基于神经网络的专家系统

人工神经网络与专家系统,作为人工智能应用的两大分支,在实际应用中都有许多成功的范例,但作为单个系统来讲,二者都存在很大的局限性。主要是专家系统知识获取的"瓶颈问题"和神经网络知识表达的"黑箱结构"。为解决这个问题,本文提出将专家系统与神经网络技术集成,达到优势互补的目的。利用神经网络优良的自组织、自学习和自适应能力来解决令家系统知识获取的困难,同时用专家系统良好的解释机能来弥补神经网络中知识表达的缺陷。论文提出了基于神经网络专家系统的结构模型,知识表示方式以及推理机制等。     

基于神经网络的专家系统

人工神经网络与专家系统，作为人工智能应用的两大分支，在实际应用中都有许多成功的范例，但作为单个系统来讲，二者都存在很大的局限性。主要是专家系统知识获取的“瓶颈问题”和神经网络知识表达的“黑箱结构”。为解决这个问题，本文提出将专家系统与神经网络技术集成，达到优势互补的目的。利用神经网络优良的自组织、自学习和自适应能力来解决令家系统知识获取的困难，同时用专家系统良好的解释机能来弥补神经网络中知识表达的缺陷。论文提出了基于神经网络专家系统的结构模型，知识表示方式以及推理机制等。     

BP神经网络在专家系统开发中的研究与应用

针对专家系统开发过程中遇到的"知识瓶颈"问题,提出了神经网络与专家系统相结合的方法,利用神经网络训练和学习得到的故障数据来丰富专家系统的知识库,提高专家系统诊断的准确性。基于某型燃气轮机对此方法进行了验证,结果证明这种方法是可行的。     

基于BP神经网络的沼气工程故障诊断专家系统

针对传统专家系统的知识获取困难、推理能力差、智能水平低和实用性差等缺点,阐述了BP神经网络运用于农村沼气工程故障诊断专家系统的设计思想,应用专家系统与数据结构的有关知识和面向对象的设计方法,设计了农村沼气工程故障诊断专家系统知识库,提高了农村沼气工程故障诊断效率,为故障诊断专家系统的知识库设计提供科学有效的方法.     

西安科技大学学科带头人简介

任建喜,男,生于1968年,汉族,陕西西安人,教授,博士生导师;1990年本科毕业,1993年硕士毕业,2001年博士毕业;2001—2003年在上海交通大学力学博士后流动站工作,2004年破格晋升为教授;现任西安科技大学建筑与土木工程学院副院长,校防灾减灾与防护工程学科带头人;兼任冻土工程国家重点实验室客座研究员、中国岩石力学与工程学会青年委员会会员、中国岩石力学与工程学会测试委员会会员和陕西省岩石力学与工程学会常务理事。任建喜教授在1993年攻读硕士学位期间,参加完成了国家自然科学基金项目“岩石地下工程围岩稳定及支护决策专家系统”的研究…     

基于PSO-BP网络的流变本构模型智能化识别研究

岩石流变是岩石力学问题中一个重要的研究课题,而岩石流变本构模型理论仍是目前岩石力学研究中的难点和热点问题之一.基于神经网络方法智能化识别岩石流变本构模型.基于系统辨识理论,构建了PSO-BP神经网络模型,在Matlab平台基础上编写PSO-BP网络智能化识别程序,直接根据流变试验数据,通过网络自学习,输出可以近似反映岩石流变全过程的神经网络结构化表达.将识别得到的岩石流变本构模型与原试验曲线进行拟合,并利用模型验证数据进行仿真计算,得到的仿真结果令人满意,验证了该神经网络方法直接识别岩石流变模型是可行的.     

基于专家系统和神经网络的卫星故障诊断系统设计与实现

为改善基于知识的专家系统在知识获取上的不足,提高对卫星故障的诊断能力,提出了一种专家系统与神经网络相结合的卫星故障诊断系统。首先,采用开发工具CLIPS以产生式规则搭建知识库,然后利用神经网络方法对知识库进行扩展,解决了专家系统知识获取的"瓶颈"问题,最后利用该系统对卫星故障进行诊断。仿真结果表明,该方法可以提高对卫星故障的诊断能力,有助于卫星测控人员快速定位故障,从而有效保障卫星安全。     

基于BP神经网络的军车发动机故障智能诊断系统研究

本文在简单介绍专家系统和神经网络基本原理的基础上,针对专家系统不确定知识获取困难的缺点,提出了采用BP神经网络来构建专家系统的不确定知识获取模块的方法,通过对康明斯6BT5.9型柴油发动机的加剧磨损期实验所采集的状态参数进行试验,验证了该方法的可行性。在此基础上,构建了基于神经网络的军车发动机状态监测与故障诊断智能系统。该系统以Windows2000为平台,主要采用VisualBasic语言和Access数据库进行开发。通过友好的人机交互界面实现了状态监测、实时数据采集、实时故障诊断、知识获取和辅助学习等功能。将该系统应用于军车发动机相关故障的诊断,实验结果表明该系统具有较好的诊断效果。     

用人工神经网络方法辨识岩体力学参数

研究了用人工神经网络辨识岩石工程岩体力学参数的基本原理、网络结构、网络训练样本的获得及网络训练方法·在此基础上,提出了用人工神经网络辨识岩石工程岩体力学参数的方法和步骤,并给出了一个参数辨识实例·结果表明,依据巷道变形观测,用神经网络辨识岩石工程岩体力学参数是可行的·该方法为研究岩体物理力学性质参数和岩石工程初始地应力条件提供了一个有效途径,尤其适用于软岩情况下岩体力学参数的辨识·     

互感器故障诊断神经网络专家系统

基于神经网络专家系统的基本原理和利用神经网络的知识表达能够反映事物之模糊因果关系的特点，本文建立了一个用于高压电磁式互感器故障诊断的神经网络专家系统，提出了一种有效的推理方法，旨在全面、快速和准确地实现互感器的故障诊断，以提高互感器及电力系统运行的可靠性。图２，参８。     

粗糙集-BP神经网络组合方法及其应用

将神经网络与数据挖掘的知识相结合,提出粗糙集-BP神经网络组合方法,并将其应用于围岩稳定性判别。首先,基于山东兖州矿区煤巷信息数据库,建立回采巷道围岩稳定性知识表达系统,对数据进行离散化处理;其次,针对传统BP神经网络收敛速度慢、容错性差、结果不唯一的缺点,采用MATLAB软件开发的粗糙集数据分析程序,对生成的决策表进行挖掘分析,通过挖掘的决策知识引导训练样本的选取和神经网络的建立;最后,在煤巷围岩稳定性判别中予以应用。研究结果表明:BP神经网络克服了传统BP神经网络的缺点,具有容错性好、训练速度快、全局逼近性好、精度高等优点,此方法能较好地用于解决巷道围岩稳定性判别问题。     

光面爆破效果BP神经网络预测

介绍了BP神经网络的基本原理，基于Matlab工具箱建立了预测光面爆破效果神经网络模型，从岩石力学性质，周边爆破参数两个方面对光面爆破效果进行分析和预测。为了加快神经网络模型的收敛速度。增强其跳出局部极小点的能力，采用了附加动量法和自适应学习速率结合的方法对网络进行训练，利用该模型对光爆效果进行了预测。取得了很好的效果。     

岩体稳定性评价的耦合神经计算方法

给出了一个基于单元ＢＰ神经网络拓扑而成的耦合神经计算模型,对其在地下工程岩体稳定性评价系统中的应用进行了研究。结果表明,耦合神经计算地下工程岩体稳定性评价系统有着较好的实用性和先进性。     

硐室围岩力学参数反分析

基于差分法和人工神经网络建立了新的硐室围岩力学参数反分析方法。通过对比分析,选取FLAC差分程序为数值计算软件;针对不同力学参数,通过FLAC程序运算,得出相应的神经网络分析样本;对网络进行学习训练,并进行了网络结构及其学习参数优化;利用网络学习结果,对围岩力学参数进行反分析,与现场实测结果对比,证实了反分析方法的正确性和可靠性。     

岩体强度确定的神经网络方法

叙述了神经网络的基本原理，建立了岩体强度确定的神经网络模型，编制了岩体强度确定的神经网络系统软件。同时，结合棒磨山铁矿的具体实例，将此系统作了分析，并与常用的岩体强度计算方法作了比较。     

利用神经网络学习的岩体分级

将神经网络理论应用于岩体分级,意在探索出一条更强有力的分级新途径。利用神经网络对已知样本集进行学习,建立各种地质及工程因素与岩体的等价级别之间非线性映射。学习后的网络及权值可用于识别新的岩体的等价级别。主要探讨了PDP模型学习岩体分级的方法,并给出了应用结果。     

疏松砂岩油藏出砂状况模拟技术研究

在系统研究影响油藏出砂因素的基础上,采用人工神经网络BP模型,首先从理论上研究了引起地层砂粒运移的最低地层流体流速———门限流速预测方法,并建立了实际日产量较大时的地层最大出砂半径计算模型;然后,结合岩石力学、渗流力学等知识,建立了引起岩石结构破坏的临界井底流压的计算模型,并推导了当实际井底流压小于临界井底流压,因岩石结构破坏而引起大量出砂时,出砂半径的计算公式,同时,给出了防砂工艺设计中抑砂剂用量和固体防砂剂用量的计算式,避免了防砂剂量设计的盲目性。现场应用表明,建立的计算模型可明显提高防砂措施的成功率和有效期。     

用神经网络建立台阶爆破块度的预测

应用神经网络建立爆破系统的输入和输出非线性图形系统是很有效的。当建立神经网络系统时 ,输入端应当数量少一些 ,因此 ,本文采用爆破性分级指数和炸药单耗作为神经网络的输入端 ;岩石块度的分形维数作为神经网络的输出端