基于混沌的模拟电路故障诊断方法

针对模拟电路故障诊断的神经网络方法中,网络易陷入局部极小、收敛速度慢等缺点,网络结构、权值难以确定等难题,提出一种利用混沌优化神经网络的模拟电路故障诊断新方法.该方法中,将混沌变量引入神经网络结构的优化搜索,使得神经网络的隐层节点数以及所有权参数处于混沌状态中,从而整个网络结构呈现为动态变化.然后从动态的神经网络结构中,根据性能指标来寻找一个全局最优或近似于全局最优的网络结构.最后利用优化的神经网络对模拟电路进行故障定位.利用该方法对模拟电路进行实例仿真,结果表明该算法可以有效、可靠地运用于模拟电路故障诊断中.     

一种实用的神经网络方法在液压泵故障诊断中的应用

针对传统BP神经网络训练中收敛速度较慢的缺点,将一种基于L-M算法的神经网络应用于液压泵故障诊断,并建立了基于该算法的故障诊断模型;论述了液压泵的故障特征频率,研究基于LabVIEW的频率提取与后期神经网络的处理方法.仿真结果表明:该方法和模型显著缩短了训练时间,运用神经网络方法进行液压泵故障诊断是有效的.     

基于蚁群神经网络的电控发动机故障诊断研究

针对电控发动机故障的复杂性,以及传统的专家系统在知识获取等方面的缺点,采用BP神经网络作为故障诊断模型的核心,并将蚁群算法融入到BP网络的训练过程中进行优化,得到了满意结果.通过对该故障诊断模型的验证,表明采用蚁群算法改进后的BP神经网络能够对汽车电控发动机的故障进行有效和准确的诊断.     

粗糙集理论在水科学中的应用

应用可变精度粗糙集,对水电站水库最优出力规则进行知识发掘,并获得了出力决策规则.与一般优化调度规则相比,基于粗糙集的规则隐含了决策时段以外的入库水量信息,不同于仅以当前时段水库来水和水位进行决策的常规优化调度,具有更大的灵活性和合理性.     

基于BP网络改进算法的模拟电路故障诊断

将BP神经网络的改进算法应用到模拟电路故障诊断中,并在MATLAB7．0中运用神经网络工具箱中的函数加以实现,对实验结果进行比较研究．     

基于粗集理论不完备数据的改进算法

由于经典的粗糙集理论不能处理原始数据中的遗漏信息,需要对这些数据进行补齐才能用于知识获取.因此数据预处理在粗糙集理论应用中非常重要的一环,其结果将直接影响到粗糙集理论应用的效率、准确度.所以有关基于粗集理论的数据挖掘中数据预处理的方法研究具有非常重要的意义.本文分析了当前主要数据补齐算法的特点和不足,并针对已有的基于粗糙集理论的不完备系统补齐算法ROUSTIDA的缺陷,提出了改进的数据补齐算法,使更多的缺损数据得到填补,尽量避免可能导致的决策规则矛盾问题.     

基于BP神经网络的油浸式变压器故障诊断

本文研究了一种基于BP神经网络的变压器故障诊断方法,利用油中气体含量分析的方法,收集整理变压器故障信息作为训练和诊断样本,建立了基于BP神经网络的变压器故障诊断模型,准确率最高达到95%,具有较高的实际应用价值。     

煤矿带式输送机故障诊断中模糊神经网络的应用

以模糊数学分析及神经网络综合运用为基础,研究了煤矿带式输送机的故障诊断技术.通过对输入参数的模糊数据处理并利用神经网络的学习能力来实现对数据的训练,得到高精确度的故障参数,从而建立起相应的模糊神经网络,对带式输送机进行及时有效的故障判断.最后基于Matlab软件对训练数据的仿真表明,基于模糊神经网络的故障诊断相较于传统故障诊断技术具有极高的准确度,且数据反馈及时,运行稳定.     

基于BP神经网络的油浸式变压器故障诊断

本文研究了一种基于BP神经网络的变压器故障诊断方法,利用油中气体含量分析的方法,收集整理变压器故障信息作为训练和诊断样本,建立了基于BP神经网络的变压器故障诊断模型,准确率最高达到95%,具有较高的实际应用价值。     

石油管道检测中缺陷类型的判别方法

本文主要介绍了漏磁检测以及基于BP神经网络的漏磁检测在判别石油管道缺陷类型中的应用。首先分析漏磁检测以及二维漏磁检测的原理,再根据缺陷信号的特点以及不同类型缺陷信号的特点,分析缺陷信号的提取方法以及不同类型缺陷信号的判断方法,最后简要介绍基于BP神经网络的漏磁检测方法。     

随机噪音对两类联想记忆神经网络特征参数的影响

用数值模拟的方法研究随机噪音对Hopfield神经网络和整体优化网络吸收率Pt otal的影响,得到以下结果：随机噪音可以缩短整体优化网络记忆相区和混合相区的收敛时间.在合适的外加随机噪音的作用下,神经网络系统一些特征参数会得到显著改善.     

基于AdaBoost.M2-NN的变压器故障诊断

组合分类器的经典算法AdaBoost即自适应Boosting算法是提高预测学习系统预测能力的有效工具.针对传统BP（Back Propagation,BP）神经网络在变压器故障诊断时存在不稳定和网络易陷于极小值等缺点,将AdaBoost扩展算法AdaBoost.M2与BP神经网络结合,形成基于Ada-Boost.M2-NN（AdaBoost.M2Neural Network）的变压器故障诊断模型.利用AdaBoost的集成提升作用,在一定程度上弥补了BP算法的不足.仿真结果表明：该模型不仅能将单个BP神经网络无法识别的样本类别识别出来,而且还能整体上相比BP神经网络和传统三比值法将识别率提高11.5%,说明其具有可行性.     

人工神经网络在孕妇脉象判别中的应用

以人工神经网络理论为基础,设计了一个用于判别孕妇脉象的神经网络。先对采样数据进行分析处理,形成网络的样本数据库,然后对网络进行训练、仿真,最后再对仿真结果作进一步分析。实验和分析表明,人工神经网络方法在中医脉诊领域具有明显的优越性和广泛的应用前景。     

一种用于地应力分析的改进型BP神经网络方法

地应力测量及分析研究,对地应力活动方式、构造体系的研究以及岩土工程与结构的设计和稳定性,都具有重大的理论意义和实用价值.BP神经网络算法比较成熟,已被广泛应用,但一般BP神经网络算法存在训练学习速度较慢、样本泛化能力差的问题,通过引入动态学习因子和惯性因子以及模拟辅助样本,对神经网络进行了改进.通过调节动态学习因子和惯性因子以及对样本集数据处理等手段,对样本的学习、训练进行优化处理,通过实例验证,将优化好的网络样本训练结果与一般结果进行比较,结果表明对三层BP神经网络进行的优化,在提高计算精度的同时也提高了网络的收敛速率,证明改进的算法能够很好用于地应力分析.     

综合智能温度控制策略在泡沫玻璃生产中的应用

通过对泡沫玻璃生产窑炉工作机理及温度控制系统的分析,提出了一种综合智能控制方案:首先利用人工神经网络对泡沫玻璃生产窑炉进行建模,再利用遗传算法对神经网络的权值和阈值进行优化,然后将此模型作为一个预估模型投入到控制系统中去.在控制器的设计过程中,不再使用单一的控制策略,而是在生产过程中根据坯料温度的输出误差大小来随时改变控制器的结构,从而达到对泡沫玻璃窑炉生产状态的最佳控制.     

一种不定控制系统的强健神经网络控制器

探讨不定控制系统的强健神经网络控制器．这是一个由遗传运算法则确定的最佳隐藏神经数的前馈多层神经网络．它借助状态空间控制器和编入必要的最佳程序,进行非线性处理,以确保性能的强健性．混合的遗传运算法则和后繁殖神经培养,具有最佳网络结构和神经染色体接合权的双重目标,把最佳网络结构和神经权协调地聚合,从而得到与性能控制目标基本一致．     

基于粒子群算法优化的T-S型模糊神经网络控制器

粒子群优化(PSO)算法是一种新颖的演化算法,该算法通过粒子间的相互作用在复杂搜索空间中发现最优区域,其优势在于简单而功能强大。提出一种T-S型模糊神经网络控制器,采用PSO算法对模糊神经网络的前件参数和后件参数进行寻优,从而实现了模糊规则的自动调整、修改和完善。通过对非线性和时变被控对象的仿真研究,结果表明采用粒子群优化算法可以实现参数的全局快速寻优,而且优化后的T-S型模糊神经网络控制器能获得良好的控制性能。     

基于神经网络专家系统的高压断路器故障诊断研究

将神经网络与专家系统的融合技术应用于高压断路器故障诊断的研究,该系统利用神经网络鲁棒性好、学习功能强等优点,可以充分发挥专家系统逻辑推理能力,克服专家系统容错能力差和学习能力弱的缺点。仿真结果验证了该方法的有效性和可行性,为高压断路器的快速故障诊断提供了一条新的途径。