T-S模糊神经网络在冠心病智能诊断中的应用

 冠心病是一种最为常见的心血管疾病,近年来在中国的发病率与死亡率逐年升高,准确诊断和及时治疗是有效降低冠心病死亡率的主要措施。通过引入模糊系统的理论,在传统BP神经网络结构中加入了模糊层与模糊规则计算层,建立了T-S模糊神经网络模型。使用该模型对采集于克利夫兰诊所的297组数据进行分析预测,与传统BP神经网络预测结果对比显示,T-S模糊神经网络模型的平均准确率为82.93%,而传统BP神经网络的平均准确率为75.56%,表明T-S模糊神经网络模型在冠心病的智能诊断中具有较高的预测准确率。     

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。     

模糊神经网络在变压器故障诊断中的应用

提出并研究了模糊神经网络在变压器故障诊断中的应用问题。以油色谱分析数据作为输入，故障类型作为输出，建立了邦联诊断的模糊网络模型。故障实例的测试结果表明了这咎方法的有效性。     

模糊神经网络在电力变压器故障诊断中的应用

及时和正确地诊断出电力变压器的故障,对维护电力系统的正常安全运行具有非常重要的意义。本文把基于模糊理论和神经网络的模糊神经网络模型应用于变压器的故障诊断中,实例分析结果表明该方法能有效提高变压器故障诊断的正确性。     

基于粗糙集的模糊神经网络在故障诊断中的应用

文章将粗糙集理论、模糊逻辑推理和神经网络等方法相结合,提出一种基于粗糙集的模糊神经网络理论的复杂机械的故障诊断方法。该方法应用模糊逻辑推理建立故障诊断决策表,采用粗糙集理论对故障样本数据属性约简,将获取的主要特征属性输入到神经网络中进行训练学习,然后把检测数据输入到诊断系统中进行检测。检测结果表明,该方法在船舶柴油机的故障诊断中是有效的。     

基于粗糙集的T-S模糊神经网络在回转窑烧结过程中的应用

基于粗糙集理论的知识约简方法和T-S模糊神经网络的非线性映射理论,针对回转窑烧结过程被控对象复杂、各参数之间相互耦合及难以建立精确数学模型的特点,提出一种RS-FNN智能控制策略。采用基于一种新的聚类有效性准则函数的模糊C均值聚类算法对连续属性进行离散化;然后利用粗糙集理论由历史数据样本提取约简规则集,对应的T-S模型具有反映数据特征的良好拓扑结构;最后T-S模型参数由梯度下降混合最小二乘法进行精调。该方法应用于铁矿氧化球团回转窑生产过程控制取得了良好效果,增强了系统容错及抗干扰的能力。     

模糊神经网络在燃气轮机故障诊断专家系统中的研究与应用

针对故障诊断专家系统中自学习能力弱和不能描述模糊性知识的问题,提出了一种将模糊神经网络运用于故障诊断专家系统的研究方法,既可以使故障诊断专家系统根据事例和数据来学习新的知识和信息,又增强了系统描述模糊性知识的能力,使得诊断结果更加符合诊断工作人员的需要。最后以某型燃气轮机为研究对象,实现了快速、准确地诊断。     

模糊粗糙强耦合神经网络在TEP故障诊断中的应用

单纯的粗糙集和神经网络在故障诊断方面存在着各自的优缺点,将粗糙集与模糊神经网络相结合的同时,利用粗糙集提取的规则融入神经网络结构中,从而构造了一个模糊粗糙强耦合神经网络结构,并将其运用于TEP(Tennessee-Eastman process)故障诊断中,取得了较好的故障诊断结果.     

基于规则的T-S模糊神经网络

该文提出了一种基于规则的Ｔ－ Ｓ模糊神经网络的结构和相应的算法。首先用自组织算法对学习数据进行聚类生成一组初始的模糊规则,然后用误差反传法细调网络参数,通过仿真验证,该模糊神经网络具有结构简单,拟合精度高等优点。     

基于T-S模型的模糊神经网络

一种基于Ｔａｋａｇｉ－Ｓｕｇｅｎｏ模型的模糊神经网络由前件网络和后件网络两部分组成。前件网络用来匹配模糊规则的前件，它相当于每条规则的适用度。后件网络用来实现模糊规则的后件。总的输出为各模糊规则后件的加权和，加权系数为各条规则的适用度。所提出的模糊神经网络具有局部逼近功能，且具有神经网络和模糊逻辑两者的优点。它既可以容易地表示模糊和定性的知识，又具有较好的学习能力。给出了调整规则后件参数及前件隶属度函数参数的学习算法，举例说明了它的逼近性能。     

神经网络在故障诊断中的应用

针对传统故障诊断系统中存在的不足,将人工神经网络用于故障诊断,成为解决这一问题的有效途径.在BP神经网络学习算法基础上,对其进行一些改进.通过实例分析,将神经网络用于故障诊断,可大大提高系统的检诊效率.     

神经网络在故障诊断中的应用

描述了神经网络的BP算法,探讨了BP神经网络拓扑结构的确定,考察了小波变换和小波分析,论述了故障机理和故障诊断的问题。     

T-S模糊门在因果图中的应用

T-S模糊门在故障树分析中已得到广泛应用,并具有较好的实用性.鉴于因果图和故障树都可以用于故障诊断,用图形表示因果关系,两者具有很多相似性,并且在一定条件下,因果图和故障树可以相互转化,故将T-S模糊门引入到因果图中,考察其实用价值.     

油液监测在风机故障诊断中的应用

油液监测技术作为一种齿轮箱故障诊断方法,可排查齿轮箱和风机的潜在故障。结合风机油液检测、包括油液的理化性能检测,污染监测及磨损颗粒分析,从而对风机故障引起预警,早期排除风机潜在故障,为业主单位降低维修成本。本文介绍了几种常规对润滑油检测的项目,分析了实际案例。     

模糊经验方程和模糊自组织神经网络在航空发动机故障诊断中的应用

探讨了模糊经验方程和模糊自组织神经网络在航空发动机故障诊断中的应用。这两种算法有效结合工程经验,算法结构简单,易于应用。采用这两种方法分别对某型发动机实际故障进行诊断,结果表明其可有效的应用于发动机故障诊断。     

神经网络在变压器故障诊断中的应用

根据变压器故障诊断的特点,采用神经网络的误差逆传播算法,运用气相色谱分析方法,建立故障诊断的神经网络模型．运用人工神经网络的学习能力,通过对训练数据的学习,判断变压器的故障类型．     

神经网络在变压器故障诊断中的应用

根据变压器故障诊断的特点，采用神经网络的误差逆传播算法，运用所了相色谱分析方法，建立故障诊断的神经网络模型。     

神经网络在提升机故障诊断中的应用

结合领域专家的经验知识,根据提升机制动系统故障树,完成了故障样本的收集与设计,然后用自组织特征映射(SOM)网络对制动系统的7种故障自动进行了分类,成功实现了第一层次的诊断;总结了制动系统子系统-液压站故障树,进行故障样本的收集与设计,然后用BP网络、BP网络状态分类器和Elman网络对液压站故障进行了第二层次的诊断,确定了故障原因和程度.对液压站故障的测试结果表明,这3种网络最后的结构和智能算法trainlm、输入、输出均能满足故障诊断与预测的要求;Elman网络的诊断性能较稳定,其隐含层神经元数对诊断性能的影响较小;故障测试精度由高到低依次是BP网络状态分类器、BP网络、Elman网络.     

神经网络在机械系统故障诊断中的应用

近年来，神经网络已成为当代人工智能研究领域的一个热点，工程界也表现了极大的热忱，期望它在解决一些长期以来用传统方法难以解决的问题方面能发挥突破性作用。本文较为详细地探讨了神经网络双向联想记忆法在机械系统故障诊断中的应用。研究表明，该法能大大提高故障诊断的智能水平和实时处理能力，为机械系统故障诊断开辟了一条新途经。     

基于偏差补偿的T-S模糊神经网络

将T-S模糊神经网络应用于化工生产过程的软测量,并针对提高软测量精度的问题,提出了一种基于偏差补偿的改进型T-S模糊神经网络模型。将网络模型输出与样本输出比较后所得的偏差,作为校正网络的样本数据输出,以样本输入数据为输入,对校正网络进行训练,建立了关于偏差的模糊系统模型,将校正网络的输出对软测量系统模型的误差进行修正。经过实际测量,取得了较好的应用效果。