论文研究神经网络应用于汽车发动机故障诊断的研究 .pdf

针对复杂系统故障模式较多时难以满足实时性的要求，对传统降阶观测器的诊断方法进行了改进，提出了基于动态观测器的诊断方法。该方法通过设计一个动态观测器去检测一系列故障，其效果等同于使用了一族观测器。当把耦

针对矿用通风机故障诊断问题,将遗传算法和BP神经网络相结合,在对GA-BP神经网络进行训练的基础上,建立了矿用通风机故障诊断的数学模型并进行了实验验证。实验证明,在小样本情况下GA-BP神经网络仍能准

BP人工神经网络在铅酸蓄电池故障诊断中的应用，文萍，陈卓，自上世纪初，铅酸蓄电池开始用于汽车起动以来，近一个世纪还没有其他电源取代它。铅酸蓄电池按用途大体分车辆起动用、地面或矿内

为能有效地对电动机转子断条故障初期进行检测,以小波包分析方法为基础,根据能量频谱中能量值的变化来诊断电动机故障。根据能量值的大小来判别电动机故障的严重程度,再利用小波包结合主成分分析(PCA)提取能反

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

针对单一故障诊断方法精度低的问题，提出了一种基于D-S证据理论和神经网络相融合的决策层融合故障诊断模型。该方法利用证据理论来处理不精确的、模糊的信息，用神经网络来处理证据理论中的基本可信度分配问题。由

分析了粗糙集与神经网络各自的优缺点，结合粗糙集与神经网络提出了一种基于SOFM网络的新型粗糙集神经网络，给出了该网络的流程图，描述了系统各组成部分的工作原理。应用一实例验证了该网络在故障诊断中的有效性

地下装载机工作环境恶劣,故障时有发生,后果极其严重。利用遗传神经网络法对地下装载机进行故障分析,验证了此方法的可行性,且具有实际应用价值。

结合小波分析及神经网络算法对轴承各种故障进行诊断鉴别

由于传统基于傅立叶变换的利用频域对电机故障的信号分析中无法对奇异信号点的时域信息进行检测。针对上述问题,提出基于小波包神经网络的电机故障诊断的方法。结合电机振动的非平稳随机性的特点。利用小波包多分辨率