集成神经网络和专家系统的控制系统故障诊断

在分析了所研究的控制系统的基础上，针对神经网络和专家系统在故障诊断中各自的优缺点，建立了一个基于神经网络和专家系统的控制系统集成故障诊断系统。文中详细介绍了系统的结构、诊断策略等     

基于神经网络与专家系统的故障诊断技术

针对传统的故障诊断方法对复杂系统或装备进行故障诊断速度慢、对多故障同时发生的情况难以准确定位的问题,提出将神经网络与专家系统相融合的设计方案,建立一种基于人工神经网络的故障诊断专家系统。该专家系统结合神经网络和专家系统的优点,具有很强的自学习能力和自适应能力,可从外部环境不断吸取信息,在学习过程中不断完善自己,具有很强的容错性,善于联想、类比和推理。理论分析与仿真实验证明,该系统能实现对故障的快速准确定位,为保障装备可靠高效地发挥功能提供了有效方法     

诊断型专家系统的混合知识模型及其实现

阐述了故障诊断专家系统中采用浅知识模型和深知识模型相结合的办法，使得基于专家经验的故障诊断和基于诊断对象结构，功能的诊断解释有机地结合起来，取长补短，相得益彰，大大提高了系统的工作效率和诊断的可靠性。     

基于神经网络推理的故障诊断专家系统

本利用神经网络（ＮＮ）知识并行处理，自学习及联想记忆等功能，建立了基于网络推理的专家系统，论述了ＮＮ的结构，算法参数的确定，系统知识获取和离线／在线自学习功能提出了ＮＮ数值推理和ＥＳ深层逻辑概念相结合的输入／输出转换机制与ＮＮ推理的解释机制。研究表明系统具有良实用性。     

故障诊断专家系统神经网络学习机研究

根据故障诊断专家系统的特点，设计了一种面向故障诊断问题的机器学习系统。在参数修正自学习模型中，引入了变结构的参数修正人工神经网络模型，采用B-P学习算法及后验学习方式，实现了故障诊断专家系统参数修正学习机设计。在汽车故障诊断问题中的应用结果表明。学习效果良好。     

FMS故障诊断专家系统的研究与开发

为保证柔性制造系统的可靠运行,对其发生的故障进行快速诊断,研究开发ＦＭＳ故障诊断专家系统。方法根据ＦＭＳ故障的特点综合运用模糊数学、专家系统、神经网络、数据库和机器学习等理论,解决专家系统中许多关键技术,     

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。     

一个模糊神经网络诊断专家系统及其实现

回顾了故障诊断技术的发展历程，提出了智能故障诊断的新分类．编制了一个传统的通用故障诊断专家系统，指出了其存在的知识获取困难、二值逻辑不符合实际、系统容错性差等缺陷．为解决缺陷，构作了一个基于模糊神经网络技术的智能诊断专家系统，并用MATLAB语言实现，仿真结果表明，系统性能良好．     

基于神经网络推理的故障诊断专家系统

本文利用神经网络(NN)的知识并行处理、自学习及联想记忆等功能，建立了基于神经网络推理的专家系统论述了NN的结构、算法参数的确定、系统知识获取和离线／在线自学习功能，提出了NN数值推理和ES深层逻辑概念相结合的输入／输出转换机制与NN推理的解释机制．研究表明系统具有良好的实用性。     

神经网络在航空维修专家系统中的应用

本文分析了传统专家系统的特点及航空维修领域专家系统的发展现状，提出将神经网络理论应用于航空维修专家系统设计，并分析了其优点。在此基础上进一步介绍了基于神经网络的航空维修专家系统的结构，诊断策略，及神经网络学习算法，并给出其实现方法。     

基于切换多模型小波网络的非线性动态系统控制

为了提高非线性动态系统的性能，提出了多模型小波网络方法，并详细介绍了多模型小波网络的结构．用多模型小波网络对非线性系统进行建模与控制，在仿真试验中将其与单小波网络进行对比，结果显示多模型小波网络控制的均方差为0．158，单小波网络控制的均方差为0．374．试验结果证明多模型小波网络方法控制精度高，响应速度快，其控制性能优于单小波网络。     

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。     

混合型神经网络专家系统

本文在分析传统人工智能与神经网络信息处理的各自特点的基础之上,指明二者相互结合的必然性,并给出了混合型神经网络专家系统的框架。     

发动机点火系统故障诊断的研究

建立了基于神经网络的发动机点火系统故障诊断专家系统,并较好地应用于自行开发的汽车示波器上.经实车测试,故障珍断结果可靠.     

基于神经网络的汽油发动机的故障诊断专家系统初探

阐述了故障诊断专家系统的组成,提出了一种基于神经网络的汽油发动机的故障诊断专家系统.该系统诊断的特点是先用故障树建立诊断的专家系统,即诊断树,然后从故障树中提练出训练样本,结合人工神经网络的自学习功能,从不同角度和不同层次进行诊断推理.结果表明,该系统提高了系统的诊断效率,克服了传统专家系统的一些不足.该系统结合面向对象的VB为开发工具,具有较好的可视性和操作性.     

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。     

专家系统的研究与探讨

回顾专家系统发展的历史和现状。对目前比较成熟的专家系统模型进行分析，指出各自的特点和局限性。最后介绍了新型专家系统。     

基于神经网络的客车车身造型评价专家系统

阐述了利用人工神经网络(ANN)技术构建专家系统对客车车身造型进行评价的方法,从数据收集、图形的预处理、知识库的构建及神经网络模型的设计与训练等方面研究了准三维造型评价专家系统的关键技术问题.开发了客车造型评价专家系统软件,并通过实际客车造型任务,验证了所开发软件的有效性.