更高,训练步数更少。该方法能准确有效地诊断掘进机截割部故障,为掘进机截割部故障诊断研究提供了方法与思路。

遗传算法和神经网络在导弹测试设备故障诊断中的应用研究-遗传算法和神经网络在导弹测试设备故障诊断中的应用研究.rar

遗传算法和神经网络在导弹测试设备故障诊断中的应用研究-遗传算法和神经网络在导弹测试设备故障诊断中的应用研究.rar 遗传算法和神经网络在导弹测试设备故障诊断中的应用研究，包括论文、实现程序、说明以及遗传算法的工具箱。 遗传算法和神经网络在导弹测试设备故障诊断中的应用研究 摘要： 在某型导弹测试设备故障诊断神经网络知识库的组建过程中，针对BP算法易陷入局部极小、收敛速度慢的缺点，根据遗传算法具有全局寻优的特点，将二者结合起来形成一种训练神经网络的混合算法¬¬¬¬¬¬¬-GA-BP算法；通过算法比较和实例结果分析，表明该算法可以有效、可靠地运用于导弹地面测试设备的故障诊断中，并可方便地应用于其它方面。 关键词：神经网络  BP算法  遗传算法  导弹测试  故障诊断 1引言 对于导弹等大型复杂的设备，在进行故障诊断时，很难建立一个足够精确的模型来描述这样一个系统，利用传统的识别手段很难解决问题，近年来，人工神经网络的发展为解决这个问题提供了有效的途径。 神经网络在进行故障诊断时多采用BP网络，BP算法的优点是寻优具有精确性，但同时存在一些缺点，最主要的是易陷入局部极小、收敛速度慢和引起振荡效应等。由于遗传算法具有很强的宏观搜索能力，且能以较大的概率找到全局最优解，所以用它来完成前期的搜索能较好的克服BP算法的缺点。本文将二者结合起来，形成一种混合训练算法－GA-BP算法，达到优化网络的目的。 2 导弹测试设备故障诊断神经网络知识库的组建 在某型导弹测试设备故障诊断神经网络知识库的组建中，针对导弹地面设备结构复杂，系统性强，各分系统相互影响、制约的特点，对系统进行了特点分析和分类归纳，采用层次分类原理进行层次分类，然后分层次诊断，以保证诊断的快速性。 地面测试设备的故障是与测试步骤、测试动作相联系的，而且故障又可归类在指示灯、测试仪表及其它三类之中，指示灯涵盖了测试设备的所有指示灯，对于每一个指示灯的故障又可细分为动作过后不亮、不灭或具有时延性的亮或灭等；对于仪表故障，可分为无读数或读数不对等；其它类故障包含数据传输错误、计算机显示错误等，故障定位网络主要根据以上所述完成故障的定位，它通过对测试信号的判别（在线）或用户的选择（离线）对故障进行分类，其输出对应第二层的输入。例如，在建立的故障诊断系统的诸多神经子网络中，有一仪表网络，其输入输出符号定义如下：      x1:  电压表1是否指示正确                0   正确      1  不正确      x2:  漏电表显示是否漏电                  0  不漏电     1  漏电      x3： 电压表2是否指示正确                0   正确      1  不正确      x4： 寿命钟是否有显示                    0  有显示     1  无显示           x5： 温度表p6是否损坏                   0  未损坏     1  损坏           y1： 调压旋钮BP1,BP2是否有故障          0  没有       1  有           y2： 计算机组合与系统地是否绝缘          0  绝缘       1不绝缘           y3： 寿命钟是否损坏                      0  未损坏     1  损坏           y4 ：CZ/CT等是否不通                    0  通畅       1  不通 据此建立神经网络，它具有5个输入神经元，4个输出神经元，隐含神经元数取为6个。其训练样本如表1所示。 表1  某子网络训练样本 样本号        输            入        输        出         x1        x2        x3        x4        x5        y1        y2        y3        y4 1        0        0        0        0        0        0        0        0        0 2        1        0        0        0        1        1        0        0        0 3        0        1        0        0        1        0        1        0        0 4        0        0        1        0        0        0        0        1        0 5        0        0        0        1        0        0        0        0        1 随后编制程序自动将上述表格分别读入不同的初始文件中，再用GA-BP算法进行神经网络学习，并将结果权值存入知识库中，即建立了其中一个神经子网络知识库。 3基于遗传算法的神经网络训练方法 遗传算法（Genetic Algorithm－GA）是一种基于自然选择和基因遗传学原理的优化搜索方法。它将“优胜劣汰，适者生存”的生物进化原理引入待优化参数形成的编码串群体中，按照一定的适配值函数及一系列遗传操作对各个体进行筛选，从而使适配值高的个体被保留下来，组成新的群体，新群体中各个体适应度不断提高，直至满足一定的极限条件。此时，群体中适配值最高的个体即为待优化参数的最优解。正是由于遗传算法独具的工作原理，使它能够在复杂空间进行全局优化搜索，并且具有较强的鲁棒性。 遗传算法应用于神经网络的一个方面是用来优化人工神经网络的结构，另一个方面是用GA学习ANN的权重，也就是用遗传算法取代一些传统的学习算法。 遗传算法和神经网络在导弹测试设备故障诊断中的应用研究.rar

BP神经网络轴承故障诊断系统.zip

基于bp神经网络的轴承故障诊断 大家一起学习进步 BP神经网络轴承故障诊断系统\BP神经网络轴承故障诊断系统.vi