基于神经网络算法的故障检测技术

卢秋红; 颜国正; 韩焱

doi:null

您当前的位置：

首页 >

文章列表页 >

基于神经网络算法的故障检测技术

测试技术与设备 | 更新时间：2020-08-12

- 基于神经网络算法的故障检测技术
- Fault detecting technology based on neural network algorithm
- 光学精密工程 2002年10卷第1期页码：25-30
- 作者机构：
  
  1. 上海交通大学电子信息学院上海,200030
  2. 华北工学院电子信息工程系,山西太原,030051
- 作者简介：
- 基金信息：
- DOI：
  中图分类号： TG115.28
- 收稿日期：2001-05-29，
  
  修回日期：2001-10-14，
  
  网络出版日期：2002-02-15，
  
  纸质出版日期：2002-02-15
- 稿件说明：
移动端阅览
卢秋红, 颜国正, 韩焱. 基于神经网络算法的故障检测技术[J]. 光学精密工程, 2002,(1): 25-30

LU Qiu-hong, YAN Guo-zheng, HAN Yan. Fault detecting technology based on neural network algorithm[J]. Editorial Office of Optics and Precision Engineering, 2002,(1): 25-30
卢秋红, 颜国正, 韩焱. 基于神经网络算法的故障检测技术[J]. 光学精密工程, 2002,(1): 25-30 DOI：

LU Qiu-hong, YAN Guo-zheng, HAN Yan. Fault detecting technology based on neural network algorithm[J]. Editorial Office of Optics and Precision Engineering, 2002,(1): 25-30 DOI：

摘要

针对复杂的机电产品内部构件状态检测这一工程难题

本文介绍了一种自动在线检测系统.该系统采用X射线对产品成像

运用数字图像处理技术对射线图像进行预处理

由神经网络算法进行故障诊断.故障识别模型采用了改进的BP神经网络算法

以正常装配状态时的多幅图像经预处理后作为学习样本训练BP神经网络.检测时一般只需拍摄两幅不同方位的图像

经预处理后输入神经网络与样本图像进行比较判断

即可识别出关键元器件的状态.该系统将数字射线成像技术和图像处理技术相结合

并在故障识别算法中采用了神经网络算法

提高了产品故障的检测速度和可靠性

在工业无损检测领域具有一定的实用性.

Abstract

The paper describes an automatic on-line detecting system which can detect inner parts of complex electromechanical products. In the system

digital image processing technology is used to preprocess X-ray images of the products

and neural network algorithm is applied to diagnose faults. The fault recognition model adopts an improved back-propagating neural network

which is trained by a series of standard X-ray images of correctly assembled products.During the process of detection

two images of objects in different directions are capable of acquiring the status of the key parts. After comparing the features of the two preprocessed images and standard images

the network can estimate different types of faults of the key parts. The detecting system combines digital radiography technology with digital image processing

and applies the back-propagating neural network algorithm in the fault recognition process. The system improves the speed and reliability of fault detection and has practicability in the field of industrial nondestructive detection.

关键词

Keywords

references

Leger R P,Garland Wm J,Poehlman W F S.Fault detection and diagnosis using statistical control charts and artificial neural networks[J].Artificial Intelligence in Engineering,1998,12:35-47.

Gomm J B,Weerasinghe M,Williams D.Diagnosis of process faults with neural networks and principal component analysis[J].Proc. Inst. Mech. Eng. Part E, 2000,21(2):131-143.

Simani S,Fantuzzi C. Fault diagnosis in power plant using neural networks[J].Information Sciences,2000,127:125-136.

Weerasinghe M,Barry G J, Willams David. Neural networks for fault diagnosis of a nuclear fuel processing plant at different operating points[J].Control Engineering Practice,1998,6:281-289.

庄哲民.基于神经网络的滚动轴承检测[J].仪器仪表学报,2000,(2):73-74.

刘隆祉.神经元网络在核供热堆冷却剂系统故障诊断的可行性研究[J].自动化仪表,1999,(2):4-7.

贾云得.机械视觉[M].北京:科学出版社,2000.

李文艳,韩焱,王明泉.产品内部构件状态的自动检测方法[J].华北工学院学报,1999,20(1):67-70.

Daniel S, Vladimir K, Pospichal J.Introduction to multi-layer feed-forward neural networks[J].Chemom Intell. Lab Syst,1997,39:48-51.

李兴华,翟林培.神经网络用于凸轮机构稳速控制[J].光学精密工程,2000,8(2):165-168.

陈晓钟,孙华燕.一种自然纹理背景下的图像目标检测方法[J].光学精密工程,2000,8(5):421-424.

浏览量

934

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于双目结构光周视扫描的3D件三维重构与位姿估计研究

重叠分数与匹配矩阵驱动的部分重叠点云配准网络设计

基于Snell窗及偏振模式的水下载体航姿测量

改进多尺度结构化融合的红外与可见光图像融合

基于空洞空间卷积网络的点衍射干涉图像相位解包技术