粗糙集CMAC神经网络故障诊断策略

提出一种基于粗糙集CMAC神经网络的智能互补融合的诊断策略．该策略利用粗糙集理论对数据样本进行数据浓缩．提取初步的诊断规则．对初步的诊断规则通过神经网络进行粗映射,利用神经网络的分类逼近能力,建立故障状态空间到诊断空间的精确映射．大大提高了神经网络的收敛速度和逼近精度．将该神经网络应用于的变压器故障诊断实例．结果表明．该神经网络具有分类逼近能力强．计算量小等优点．诊断正确率比普通神经网络的诊断正确率高．     

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。     

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。     

基于定性模型和定量知识集成的智能故障诊断方法研究

首先从诊断对象的知识表示和处理诊断知识的能力两个方面对基于定性模型的故障诊断方法进行了分析,然后在此基础上提出了基于深浅知识集成的分层诊断策略,并基于符号有向图和模糊理论提出了一种定性模型和定量知识集成的智能故障诊断方法。仿真故障数据验证结果表明,该方法不仅具有较快的诊断速度,而且能有效地提高诊断的准确度。     

一种综合智能故障诊断方法的研究

文章介绍了当前一些常用的智能故障诊断技术及其相应的局限性;提出了一种综合运用模糊系统、神经网络及专家系统知识的综合型智能故障诊断方法———基于神经模糊网络和专家系统技术的故障诊断系统,并对该系统的结构、函数及迭代算法等进行了详细的讨论和研究。     

雷达系统故障的诊断技术

对雷达系统故障诊断技术作了归纳和分类,分析了当前故障诊断技术的优缺点,重点讨论了以下8个方法:基于知识的智能故障诊断方法;对神经网络故障诊断方法;粗糙集诊断方法;基于遗传算法的故障诊断方法;故障树的诊断方法;专家系统故障诊断方法;基于小波分析的故障诊断方法;模糊故障诊断方法.最后,指出了雷达系统故障诊断技术在当前和今后的研究重点和方向.     

基于聚类和模糊神经网络的故障诊断

模糊神经网络能够发挥模糊逻辑和神经网络的特性,在武器装备的故障诊断中应用越来越广泛。文中提出了一种基于聚类和模糊神经网络的故障诊断模型,该模型首先通过基于关系度的聚类方法得到模糊神经网络的初始结构,并用梯度下降法对网络的参数进行修改,以得到泛化能力好的诊断网络。仿真结果表明该模型是有效的。     

基于一种改进的一维卷积神经网络电机故障诊断方法

故障诊断对于保障电机正常运行有着重要意义,卷积神经网络（CNN）对单一电机故障有着良好的诊断效果.然而传统CNN在处理不同尺寸的数据上存在局限性.针对这一问题,提出了一种基于空间金字塔池化和一维卷积神经网络相结合的故障诊断方法与参数优化策略.该方法不仅使网络可以处理不同尺寸的数据,还降低了网络结构的复杂性和所需运算量.所提出的参数优化策略从理论上解决了诊断过程中可能会发生的金字塔池化的尺度失配问题.仿真结果表明,与传统网络相比,所提出的方法提高了网络结构的鲁棒性与泛化能力,可以更加快速准确地实现电机的故障诊断.      

基于粗糙集-神经网络故障诊断技术的研究

提出了一种基于粗糙集-神经网络故障诊断新方法,该方法利用粗糙集理论对数据样本进行数据浓缩,提取初步的映射规则.该规则通过神经网络进行粗映射,利用神经网络的分类逼近能力,建立输入状态空间到输出空间的精确映射,大大提高了神经网络的收敛速度和逼近精度.通过对一个电力电子电路进行实验,实验结果表明,该方法可以有效地减少输入层神经元个数,提高神经网络模型的学习效率和诊断的准确性,在故障诊断中有良好的应用前景.     

基于神经网络的高压断路器机械故障诊断仪及在设备检修中的应用

阐述了一种基于径向神经网络技术，通过检测高压断路器分合闸线圈电流、储能电机电流、线圈两端电压及振动信号并将测得的信号特征值或波形和开放式智能样本库进行比对。在此基础上介绍了对断路器机械故障进行智能诊断的高压断路器机械故障诊断仪产品，并结合该装置在现场进行故障诊断的实例提出了一种高压断路器机械故障诊断的新方法。     

混沌优化在模糊系统优化设计中的应用

在基于 T- S模型的模糊神经网络的基础上 ,提出了一种将混沌优化方法和最小二乘法相结合的优化方法。用变尺度混沌优化方法优化隶属函数参数 ,而用最小二乘法估计规则后件参数。该方法同时利用了变尺度混沌优化的快速全局搜索能力和最小二乘法的快速收敛性 ,因此网络学习速度快 ,精度高。仿真结果表明了该方法的有效性 ,所建立的模型具有良好的泛化能力。     

基于Kohonen网络-粗集-模糊神经网络获取模糊规则的集成方法

基于单一知识发现方法的不足提出了一种基于Kohonen网络、Rough Sets和FNN获取模糊规则的集成方法.首先用Kohonen网络进行数据量化,然后运用粗集理论产生初始规则,并根据所得的规则建立模糊神经网络模型,从而生成较少的精炼规则.最后通过实例仿真分析,验证了该方法的有效性和实用性,同时为获取模糊规则提供了新的思路.     

基于OPCA-IGAFNN的NQI综合服务 信息平台服务质量评价

针对传统模糊神经网络（FNN）评价模型在国家质量基础设施（NQI）综合服务信息 平台的服务质量评价中存在收敛速度慢、易陷入局部最优解等问题,提出一种基于优化主成 分分析法（OPCA）与改进遗传算法（IGA）的模糊神经网络智能评价方法. 为提高FNN的网络收 敛速度,利用OPCA根据评价指标间的相关性,删除冗余指标因素,减少网络输入量,实现对网 络输入的降维处理;将 IGA与 FNN相结合,利用自适应的交叉与变异概率对 FNN隶属函数的 系数进行全局搜索,克服 FNN在智能评价时容易陷入局部极值问题 . 基于我国实际的 NQI综 合服务信息平台服务质量调研数据开展试验分析,结果表明,OPCA-IGAFNN评价模型具有高 效、准确的评价效果.     

模糊神经网络在超声马达位置控制中的应用

提出了利用模糊神经网络控制器 (FNN)实现对超声马达位置进行控制的方法 ,并提出适应法则进行在线训练 ,以减小由于参数的不确定性和外部干扰对超声马达所产生的影响 ,提供了FNN控制器的结构图。仿真与实验研究表明 ,FNN控制器能够实现对超声马达位置的精确控制     

基于单隐层前馈神经网络的优化算法

前馈神经网络是神经网络中最常用的函数近似技术。根据普适定理,单隐层前馈神经网络(a single-hidden layer feedforward neural network,SFNN)可以任意接近相应的期望输出。一些研究人员使用遗传算法(genetic algorithms,GAs)探索FNN结构的全局最优解。然而,使用GAs来训练SFNN是相当费时。提出了一种新的SFNN优化算法。该方法是基于凸组合算法(convex combination algorithm,CCA)在隐含层上分析信息数据。事实上,该技术是将分类遗传演算法结合交叉策略的GAs算法。改进方法比GAs算法性能更优,但在进行学习和遗传演算前需要大量预处理工作如将数据分解为二进制代码。同时设置一个新的误差函数量化SFNN性能、获得连接权值最优选项以直接解决非线性优化问题。采用几个计算实验验证改进算法,结果表明改进方法更适合寻找单隐含层SFNN的最优权重。     

基于小生境免疫算法的船舶FNN自动舵设计

结合隔离小生境技术的特点和免疫遗传算法的全局收敛特性,提出一种基于小生境免疫遗传算法的模糊神经网络控制器优化设计方法,并将其用于船舶自动舵的设计.隔离小生境能有效解决局部和全局收敛的矛盾,可以解决船舶运动控制的FNN控制器难于设计以及传统BP学习算法易于陷入局部收敛的不足.将神经网络结构辨识器作为船舶的辨识模型,船舶运动模型采用二阶非线性方程,模糊神经网络控制器为主控制器,对船舶航向运动控制系统进行仿真研究.结果表明,在船舶无干扰和存在随机干扰的情况下,由此设计的船舶自动舵控制系统均能使船舶转向控制无超调,跟踪快,与BP学习算法相比控制效果更趋于为理想,可以进一步提高航行的性能.     

On-Line Fast Motor Fault Diagnostics Based on Fuzzy Neural Networks

An on-line method was developed to improve diagnostic accuracy and speed for analyzing running motors on site.On-line pre-measured data was used as the basis for constructing the membership functions used in a fuzzy neural network(FNN)as well as for network training to reduce the effects of various static factors,such as unbalanced input power and asymmetrical motor alignment,to increase accuracy. The preprocessed data and fuzzy logic were used to find the nonlinear mapping relationships between the data...     

一种用于非线性逼近的新型模糊神经网络

针对一般非线性映射的逼近问题，提出用分域逼近的通用算法来实现全局逼近，并据此构造了实现该算法的新型模糊模糊神经网络。通过仿真，将新型模糊神经网络和常用的BP和RBF两种神经网络进行比较。结果表明，该新型模糊神经网络的非线性逼近能力明显优于后两者，且权值具有明显的几何意义，设计难度相对较小，可用于解决复杂非线性函数的逼近问题。     

神经网络在核动力装置故障诊断系统中的应用

对核动力装置进行状态监测与诊断的层次、步骤、系统结构进行了阐述，并结合专家知识对核动力装置典型故障建立了故障知识库；在此基础上，将径向基函数（RBF）人工神经网络引人到核动力装置故障诊断中，使其与模糊神经网络（FNN）进行邦联，提高了神经网络的诊断速度和准确性．用Visual Basic6．0编制了系统程序．该系统对典型故障进行了诊断，得到了预期的效果．     

基于相空间重构的神经网络短期风速预测

针对风速具有较强的混沌特性,预测难度较大,提出了一种基于相空间重构的神经网络短期风速预测方法:对数据进行小波降噪,运用互信息法和虚假最近邻点法确定最佳的延迟时间和嵌入维数,对样本空间进行重构,使新的样本能够表征原始时间序列动态特性,更能反映风速变化特性。在此基础上运用BP神经网络进行短期风速预测。实验结果表明短期风速预测精度得到提高。