针对轴向柱塞泵故障机理的复杂性和故障信息的不确定性,提出了基于人工神经网络的故障诊断方法。以一种典型设备的几种主要故障为例,设计了适合于故障诊断的BP神经网络模型,运用Levenberg-Marquardt优化算法进行网络训练,并针对网络训练中可能出现的过拟合、局部小、隐层节点数确定等问题制定了相应的网络优化策略,以保证训练后的网络具有较好的记忆和归纳能力,并用VC++6.0语言和SQL Server 2000数据库开发了基于BP神经网络的轴向柱塞泵故障诊断系统,结果表明,该系统有良好的故障诊断精度和较强的泛化能力。

以汽车起重机液压系统故障诊断为应用背景研究并开发了一个基于二叉树和案例推理的液压故障诊断专家系统原型。为了克服传统故障树的缺陷、优化故障案例关键属性权重并有利于知识的表示和处理该系统使用了最优二叉树技术、遗传算法和数据库技术有效地提高了故障诊断的效率和正确率改进了专家系统的开放性和可扩展性。实验结果表明该方案的设计思想是合理的实现方法是有效的。