模拟退火自适应模糊系统学习算法及其人在故障诊断中的应用

把自适应模糊系统的学习过程解为聚类和线性优化,用模拟退火作为聚类的工具,提出了一种基于模拟退火的自适应模糊系统学习算法。     

一种新的模糊自校正控制学习算法

提出一种基于模糊竞争学习的模糊自校正控制方法.通过基于模糊竞争学习确定一种在线模糊辨识算法,在采用此模糊辨识方法对对象进行在线估计的基础上,用调节器实现参数的自动整定.为了验证所提方法的有效性,给出了非线性系统的控制结果.     

基于案例推理的导弹故障诊断专家系统研究

简述了专家系统应用于导弹武器系统故障诊断的重要意义,并将基于案例推理的技术引入到导弹故障诊断专家系统的设计中,最后结合某型导弹故障诊断特点,探讨了这种基于案例推理的导弹故障诊断专家系统的结构和实现方法。     

基于自适应观测器的导弹电动舵机故障诊断研究

介绍一种基于自适应观测器的故障诊断方法,该方法通过构造自适应观测器获取反映系统故障的残差信息,并根据Lyapunov方法证明了自适应观测器的稳定性,然后采用需要样本较少的序列概率比方法进行故障决策。建立了某导弹电动舵机的数学模型,通过构造自适应观测器获取反映系统故障的残差信息,针对该系统出现的故障,利用序列概率比方法进行故障决策,仿真验证了本方法的有效性。     

一种新型多分类支持向量算法及其在故障诊断中的应用

层次支持向量机（H-SVM）比通常的多分类支持向量算法具有更快的训练速度和分类速度，便于实现在线分类。提出一种基于H-SVM的多类故障诊断方法，根据特征空间中各类故障样本中心之间的距离来逐层划分子类，距离较近的故障样本归为同一个子类进行训练，得到的H-SVM层次结构合理，各层的SVM分类间隔大、泛化性能强。另外，用V-SVM代替通常的C-SVM作为两类分类器，分类器参数意义明确、变化范围小，更容易确定。针对一个涡轮喷气发动机气路部件故障诊断的仿真实验表明，设计的故障分类器具有良好的分类准确性和泛化性能，可以对发动机气路部件的典型故障进行快速诊断。作为应用实例，对JT9D发动机的6种实际故障进行了有效诊断。     

模拟退火自适应模糊系统学习算法及其在故障诊断中的应用

把自适应模糊系统的学习过程分解为聚类和线性优化,用模拟退火作为聚类的工具,提出了一种基于模拟退火的自适应模糊系统学习算法,用该学习算法建立某非线性伺服机构的模型,并构造基于模型的故障诊断系统,实验取得了良好的结果。     

一种小波神经网络结构及其学习算法研究

基于仿射小波神经网络的逼近原理和结构设计问题 ,本文提出了一种新型小波神经网络结构 ,研究了其结构化设计方法和相应的学习算法 ,优化组合小波基元激励函数 ,实现了小波神经网络权系数的二次学习 ,避免了“维数灾”问题 ,改善了网络学习特性。计算机仿真结果表明 ,研究的小波神经网络结构及其学习算法简单有效 ,函数逼近更精确     

最大-乘积型模糊联想记忆网络的一种新的学习算法

本文提出了最大-乘积型模糊联想记忆网络的一种新的学习算法,并给出了严格的理论证明.在一定条件下,新算法能将多个模糊模式对可靠地编码到模糊联想记忆网络的连接权矩阵中,且已存储的模式对可被完整地回想出来,并举例验证了算法的有效性.     

一种本体学习中的领域概念筛选算法

由于现有领域概念筛选方法中领域筛选存在不准确的缺点,提出了一种改进的本体学习中的领域概念筛选算法。该算法针对领域相关度和领域一致度公式存在的信息描述不全的缺点进行改进,给出了改进公式和领域概念筛选算法。实验数据表明,该方法提高了领域概念筛选的有效性,取得了很好的效果。     

一种新的SPKF算法-GSPKF算法

提出了一种SPKF算法的改进算法,称之为GSPKF。该算法中Sigma点权值由选择该Sigma点的概率决定。此时,Sigma点权值物理意义明确、计算简单、恒大于零,协方差矩阵物理意义明确,可以实现全局拟合,GSPKF算法的物理意义更加明确。可以证明,两种算法对期望和协方差的准确估计精度是相同的,但是,GSPKF算法可以渐进拟合非线性函数真实的期望和协方差,GSPKF算法的滤波效果至少不低于现有SPKF算法。它们的滤波效果由仿真进行了验证。     

模糊BP神经网络及其在故障诊断中的应用

概括总结了传统故障诊断系统的缺陷,介绍了模糊神经网络技术的优点及其在故障诊断中的优势,简述了采用模糊BP神经网络解决故障诊断     

一种改进的RBF神经网络学习算法

提出了一种改进的RBF神经网络学习算法 ,分别通过减聚类和监督学习算法对网络参数和权值进行训练 ,既可以根据样本合理地聚类、确定RBF径向基函数的个数和相应参数 ,又具有较强的网络映射能力 ,从而不仅使RBF神经网络结构得以优化 ,性能也得到了提高。仿真结果表明了该学习算法的实用性和有效性     

基于GA的知识获取方法及在故障诊断中的应用

从优化角度出发,定义一个新的指标函数,并提出一种基于遗传算法的机器学习方法,该方法能够从学习实例中总结出有用的知识。针对该优化模型,用一种新型的遗传算法——带有染色体性别的遗传算法(GACD)对其进行优化,并将该方法应用于旋转机械故障诊断知识获取过程,仿真实验结果说明该方法是比较有效的。     

一种新的仿真算法

本文提出了一种新的仿真算法,给出了计算公式和计算程序,研究了它的算法特点。它是一个显式方法,同欧拉法一样,每积分一步,只需计算一次右函数,但它的稳定区域与欧拉法不同。它被用于不适合用欧拉法的问题中。在运载火箭姿态控制系统仿真中,它得到了成功的应用。     

导弹预警卫星目标识别算法研究

针对导弹预警与攻防对抗中的导弹目标识别问题,提出了一种导弹预警卫星地面应用系统中对导弹目标进行识别的新算法。该算法提出用导弹发射点位置、导弹尾焰红外特征和导弹关机点特征量作为导弹目标识别的特征量,用模糊隶属度加权求和方式进行信息融合,根据融合和最大融合量的阈值判决确定导弹的类型、国别。仿真实验证明了该算法的有效性。     

一种改进的萤火虫算法及在洗出优化中的应用

为提高萤火虫算法精度,解决该算法迭代步长固定易陷入局部最优等问题,提出一种改进的萤火虫算法—极值优化萤火虫算法(Extremal Optimization Firefly Algorithm,EOFA).EOFA是将极值动力学算法强大的局部搜索能力与萤火虫算法的强搜索性相结合,采用倒S型函数的迭代步长,提高萤火虫算法的...     

求解Nash均衡解的一种学习算法

本文基于进化论思想,提出了求解Ｎａｓｈ均衡解的一种学习算法,并证明了该算法在各局中人的策略空间不同的情况下仍然适用。     

GA与ST在防空导弹总体参数优化设计中的应用

遗传算法 (GA)是一种方便好用的鲁棒全局优化算法 ;逐步宽容法 (ST)是一种物理概念清晰、适合工程应用特点的多目标优化方法。将二者有机地结合起来 ,应用于防空导弹总体参数优化设计。实践证明 ,其寻优速度较之传统的优化算法大为提高 ,优化结果的最优可信度高。     

一种新的用于故障诊断分类器的特征样本生成方法

研究了测量向量的特征.提出了利用Voronoi多胞体选择特征样本的新方法.该方法由3部分组成置信判决,首正归一及边界样本选择.利用该法生成的训练集不仅可以大大减少样本数从而提高训练速度,而且通过调节故障类别分割面位置,还可提高故障诊断准确率.     

人工免疫系统及其在故障诊断领域中的应用

首先介绍了生物免疫系统的机理和特点,并给出了基于生物免疫机理开发的,在故障诊断领域中涉及较多的人工免疫网络模型、反面选择算法及其应用改进,然后给出了国内外人工免疫系统在故障诊断领域中的一些应用成果,最后对人工免疫系统在故障诊断领域中的应用前景和进一步的研究工作进行了展望。