模糊数学在汽车故障诊断中的应用

汽车故障征兆与故障原因间的关系是模糊的,为此,将模糊数学方法引入到汽车故障诊断中,建立汽车典型故障诊断的数学模型,提出由历史数据及专家优序数综合确定模糊隶属度的方法,建立模糊诊断模型,并在计算机上实现汽车故障的模糊诊断.     

模糊神经网络在病虫害诊断中的应用初探

基于模糊神经网络的理论。针对病虫害的诊断，给出了相关的模糊神经网络数学模型．     

露天矿行车事故模糊诊断模型

针对露天矿运输系统中行车事故出现的随机性和模糊性,为使其危害性降低和不可预见性得到控制,提出了一种德尔菲法和智能数学相结合的模糊诊断模型,阐述了对行车事故的危险性预测的模糊诊断的原理和步骤.实例论证了该方法的可行性和有效性,为工程技术人员提供了一种简便、实用、可行的评价预测途径,具有实际推广应用价值.     

基于结构自适应模糊神经网络的前列腺癌诊断方法

前列腺癌是近年来严重危害男性健康的疾病.利用模糊神经网络方法可以实现前列腺癌诊断,并将诊断模型表示为模糊规则集合.针对模糊神经网络所提取规则解释性差的问题,提出结构自适应模糊神经网络方法,通过改进损失函数,在训练中控制相似隶属度函数的合并,实现模糊神经网络模型结构自适应调整,减少模糊规则数量,在保证诊断准确性情况下,提取出容易理解的可解释性规则.同时该方法在模型的训练过程中引入粒子群优化(PSO)算法进行结构和参数学习,有效减少计算量,提高训练效率.最后,使用临床医学科学数据中心提供的前列腺疾病检查数据进行数值实验,验证了所提出方法在前列腺癌诊断和可解释性规则提取中的有效性.     

聚集诱导发光材料在生物成像、疾病诊断及治疗的应用

 聚集诱导发光（AIE）从2001年提出到现在,经历了迅猛的发展。研究AIE的发光机理、设计合成新型的AIE分子,应用到人类生活的各个领域中是当前的研究热点。在生物医学应用上,AIE分子相比于传统的结构平面刚性的荧光材料具有优势。根据AIE的发光机理--分子内运动受限,研究者设计出多种点亮型的AIE探针,它们可以在生物检测中提供更低的背景和更可靠的信号。同时,由于未结合检测物的AIE探针具有低背景,使用AIE探针的应用还具有无需洗涤步骤的优点,大大节省了操作时间及减少检测样品的损失。检测形成的AIE聚集体具有优异的光稳定性和抗光漂白性,可以实现长时间的追踪和监测。目前,AIE生物探针在生物分子检测、细胞器成像、细菌成像、细胞追踪、血管成像、体内肿瘤成像与治疗等方面已经取得了众多的成果。本文介绍了AIE的提出、AIE的工作机理,AIE生物探针的构建,总结了AIE探针在生物成像、疾病诊断及治疗等不同方面的应用。     

应用神经网络对电液伺服阀进行故障诊断

以电液伺服阀为研究对象，以液压CAT为手段，将BP网络与电液伺服阀故障诊断相结合，成功地实现了伺服阀状态的模式识别。     

基于RBF神经网络的变压器故障诊断及MATLAB仿真研究

研究应用RBF神经网络进行变压器故障诊断,以提高变压器故障诊断率。分析了径向基函数神经网络的结构和工作原理,设计一个诊断变压器故障的三层径向基网络。通过采用MATLAB进行仿真实验,结果表明RBF神经网络是一很强的分类器,能够有效的对变压器故障进行诊断。     

一种新型的CPU故障检测方法及其应用

本文根据国产新型单路数字新闻传真系统的特点,采用一种新颖而有效的 CPU 故障诊断算法.此方法的故障覆盖率较高,在程序运行后,得到令人满意的效果.     

基于小波变换的飞机电力作动系统故障诊断

电力作动系统是多电/全电飞机上完成各任务操作的最后环节,其工作状态直接影响飞行安全.针对飞机机电作动系统不同部件的故障信息处于不同频带的特点,提出一种基于"能量-故障状态"的故障诊断模式识别方法.通过小波包分解,把原始信号正交分解到不同的频带内,利用各频率成分的变化,选择合适的能量特征向量对各故障目标进行特征提取,从而建立能量变化到各故障原因和类别的映射关系,通过与对应故障特征向量的标准样本进行比较,即可得出电力作动系统当前有无故障和故障轻重程度的结论.通过匝间短路故障诊断仿真实例验证了该方法的正确性和有效性.     

Online Distributed Fault Detection of Sensor Measurements

In wireless sensor networks (WSNs), a faulty sensor may produce incorrect data and transmit them to the other sensors. This would consume the limited energy and bandwidth of WSNs. Furthermore, the base station may make inappropriate decisions when it receives the incorrect data sent by the faulty sensors. To solve these problems, this paper develops an online distributed algorithm to detect such faults by exploring the weighted majority vote scheme. Considering the spatial correlations in WSNs, a faulty sensor can diagnose itself through utilizing the spatial and time information provided by its neighbor sensors. Simulation results show that even when as many as 30% of the sensors are faulty, over 95% of faults can be correctly detected with our algorithm. These results indicate that the proposed algorithm has excellent performance in detecting fault of sensor measurements in WSNs.