模糊神经网络用于齿轮装置故障的逐次诊断法

提出了一种基于神经网络和逐次模糊推理理论,构建了逐次的模糊神经网络,对齿轮装置故障进行逐次诊断.该方法能自动精确地识别齿轮装置故障.提出了5个时域中的无量纲特征参量,并应用可能性理论,把由实测数据求得的特征参量的概率密度函数转换为可能性分布函数,可表征特征参量与设备状态间的模糊关系.逐次模糊神经网络能处理特征参量与故障状态的模糊关系,实现对故障的自动诊断.齿轮诊断实例验证了该方法的有效性及可行性.     

气象过程信息挖掘与输电线路覆冰预测

针对现有覆冰预测回归模型以采样点气象参量预报覆冰值的局限性,提出了一种改进的基于气象过程信息挖掘的覆冰预测方法。按线路覆冰增量将气象参量样本分为覆冰增长、维持、消融3个模糊模式类别,定义了以气象参量样本与模式类别中心的马氏距离为变量的隶属度函数,并在计算马氏距离时采用灰色斜率关联度确定各气象参量的权重。基于此,将隶属度与采样点气象参量结合,形成包含覆冰气象过程信息的高维历史数据样本,采用支持向量机进行覆冰回归模型的训练与预测。算例比较了现有的神经网络、支持向量机预测方法与提出的改进预测方法,结果表明,前两者预测的相对误差均值分别为24.50%和22.66%,而改进的预测方法相对误差均值为6.62%。考虑气象过程信息挖掘的覆冰预测模型具有更高的预测精度。     

嵌入式水电事故预测系统中信息融合的方法

提出了一种嵌入式水电系统事故预测中信息融合的方法利用模糊IF/THEN规则表达专家知识的神经网络学习方法·在以此构造的基于多源信息融合的分类系统中,采用了模糊IF/THEN规则和数字数据·为了处理模糊语言值,提出了一种能够控制模糊输入矢量的神经网络体系结构·该方法能够对非线性实间隔矢量和模糊矢量进行分类     

森林火险与气象因素的多元相关性及其分析

森林火灾发生概率预测涉及气象、树种、地理条件与人类活动等诸因素，气象参数对火灾的影响一直是森林火灾研究的重点之一。选用日平均湿度、降水量、平均风速、平均温度和日照时间等5种典型气象参数，利用BP神经网络分析了它们对火灾发生概率的综合影响；研究了多种气象参数综合作用下火灾发生概率的变化规律。结果表明，气象参数与火灾发生概率之间存在稳定的关联，神经网络在处理多参数综合影响方面具有较好的泛化能力，可以作为预测林火概率的可靠方法，为森林火灾研究提供了基础数据。     

一种递归模糊神经网络的广义预测控制方法

提出了一种递归模糊神经网络(RFNN),通过加入向量调节层,提高了网络对输入信息的处理能力。基于所设计的递归模糊神经网络,建立非线性系统的离散数学多步模糊预测模型,根据这一模型对系统的输出进行预测,然后利用预测控制算法得到相应的预测控制规律。仿真结果表明该方法具有较高的控制精度以及一定的抗干扰能力。     

模糊贝叶斯网在通信行业客户流失预测中的应用研究

文章针对移动通信公司客户的情况,为解决预测客户流失率时满意度模糊的问题,提出了通过使用语气算子、信息转换公式,使得模糊语言转化为精确概率,并将其整合到模糊贝叶斯网中,最终能够预测客户流失概率。实验证明,经过改进后的贝叶斯网,能够在一定程度上反映交流语言的模糊性,在信息模糊情况下能够较好地预测客户的流失情况。     

模糊神经网络预测公路隧道揭煤突出危险性

在公路隧道揭穿煤层的施工中,揭煤突危险性的正确预测是安全、经济地揭穿煤层的关键.由于煤与瓦斯突出过程、突出机理的复杂性,使得基于经验突出危险性预测方法和基于数学建模的定量统计方法在实际应用中受到较大限制,预测结果弹性较大.因此,利用能表达知识规则的模糊神经网络,借助于成熟的模糊理论来表达与处理突出预测中不精确信息与不精确关系,以及借助于神经网络来表达影响突出因素与突出事件之间的相关规律,并在给出了模糊神经网络的拓扑结构和学习算法进行训练后,可实现公路隧道揭煤突出危险性的正确预测.     

基于模糊推理的ERP安全供货库存预测

分析了预测ERP安全供货库存的传统概率统计方法和神经网络方法,在此基础上提出了一种解决问题的新方法模糊推理.按照设计过程详细给出了安全供货库存模糊控制器的设计步骤和算法流程,实验结果证明使用此方法达到了预期目的.     

一种基于模糊神经网络的ncRNA基因预测方法

提出了一种基于模糊神经网络的ncRNA基因预测方法.该方法由预处理、具有结构学习的模糊神经网络预测器、后处理3个部分组成.预处理模块将比对后的输入序列进行滑动窗处理,并顺序提取有效的特征信息.模糊神经网络预测器采用了基于Takagi-Sugeno模型的5层模糊神经网络结构,通过输入层、模糊化层、点火强度层、归一化点火强度层、输出层的计算,得到预测结果;并进一步给出了一种模糊神经网络的结构学习算法,可有效地降低参数空间的维度,提高计算效率,并避免过学习情况的产生.后处理过程可对有交叠的预测结果进行拼接.实验结果表明,较之其他预测工具,本方法的ncRNA基因预测精度有所提高.     

基于改进模糊神经网络的电力系统短期负荷预测

提出了基于改进聚类算法的模糊神经网络的短期负荷预测方法。首先,利用改进聚类算法确定模糊神经网络的结构,然后利用混合学习算法训练该网络的前件和结论参数,最后向训练好的模糊神经网络输入相关的影响因素数据进行预测。预测结果显示,改进的模糊神经网络可以获得较高的预测精度,所以有更好的使用价值。     

基于IPSO算法的回转窑煅烧带温度D-FNN预测控制

为了提高石灰回转窑煅烧带温度的控制性能,提出一种基于改进的粒子群优化算法(IPSO)与动态模糊神经网络(D-FNN)的预测控制方法。该方法利用动态模糊神经网络建立石灰回转窑煅烧带温度的非线性预测模型,通过输出温度的预测值,引入输出反馈与偏差来校正预测误差,建立偏差与控制量的控制性能指标,通过改进的粒子群优化算法滚动优化得到系统最优控制量。对控制方法的稳定性进行分析。仿真实验结果表明动态模糊神经网络的温度预测误差在±10℃之内,具有较高的预测精度。提出的预测控制方法能使输出煅烧带温度快速稳定地跟踪设定值的变化,同时在系统输出有扰动的情况下也能较好地跟踪设定值。控制量的平均单步滚动优化需0.31 s,可满足实际应用。     

一种改进的神经网络集成法预测PMV指标

为解决大样本的PMV指标预测问题,采用基于模糊聚类的神经网络集成方法,将原始样本集模糊划分为多个相交子集,通过这些模糊子集训练神经网络得到预测个体,再对个体输出加权结合获得预测结果.在进行神经网络集成过程中,采用微粒群算法有效克服了聚类和常规神经网络训练容易陷入局部最优的缺点,总结出一种更加有效的神经网络集成方法.实验结果表明:基于微粒群的神经网络集成算法有较好的全局优化性能,其集成的神经网络系统能更准确地预测PMV指标.     

基于T-S模型模糊神经网络预测的退火炉温度控制

目的提出一种能够提高退火炉温度控制系统的性能和精度的具体方案,增强控制系统的鲁棒性.方法针对退火炉温度控制系统具有多变量,非线性和不确定性的特点,将T-S模糊神经网络与预测控制相结合,在线建立被控对象的数学模型,并用BP神经网络控制器对所得到的信息在线修正,进而控制退火炉炉温.并通过仿真与传统的模糊PID控制方案进行对比分析.结果 T-S模糊神经网络预测控制方案具有较强的控制精度和动态性能,预测精度高、容错性好、收敛速度快,基本无超调等特点.结论 T-S模糊神经网络预测控制能够提高产品退火质量、节能环保,可以应用于退火炉炉温的优化控制.     

小波理论在模糊神经网络预测中的应用

本在研究运用模糊神经网络进行预测的基础上，提出应用小波理论对时间序列信号进行去噪并根据去噪处理在模糊神经网络预测中作相应处理，提高在实际中模糊神经网络预测的准确性与及时性。     

基于可靠性分析与状态监测的钻井泵剩余工作寿命预测

在对大量同类钻井泵的大修间隔时间数据进行概率统计分析的基础上,求得与钻井泵的运行可靠度相关的特征参数,在宏观上提供钻井泵寿命预测的依据.动力端中情况最差的轴承的寿命可代表钻井泵的寿命,所以将状态监测所得的经优选的各域振动信息作为神经网络系统的模糊输入向量,通过径向基神经网络求出轴承的故障隶属度,作为轴承理论寿命计算公式的修正系数,由此解决钻井泵剩余工作寿命的预测问题,进而获得钻井泵剩余工作寿命.实际预测结果证明了预测方法的科学性和合理性.     

混沌动态模糊神经网络及变压器故障诊断的应用

提出一种结合动态模糊神经网络和混沌优化算法的故障诊断方法,将混沌变量引入模糊神经网络结构和参数的优化搜索.利用混沌优化的动态模糊神经网络建立变压器故障诊断模型,此模型不仅能对模糊规则而且能对输入变量的重要性做出评价,从而使得每个输入变量和模糊规则都可根据误差减少率进行修正.仿真结果表明,混沌动态模糊神经网络算法精度高、迭代步骤少、收敛快,对识别和预测变压器状态具有较高的精度和效率,并可方便有效地应用到其他领域.     

基于模糊概率符号有向图的复杂系统故障诊断

通过分析复杂系统的故障信息传递特性,在符号有向图(SDG)中引入了状态关联概率和模糊信息,并结合面向对象技术提出了一种新的故障描述模型--模糊概率有向图.给出了基于此模型的建模方法和诊断流程.进一步引入消息节点和支路,通过连接各子实体对象的模糊概率SDG模型,构成整个复杂系统的模糊概率SDG系统.该模型能对复杂系统故障诊断中存在的复杂关联关系进行建模与故障诊断.利用该方法建立了某武器平台的故障诊断系统,实验结果表明提出的方法有效且实用.     

基于混沌模糊神经网络方法的短期负荷预测

针对模糊神经网络的BP学习算法提出改进,引入全局性较强的混沌搜索算法,提出一种基于混沌搜索学习算法的模糊神经网络模型.将改进的模型应用于短期负荷预测建模,应用我国南方某市电网的实际负荷数据进行实证研究.仿真结果显示改进后的模糊神经网络较改进前在同一样本预测中精确度提高了2.5%,增加算法运行时间仅为3.1 s,说明本文提出的新的负荷预测建模方法具有更好的预测效果.     

基于信息扩散和BP网络的黄土边坡稳定性分析

目的探讨基于信息扩散原理的BP神经网络的黄土边坡稳定性评价模型。方法收集黄土地区24组黄土边坡实例,采用模糊信息优化处理中的信息扩散原理,建立各评价因子与安全系数之间的模糊关系,并在此基础上建立与BP神经网络相结合的评价模型。结果建立的评价模型对4组预测样本的预测结果,效果良好,较好地解决了样本过少或含有矛盾样本的问题。结论该模型在黄土边坡稳定性评价中比普通神经网络具有更高的实用性和有效性。     

基于模糊粗糙神经网络的用户个性化关联推荐方法

【目的】针对电子商务中关联推荐的有效性,基于模糊粗糙神经网络提出了一种新的方法。【方法】该方法首先提出了个性化推荐模型,并根据关联规则给出了推荐算法流程。同时利用模糊粗糙神经网络对上述模型进行求解,通过计算模糊关联系数和模糊关联度来获得用户行为特征。【结果】利用仿真实验深入研究影响该方法的关键因素,结果发现:最小可信阈值和最小支持度取值越小,预测精度就越高。【结论】与其他算法相比,该算法能在一定的程度上较小预测的误差,使得推荐结果更加满足客户的需求。