析取置信规则库系统参数优化的深度神经网络模型

基于深度学习的置信规则库系统（BRB-DL）比传统的置信规则库系统（BRB）具有更好的推理精度和适用性。然而,现有的BRB-DL在参数优化方面存在可移植性不足、应用效率低等局限性。鉴于此,本文将深度神经网络与析取置信规则库结合,有效减少了模型的规则和参数的数量,并引入梯度下降算法优化模型参数,提高了模型构建和优化的效率。最后,通过非线性函数的拟合,北京市空气质量污染预测和多个UCI公共分类数据集的实验对本文提出的方法进行验证,并将实验结果与现有的置信规则库系统和传统的机器学习方法进行了对比。结果表明,本文提出的方法比传统的方法具有更高的推理精度和更快的训练速度。     

基于置信规则库的锂电池SOC估计

电池荷电状态（SOC）的准确估计在电池广泛应用的背景下日益重要,但是构建精确的物理模型十分困难,使用纯粹的数据驱动方法又容易因为电池个体差异性出现过拟合问题。针对这些问题,提出基于置信规则库（BRB）的方法对锂电池SOC的进行估计。该方法既允许专家通过经验知识克服数据驱动方法的过拟合问题,又能通过参数训练克服专家知识的不准确性。以某型磷酸铁锂（LiFePO-4）电池为例,对提出的方法进行了验证,并将其与神经网络进行了对比。结果表明,该方法估计SOC具有较高的精度,估计误差不超过10%,且可以克服传统神经网络方法存在的过拟合问题。     

析取置信规则库系统参数优化的深度神经网络模型

基于深度学习的置信规则库系统在参数优化方面存在可移植性差、应用效率低等问题,为此,将深度神经网络与析取置信规则库结合,有效减少模型的规则和参数的数量;引入梯度下降算法优化模型参数,提高模型构建和优化的效率. 通过非线性函数拟合、北京市空气质量污染预测和多个UCI公共分类数据集的实验,对提出的方法进行验证,并将实验结果与现有的置信规则库系统和传统的机器学习方法进行对比. 结果表明,所提出的方法比传统的方法具有更高的推理精度和更快的训练速度.     

利用聚类分析构建基于析取范式的置信规则库

针对现有基于析取范式的置信规则库构建方法存在过拟合、未合理利用已知数据信息等问题,提出利用聚类分析构建基于析取范式的置信规则库的新方法. 该方法通过对样本数据的输出结果进行聚类分析,获取输出结果的分布特征,以确定系统的规则数、结果评价等级等相关参数,并充分利用样本已知信息,完成基于析取范式的置信规则库构建. 为验证所提方法的有效性,选取输油管道和桥梁风险评估两个实验进行验证,结果表明,所提方法构建规则库系统能快速确定系统规模,并获得较高的推理性能.     

基于置信规则库系统P2P网络借贷市场投资者偏好测度

立足于多属性决策领域中关于产品的评价选择问题,文章结合关联规则理论,从历史信息中挖掘出相应的关联规则,并构建置信规则库系统,最终构建偏好评价模型来准确把握投资者偏好,提高融资成功率。通过对国内P2P网络平台投资者偏好情况进行问卷调研,测度投资者对不同影响因素的偏好得分。对比发现,置信规则库系统的计算结果与研究结果基本一致,证明规则库系统可合理有效地测度P2P网络借贷市场中投资者偏好,也为设计更具吸引力的融资标的提供重要的决策信息。     

基于置信规则库和差分进化的设备寿命评估方法

介绍了置信规则库转换(BRB-transformation,BRB-T)模型以及运用置信规则库(belief rule base,BRB)推理进行寿命评估的过程.针对当前的置信规则库学习方法还存在依赖初始解、规则条数偏多、系统结构复杂的问题,结合装备贮存寿命评估的BRB-T模型,提出了基于差分进化算法(DE)对该模型的BRB参数进行学习的优化方法.最后,通过某航天设备的失效数据进行了验证.结果表明,该优化方法能够有效地对模型的BRB参数进行优化;并且优化后的模型可以准确地对产品的寿命进行评估.     

基于置信规则库推理的电路参数成品率估计与中心值设计方法

将电路仿真与主观设计经验相结合,建立成品率估计的置信规则库(BRB)推理模型,该模型不仅可建模输入电路参数变量与输出参数成品率之间复杂的非线性关系,且能通过证据推理(ER)过程,给出不同输入下输出成品率的估计值.利用BRB推理模型可代替电路仿真,利用较少的计算量快速地估计出满足约束条件的中心值设计区域.所提方法与传统基于蒙特·卡罗的统计性方法和基于可接受域几何逼近的确定性方法相比,其不再只给出单个满足要求的中心值,而能够给出整个中心值设计区域,且不受特定电路性能函数形式的约束,具有计算速度快、模型参数物理意义明确便于理解等优点.以高速铁路轨道电路成品率估计与中心值设计为例,验证了所提方法的有效性.     

基于置信规则推理的库存控制方法

提出一种在非平稳需求以及区间预测需求情况下的基于置信规则推理的库存控制方法.该方法不依赖于需求的分布模型,区间预测需求利用能够处理多种定性和定量不确定性信息的ER(证据推理)框架进行表达,领域专家知识可以用来构建和初始化置信规则库,历史需求信息可以用来训练置信规则库,以得到更加可信的推理.给出了一个汽车4S店库存-销售实例,证实了该方法的可行性及其相对于传统方法的优越性.     

模糊控制规则库及其优化方法

本综述了模糊控制技术的研究与发展状况，对控制规则库的设计方法和优化策略进行了详尽的阐述，并对其发展趋势进行了讨论。     

基于深度置信网络的车载电源故障诊断方法

针对车载电源故障机理复杂且知识经验不足,传统浅层神经网络诊断效果难能满意的问题,研究了基于深度置信网络的车载电源故障诊断方法.该方法借助于30 kW车载电源仿真系统采集的几种常见故障数据,通过对深度置信网络进行预训练与反向微调,构建了车载电源相应故障的深度诊断神经网络,从而实现了车载电源几类常见故障的有效智能诊断.该方法的优势在于能够将车载电源的故障特征提取与故障诊断有机融合,摆脱了传统浅层故障诊断方法对大量信号处理技术与诊断经验的依赖,仿真试验也进一步昭示出文中方法在车载电源故障诊断中的有效性和适宜性.     

运载火箭故障诊断专家系统

目的实现运载火箭故障诊断的智能化,自动化和实时性,提高运载火箭发射的成功率。方法 引入人工智能技术,研制故障诊断专家系统。结果 原型系统现有知识点２１０００余个,其中规则２０００余条,系统中最大的一项诊断时间为０．６７ｓ,最小为０．１３ｓ,小于平均每一项的诊断时间不超过１．００ｓ的需求。结论专家系统用于火箭故障诊断具有可行性和实用性。     

基于解析余度的导弹执行机构故障诊断方法

针对导弹飞行过程中执行机构的故障问题,提出了基于解析余度的导弹执行机构故障诊断方法.该方法借鉴解析余度的思想,在分析导弹姿态控制系统数学模型以及其执行机构的结构与功能的基础上,分别得到4个执行机构喷管摆角的理论计算值和反映喷管摆角的位移反馈电位计输出值,通过分析执行机构的结构与功能得到反映喷管摆角的位移反馈电位计输出值,从而根据二者在功能上的解析冗余关系得到了用于导弹执行机构在线故障诊断的残差,利用该残差的变化即可判断执行机构的故障情况.将该方法用于某型导弹伺服机构的在线故障诊断仿真实验,结果验证了该方法的有效性.     

基于并行感知器的制冷系统故障诊断分析

选择热力参数集组成反映制冷系统故障状态的特征向量,提出一种并行感知器神经网络,通过模式分类来尝试联系系统故障状态与热力参数特征向量之间的映射关系.对故障模拟实验结果的应用表明,基于并行感知器网络的诊断方法可行且有效,为开发以人工神经网络为框架的制冷系统故障诊断系统提供了研究基础.     

粗糙集与故障树理论的组合故障诊断

故障知识的获取以及故障树结构的确定一直是亟待解决的瓶颈问题.将粗糙集理论引入到故障树的故障诊断中,利用粗糙集对实例测得的故障信息进行知识约减和知识获取,寻找系统各个故障源信号之间的逻辑关系,并通过这些逻辑关系构造基于知识的故障树模型.故障实例分析表明,将粗糙集理论与故障树有机结合在一起进行故障诊断能有效地压缩故障特征空间,实现快速、准确的故障推理.     

基于粗糙集的机载电子设备故障检测专家系统的改进

由于机载电子系统的故障征兆和故障原因之间的对应关系较为复杂,设备故障诊断领域的某些经验性专家知识具有一定的模糊性和不确定性,因此本文利用粗糙集理论较强的数据分析能力和容错性,通过对专家系统中存在的冗余信息进行约简并剔除不必要的属性,降低了故障诊断专家系统构成的复杂性,并明显改善了专家系统的整体效能.     

神经网络专家系统对导弹测试车的故障诊断

研究了基于神经网络的故障诊断专家系统的理论与方法 ,并介绍了具体实现过程 ,同时又将此方法应用于某大型导弹武器系统的局部故障诊断之中 ,结果表明了该方法的有效性     

基于模糊和规则结合的舰炮故障诊断专家系统

在某文献的基础上，讨论了如何将模糊故障诊断理论应用到专家系统之中，详细阐述了如何建立模糊模型、模糊隶属度函数，解决了如何将模糊故障诊断与CLIPS相结合的问题，并以此建立了舰炮故障诊断专家系统。     

基于MSFG的机载BITE故障定位算法研究

故障定位是机载BITE的重要功能,定位结果的准确性对维修测试有着重要影响。基于多信号流图模型,在构造故障-测试关联矩阵和故障-故障关联矩阵的基础上,引入故障信息矢量和故障定位矩阵,并给出适用于机载BITE故障定位的矢量描述和矩阵定义,进而提出一种简单、有效的故障定位算法。实例验证表明,该算法能够对系统中的故障源进行准确定位。     

基于概率神经网络的制冷空调系统故障诊断分析

选择热力参数集组成反映制冷系统故障状态的特征向量,提出了利用概率神经网络通过模式分类来联系系统故障状态与热力参数特征向量之间的映射关系．对实际试验结果的应用尝试表明,该诊断方法可行且有效,为开发以人工神经网络为框架的制冷系统故障诊断系统提供了研究基础．     

基于麻雀搜索算法优化支持向量机的滚动轴承故障诊断

针对支持向量机(support vector machine,SVM)的分类性能受自身参数选择影响较大的问题,提出了基于麻雀搜索算法(sparrow search algorithm,SSA)优化SVM的故障诊断方法.利用麻雀搜索算法(SSA)对支持向量机的惩罚参数(C)与核参数(g)进行优化,并构建SSA-SVM滚动...