简介:摘要:如今电梯已成为人们的生活中必不可少的室内交通工具,但是近年这种交通工具因为门系统故障引起了很多人员伤亡事故。为了确保电梯安全可靠的运行,文中对电梯门系统进行了故障预测。针对电梯门系统故障类型:电梯启动门不关、电梯开关门时门扇振动大、到达指定层不开门不关门。将三种故障类型作为预测模型的输出。引起故障的原因有8个,其作为输入。运用粒子群算法(PSO)与BP神经网络相结合建立模型,通过MATLAB仿真,仿真结果表明PSO-BP神经网络算法在电梯门系统故障预测中具有可行性。
简介:摘要神经网络的快速发展,使得神经网络在很多领域得到应用。许多论著提及将神经网络运用在电力系统谐波检测上。在众多的神经网络方法中,深度学习神经网络(DLNN)脱颖而出。本文意在阐述深度学习神经网络的基本思想和基本算法,以及探讨深度学习神经网络在电力系统谐波检测方面的应用。并在Matlab中对其算法进行验证。对于推广深度学习神经网络在电力系统其他方面的应用具有一定的积极意义。
简介:摘要:粗糙集理论作为信息时代背景下的一项全新智能处理技术,主要针对不确定性和不完整性的数学工具进行处理,并在此基础上根据不完整、不精确等多项不完善信息实现有效分析,实现在关键信息下的有效保留。基于此背景下,由于神经网络当前在车载设备故障诊断中存在的复杂结构问题,当前通过实现粗糙集与神经理论结合的方式,也能够从根本上实现在BP神经网络上的优化,满足车载设备故障诊断的主体需求。对此,本文基于在粗糙级理论下的属性约简算法,根据实际的车载设备案例,分析粗糙集理论与神经网络结合的主要步骤,重点阐述粗糙集神经网络结合下的故障诊断性能比较。
简介:摘要:针对单通道振动信号输入不能全面表达结构损伤特征信息问题,提出基于多通道一维卷积神经网络的结构损伤识别方法,融合多传感器振动信号信息,直接从原始振动信号中自主提取学习结构损伤特征,实现对结构损伤模式的识别。通过简支梁数值模拟对所提方法进行验证,结果表明:所建立的多通道一维卷积神经网络模型(1D-CNN)能够准确地识别结构的损伤位置和损伤程度,且具有一定的抗噪能力。