基于模型的故障诊断中的模糊建模和推理

分析了基于模型的故障诊断方法的原理和特点以及其他故障诊断方法（基于规则、基于人工神经网、基于案例）的局限性．针对基于模型的故障诊断,提出了运用人工神经网和遗传算法的模糊建模方法,简化了建模复杂性．给出了基于模糊模型的故障诊断推理方法,从而能有效地处理复杂系统的故障诊断     

用于故障诊断的集成型智能系统

故障诊断是人工智能的一个重要研究内容．分析了现有故障诊断方法（基于规则、基于模型、基于人工神经网、基于案例）的各自特点和局限性．提出了集成现有故障诊断方法（规则、模型、人工神经网、案例）的故障诊断系统及其系统结构．从知识获取和表示、推理和诊断、机器学习方面,说明该新系统能结合现有故障诊断方法的互补性并克服存在的局限性,并且能提高故障诊断的智能性及效率．     

基于概念层级和分层挖掘的非单调数据挖掘算法

引入概念层级和采用分层挖掘处理数据挖掘中的非单调性,提出了结合粗糙集和概念层级的非单调规则挖掘算法,以及基于混合知识模型和分层挖掘的非单调数据挖掘算法,通过一故障诊断实例,阐明了该算法的原理,并介绍了基于遗传算法的模糊规则自动生成和故障诊断神经网的构造。     

基于多色集合的数控机床故障诊断模型构建与推理方法

数控机床故障具有层次性和相关性等复杂特点,构建形式化的数控机床故障诊断模型并推理出故障原因,是进行故障诊断的重要过程。本文基于多色集合理论,提出数控机床故障诊断形式化结构模型的构建与推理方法。在阐述多色集合基本概念的基础上,构建了基于多色集合的数控机床故障诊断层次结构模型;利用多色集合的元素、个人颜色、统一颜色以及布尔矩阵,从横向和纵向两个方向对该模型进行了形式化描述;给出了数据机床故障诊断模型的推理算法流程,实现了自顶向下的自动推理。最后以刀架系统故障诊断建模与推理过程为例,验证了所提理论和方法的正确性和有效性。     

基于BP神经网的内燃机燃烧模型

利用ＢＰ神经网良好的非逻辑归纳特性和高度的非线性特性映射能力，采用组群形式，对建立内燃机燃烧模型进行了尝试，结果表明：基于ＢＰ神经网的燃烧模型建模过程简洁，计算速度快，模拟、预测结果令人满意。     

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RBF神经网络的射频功放器件大信号建模方法研究

基于多层前向神经网络对任意非线性连续函数有较好的逼近效果，对BP（反向传播算法）神经网 络和RBF（径向基函数）神经网络作了理论上的分析比较，并采用实际数据进行训练，说明了RBF神经网 络在逼近精度和速度上都要优于BP神经网络。最后，以RBF神经网络作为函数逼近器对射频功率器件建 立了大信号特征模型，并进行了模型检验，证明了基于RBF网络的建模方法具有较高的精度。     

基于计算智能的模糊规则自动生成

介绍模糊控制开发系统中隶属函数编辑、模糊规则生成与优化、目标代码生成的原理和功能,提出了基于多层感知器网络、五层模糊神经网、遗传算法的模糊规则自动生成算法,并给出各算法特点和结果分析     

一类非线性系统的模糊推理建模与控制仿真

针对一类非线性系统,首先使用模糊推理建模法由输入输出数据对得到该系统的数学模型,然后直接对所得的模型进行变论域自适应模糊控制,最后在不同参考输入情况下进行了仿真实验,并与常规模糊控制进行了比较。结果表明,基于模糊推理模型基础上的变论域自适应模糊控制具有相当的普适性和非常好的跟踪性、实时性。     

一种基于Petri网模型的数控系统的分析与在线实时故障诊断方法

以数控镗床为对象,提出了一种基于Petri网的数控系统的建模、分析以及故障诊断方法.为了保证故障诊断的实时性和正确性,用Petri网构建了HNC-22MD镗床数控系统的分析模型,并对系统的可达性、有界性、活性等进行了分析,定义了标识矩阵,以此实现镗床数控系统的在线实时故障诊断.实验结果表明,这种方法可充分反映镗床数控系统的控制和信息流程,为数控镗床的高效、可靠和稳定运行提供了理论基础.     

基于远程数据交换与智能控制系统的汽车故障诊断研究

探讨了基于远程数据交换与智能控制系统的汽车故障诊断模块的功能,分析了汽车故障诊断专家系统的存储表达和推理技术.根据规则推理、案例推理、模糊理论和人工神经网络技术的特点,提出了这些技术的集成方案,设计了汽车故障诊断专家系统,论述了知识库和辅助建模平台的设计方案.该系统经过测试和试用,得到了满意的效果.     

人工智能及其在输配电网络故障诊断中的应用

介绍了人工智能技术———专家系统、人工神经网络、模糊理论、遗传算法的理论及其在电力系统的输配电网络故障诊断中的应用,分析了各种方法的优缺点,并指出今后发展的主要方向是综合智能.     

神经网络与模糊故障诊断专家系统结合的应用研究

讨论基于模糊产生式规则的故障诊断专家系统与神经网络相结合的问题,把推理网络同神经网络联系起来,使它能转换成神经网络。结论经实例验证,该方法可靠有效。利用神经网络的并行处理和自学习能力,能避免传统模糊推理的冲突,低效率和知识获取的瓶颈问题。     

一种混合智能故障诊断方法及柴油机故障诊断

提出了一种模糊聚类、粗糙集理论与神经网络集成的混合智能故障诊断方法。引入聚类有效性函数和点分布密度函数。对模糊c-均值聚类算法进行改进,形成了自适应模糊聚类算法并依据该算法将连续的故障特征值离散化。应用粗糙集理论处理离散化的故障诊断数据。采用基于信息熵的方法,约简冗余的故障特征。依据约简结果构建神经网络,采用遗传算法优化网络的权值和阈值。将该方法用于柴油机气门故障诊断,并与普通神经网络进行对比。结果表明,该方法提高了故障诊断的正确率。     

模糊神经网络在自动变速器电控系统故障自诊断中的应用

文章介绍了故障自诊断的步骤,针对自动变速器电控系统的特点,建立了故障征兆与故障原因映射列表,并应用基于模糊神经网络的故障自诊断方法,实现了对自动变速器电控系统故障的模糊诊断;并介绍了模糊神经网络的结构和学习方法,以及如何对训练样本进行预处理;利用Matlab神经网络工具箱作为平台,进行测试样本仿真和试验,结果表明该诊断方法是行之有效的。     

模糊Kohonen神经网络回热系统故障诊断

分析了汽轮机组回热系统12种典型故障及9种征兆参数的模糊处理,结合Kohonen神经网络的工作原理、诊断特征,提出了模糊Kohonen神经网络汽轮机组回热系统故障诊断模型.结果表明:该模型可以有效地进行回热系统故障样本模式的模糊量化处理,具有自学习功能、聚类能力强、运算速度快的优点,可以有效地对具有模糊性的单一故障和复合故障进行诊断,是一种适合于汽轮机组回热系统故障诊断的有效可行的方法.     

一种在线检测与预测传感器故障的方法研究

分析了人工神经网络和模糊逻辑，并结合二者各自的优势，针对传感器故障检测的特点，提出一种对传感器故障在线检测与预测的方法。该方法采用在线学习训练网络，并给出传感器的预测信号，对传感器是否发生故障做出检测，仿真实验证明，该方法对传感器的故障能在线做出准确的检测，同时隔离故障传感器并为系统和设备提供临时的预测信号。     

基于神经网络及模糊理论建立回热系统故障诊断层次模型

针对热力系统故障发生的模糊性,提出将模糊辨识理论和人工神经网络相结合,建立回热系统故障诊断层次模型．该模型根据回热系统以加热器为中心的特点,分层诊断,缩小了知识库,减少了计算量,并利用了神经网络“边学习、边辨识”的优点,使故障诊断迅速、准确．经仿真实验,证明了模型辨识效果良好．     

RBF神经网络用于发动机控制系统的故障诊断

神经网络是以研究人的生物神经为根据,由大量简单元件即神经元模拟电子器件相互联接而形成的一种复杂网络本文通过比较现行发动机控制系统故障诊断的方法,针对基于神经网络的发动机控制系统故障诊断进行了推导及改善数学模型;并编制了采用径向基函数神经网络完成发动机控制系统故障诊断的学习与诊断程序,实现了仿真将神经网络应用于发动机控制系统的故障诊断技术中,以发动机的各测量传感器为基础,对其控制系统进行实时故障诊断和故障分离,不仅充分体现神经网络的容错性、抗干扰性及大规模并行处理能力、自学习能力等特点,而且开发了发动机控制系统的故障诊断技术新领域