基于实例的工艺知识获取模型

介绍了耦合神经网络的工艺设计实例推理系统的实现方法论,提出了一种基于神经网络的工艺设计实例推理索引模型．与现存大多数实例推理系统不同,该方法用神经网络实现实例的动态分类和索引．实例层次分类的三层结构和基于特征的聚类模板概念,为实现基于符号处理的实例推理求解模式向基于神经计算的模式识别求解模式映射提供了条件．提出了基于实例的工艺知识获取模型,采用新实例的入库操作实现工艺知识的隐式获取,从而使知识获取得以简化．神经网络的自适应、自学习能力将减少系统的日常维护工作．基于实例的系统可望解决知识获取的难题．     

基于粗糙集理论多区域并行神经分类器在变电站故障诊断中的应用

针对变电站故障诊断中不确定信息多和实时性要求高的特点,以变电站的开关保护信息为基础,提出了一种基于粗糙集理论和神经网络理论的多区域并行神经分类器的变电站故障诊断方法.该方法首先将变电站故障划分为多个独立的故障单元,针对每个区域故障单元建立故障模式库,利用粗糙集的知识约简和不确定信息的处理能力,对故障模式库并行挖掘,实行属性优选,再运用神经网络对故障诊断知识进行模式识别.将其应用于变电站故障诊断专家系统中,应用结果显示该方法不仅能缩小问题求解规模,实时性高,而且具有较强的抗干扰能力,是一种有效的变电站故障诊断方法.     

基于自适应学习速率法的补偿模糊神经网络

为克服常规网络收敛速度慢、无法结合专家知识等缺点,引入补偿模糊神经元,结合模糊系统强大的知识表达能力和神经网络优秀的自学习能力,并利用自适应学习速率法动态地改变学习率.提出了一种新型的基于自适应学习速率法的补偿模糊神经网络,并将其应用到实际例子中.结果证明,它不仅能在线适当调整参数,还能动态地优化相应的模糊推理,加快训练速度.     

T-S模糊神经网络在风机故障诊断中的应用

针对供热锅炉房风机故障的不确定性和复杂性的特点,结合神经网络的自适应自学习能力和模糊系统利用语言描述来获取知识的优点,建立了一种基于T-S模糊神经网络的风机二级故障诊断模型,以风机常见故障振动信号的特征频谱峰值变化为依据,诊断故障类型,并对故障原因进行识别。应用MATLAB软件进行系统仿真测试,通过实例与BP神经网络进行了对比分析,结果表明基于模糊神经网络的故障诊断方法收敛速度快、诊断精度高、效果较稳定,能够有效地诊断风机故障。     

基于BP神经网络的三相逆变器故障诊断研究

针对三相桥式逆变电路为研究对象,建立了仿真模型,并对逆变器主电路开关器件的开路故障进行仿真,提出了基于BP神经网络的故障诊断方法,确定了网络的结构和参数,并以此训练网络.仿真试验结果表明,该神经网络具有很好的故障识别能力,所选择的基于BP神经网络的三相逆变器故障诊断系统是可行的.     

基于模糊Petri网的误用入侵检测方法

提出了基于模糊Petri网的误用入侵检测方法,并将类似于神经网络的学习引入模糊Petri网,以调整攻击知识模型参数. 理论分析表明,基于模糊Petri网的误用入侵检测系统具有更高的推理效率,能从环境中动态学习调整知识模型的相关参数,如阈值、权值、确信度. 仿真结果表明,在大多数情况下,学习调整后的知识模型能够提高误用检测系统的检测率.     

基于LS-SVM的多模型非线性主动预测容错控制

针对具有故障先验知识的非线性系统,在基于BP神经网络多模型预测的主动容错控制方法中,存在建模所需样本多、网络结构难以确定、收敛速度慢、易陷入局部极值及非线性预测控制计算复杂等缺点,提出一种基于LS-SVM的多模型主动预测容错控制方法.首先基于LS-SVM建立系统正常或已知故障模式的动态模型库,实际运行时依据对系统性能容忍度指标与模型失配度指标的实时计算分析,判断系统所处的不同运行模式,既而采用对LS-SVM非线性核函数的线性化近似表示方法求取对应系统不同运行模式的局部线性预测控制律以实现对系统故障的主动容错.以一非线性系统实例仿真验证所述方法的可行性和有效性.     

一种基于人工神经网络的旋转机械故障监测方法

把神经网络与数字信号处理相结合，提出并实现了一种基于神经网络的旋转机械在线故障监测系统，主要用于识别旋转机械的一些常见故障如转子不平衡振动、转子零部件松动、油膜涡动等等。系统主要由数字信号采集、数字信号预处理和Ｂ－Ｐ神经网络几部分组成。在神经网络中采用批处理加动量项的梯度下降算法学习。仿真结果表明该故障监测系统在故障识别率等各方面性能指标均优于传统的基于知识的工况监测与故障诊断系统。     

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。     

基于动态递归模糊神经网络的动态系统辨识

模糊系统和神经网络由于具有逼近任意连续非线性映射的特性而广泛应用于系统的辨识和控制,但是传统的模糊神经网络是一种静态映射,不适用于动态系统的辨识,而现实工程中的控制对象反映的是系统的动态行为.为了提高动态系统的辨识精度,提出了一种新型的动态递归模糊神经网络,并根据动态递归神经网络的数学模型推导其动态反向传播学习算法及其改进算法.仿真结果表明:由于动态模糊神经网络的辨识过程同时利用了系统的当前数据和历史数据,对动态系统的辨识,特别是对具有纯时间延迟动态系统的辨识,较传统模糊神经网络在辨识精度和稳定性方面具有更好的效果.同时,确定网络权值和隶属函数参数初始值的方法可使动态系统的辨识过程具有更快的收敛速度.     

基于集成模式的多参数综合智能故障诊断

基于产生式规则,事例,模糊诊断,神经网络集成模式,提出了多参数综合智能故障诊断方法,分析了多种诊断方法集成的必要性,以及该方法的知识表示,智能推理诊断及知识学习,应用结果表明这一多参数综合智能故障诊断的方法在实际工程中是行之有效的。     

多级模糊神经网络在故障诊断中的应用

提出一种基于模糊神经网络的多级故障诊断系统,根据多级的需要,除了建立故障谱和识库外,还分别建立了频谱特征知识库、振动变化特征知识库和故障位置特征知识库,并对其主要功能做了比较细致和论述。文中特别对第1,3级采用的基于模糊组织径向基函数神经网络及第2级采用的模糊逻辑神经网络的学习算法做了较全面的论述,同时解决了模糊神经网络随着输入变量的增加,模糊规则呈指数增长带来网络训练的困难。通过试验,研究了该系统在某炼油厂重催化机组故障诊断中的具体应用。     

基于BP神经网络的挖掘机智能故障诊断知识库设计

介绍了基于BP神经网络智能故障诊断技术在贵阳矿山机器厂O.8m3.液压挖掘机故障诊断系统应用中系统故障诊断神经网络知识库设计的方法与步骤,结合液压泵子系统故障诊断实例详细阐述了智能故障诊断故障库设计过程中神经网络建立、训练样本获取及神经网络学习的具体方法.     

采用神经网络和遗传算法组合的自学习模糊控制器

本文提出一种新型的、采用神经网络和遗传算法组合自学习构造模糊控制器的方法。该方法将神经网络的实时增强学习能力融合于遗传算法的全局搜索中,提高了系统的收敛速度、实时学习能力和控制性能,而不需要提供系统动力学知识和先验控制经验。作者以倒立摆系统和家用空调器作为控制对象,通过仿真计算检验了该方法的有效性。     

FMS故障诊断专家系统知识获取子系统的开发

知识获取一直是专家系统建造中的瓶颈问题,本文主要研究了专家系统的知识获取技术,提出了基于例子学习和指导学习相结合的机器学习方法,并将其应用到FMS故障诊断专家系统中,使得该专家系统在运行的过程中能够根据现场的情况不断更新和优化知识库中的知识,进一步拓宽了专家系统的应用前景.     

A Self-Organizing Controller for Dynamic Processes Using Wavelet Networks

ＡＳｅｌｆ┐ＯｒｇａｎｉｚｉｎｇＣｏｎｔｒｏｌｅｒｆｏｒＤｙｎａｍｉｃＰｒｏｃｅｓｅｓＵｓｉｎｇＷａｖｅｌｅｔＮｅｔｗｏｒｋｓＳｈｅｎＦａｎＬｉＺｈｏｎｇｌｉ（ＳｏｕｔｈｗｅｓｔＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ）ＡｂｓｔｒａｃｔＩｎｔｈｉｓ...     

Synthetic Intelligent Fault Diagnosis Technology for Complex Process

A fault diagnosis method of knowledge-based fuzzy neural network is proposed for complex process, which is hard to develop practical mathematical model. Fault detection is performed through a knowledge-based system, where fault detection heuristic rules have been generated from deep and shallow knowledge of the process. The fuzzy neural network performs the fault diagnosis task. This method does not need practical mathematical models of objects, so it is a strong implement for complex process.     

Deterministic learning from control of nonlinear systems with disturbances

In this paper, we investigate deterministic learning in environments with disturbances. We will show that for a class of uncertain nonlinear systems with bounded disturbances, by using an appropriately designed adaptive neural controller, the disturbances are attenuated and the system output tracks a periodic orbit in finite time. As radial basis function (RBF) neural networks (NN) are employed, this leads to the satisfaction of a partial persistence of the excitation (PE) condition. By using the uniform complete observability (UCO) technique, it is analyzed that partial estimated NN weights will converge to a neighborhood of zero, with the size of the neighborhood depending on the amplitude of disturbances as well as on the control gains. Locally-accurate approximation of unknown system dynamics can still be achieved in the stable NN control process. The approximation error level is influenced by the amplitude of disturbances. The obtained knowledge of system dynamics can be reused in another control process towards stability and improved performance. Simulation studies are included to demonstrate the effectiveness of the approach.     

非高斯随机分布系统的集成故障诊断与容错控制

针对一类非高斯非线性随机分布系统,提出了一种集成故障诊断与容错控制算法. 将基于有理平方根模型逼近其系统输出概率密度函数（PDF）,在此基础上给出了基于RBF神经网络观测器的故障诊断算法,诊断出系统发生的渐变故障信息,基于Lyapunov稳定性定理对其观测误差系统进行收敛性分析. 根据故障诊断信息,给出了PI跟踪容错控制策略,使得系统输出概率密度函数仍能够跟踪给定的分布. 仿真结果验证了该集成故障诊断和容错控制算法的有效性.      

考虑滚动轴承故障位置与损伤程度的双分支卷积神经网络故障诊断方法

针对现有深度学习方法对非平稳的滚动轴承故障诊断过程中,先验故障信息利用不充分和故障样本不完备,导致诊断精度不高甚至无法诊断的问题,充分发掘轴承故障位置和损伤程度与振动数据特征间的映射关系,提出一种考虑滚动轴承故障位置与损伤程度的双分支卷积神经网络故障诊断方法.该方法首先将原始振动信号矩阵化,构建二维灰度图像数据集,然后...