首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到18条相似文献,搜索用时 101 毫秒
1.
模糊诊断和神经网络有机结构能够提高设备邦联诊断技术水平,文章阐述了单症兆主多症兆诊断模糊与神经网络的有机结合论述以模糊诊断原理为根据发展的扩展神经了网和子节点的可塑性学习方法和以模糊模式识别理论指导学习样本的组织方法。  相似文献   

2.
介绍了凝汽器的故障诊断常用的三种诊断方法,BP神经网络法、模糊诊断法、模糊模式识别法。通过比较发现BP神经网络相对于另外两种诊断方法具有明显的针对性和准确性。然后,在BP神经网络诊断的基础上进行了“基于BP神经网络的凝汽器的故障诊断”系统的开发。  相似文献   

3.
模糊诊断和神经网络有机结合能够提高设备故障诊断技术水平,文章阐述了单症兆诊断模型及多症兆诊断模糊模型与神经网络的有机结合;论述以模糊诊断原理为根据发展的扩展神经网络子网和子节点的可塑性学习方法和以模糊模式识别理论指导学习样本的组织方法。简述基于上述模糊神经网络的诊断系统及诊断系统的生产现场实例验证。  相似文献   

4.
本文引入模糊神经网络,根据模糊规划生成的需要,以简化的BP网络为基础,设计了一种新的模糊神经网络,通过对这个模糊神经网络的学习能力分析,及仿真实验研究,表明此模糊神经网络可用于模糊控制中。  相似文献   

5.
把模糊逻辑系统与神经网络相结合,形成结构像神经网络,功能似模糊逻辑系统的模糊神经网络系统,该系统具备了模糊逻辑系统和神经网络的优点,克服了单个系统的不足。再结合误差反向传递学习算法(BP算法),调整模型参数及权值。最后应用模糊神经网络系统解决实际问题,经过若干次学习训练,使系统达到稳定,通过仿真结果可看出;将所设计的模糊神经网络系统应用在WTI原油价格预测中具有可行性与有效性。  相似文献   

6.
目的 通过对数据进行约简提高模式识别中数据的有效性,以提高胶合板缺陷检测的准确率和在线的实时性.方法 利用粗糙集理论在数据约简上的优势,提取出对模式识别决策结果影响最大的属性,约简掉对决策结果影响较小的属性.利用模糊逻辑在不确定性问题的能力,提高边缘属性在模式识别中的权重值.利用神经网络在模式识别中的有效性,将粗糙集算法、模糊逻辑、神经网络的人工智能算法有效相结合,提出一种基于模糊粗糙集神经网络的模式识别分类方法.结果 结合胶合板缺陷检测,针对胶合板的13类缺陷的17个属性,提取出最有效的数据,约简了对决策影响最小的4个属性.结论 基于模糊-粗糙集理论的神经网络模式识别算法提高了数据的有效性,增强了缺陷检测的准确度,提升了在线检测的实时性,取得了良好的研究结果.  相似文献   

7.
动态递归模糊神经网络及其BP学习算法   总被引:3,自引:0,他引:3  
提出了一种新型的动态递归模糊神经网络,并根据动态递归神经网络的数学模型推导出其动态反向传播学习算法,仿真结果表明对于动态系统的辨识,动态递归模糊神经网络较传统模糊神经网络在辨识精度和稳定性方面具有更好的效果。  相似文献   

8.
基于动态递归模糊神经网络的动态系统辨识   总被引:1,自引:0,他引:1  
模糊系统和神经网络由于具有逼近任意连续非线性映射的特性而广泛应用于系统的辨识和控制,但是传统的模糊神经网络是一种静态映射,不适用于动态系统的辨识,而现实工程中的控制对象反映的是系统的动态行为.为了提高动态系统的辨识精度,提出了一种新型的动态递归模糊神经网络,并根据动态递归神经网络的数学模型推导其动态反向传播学习算法及其改进算法.仿真结果表明:由于动态模糊神经网络的辨识过程同时利用了系统的当前数据和历史数据,对动态系统的辨识,特别是对具有纯时间延迟动态系统的辨识,较传统模糊神经网络在辨识精度和稳定性方面具有更好的效果.同时,确定网络权值和隶属函数参数初始值的方法可使动态系统的辨识过程具有更快的收敛速度.  相似文献   

9.
本文简要提脑模糊系统及神经网络的特怀,在分析模糊系统和神经网络关系的基础上,探讨了模糊神经网络研究中模糊系统和神经网络融合的基本理论,并以简单的实例说明了应用的可行性及有效性。  相似文献   

10.
基于T-S逻辑的新型模糊神经网络模型   总被引:4,自引:2,他引:4  
模糊神经网络是神经网络与模糊逻辑系统的有机结合,具有强大的自学习和自整定功能.针对目前模糊逻辑与神经网络技术在融合中存在的问题,根据模糊逻辑与神经网络的本质和内在联系,提出了一种新型的结构优化的模糊神经网络,用模糊系统理论中的Stone-W eirstrass定理证明了该网络能以任意精度逼近任意一个定义在致密集上的实连续函数.仿真实验表明该网络模型算法是可行且有效的.  相似文献   

11.
基于模糊—神经融合的自适应模糊控制系统研究   总被引:4,自引:0,他引:4  
模糊逻辑系统与人工神经网络各具优势,前者善于利用专家语言信息,后者有强大的学习能力,两者的结合可以取长补短。基于模糊逻辑系统与神经网络技术提出一种自适应模糊控制系统,其特点是模糊控制器具有多层前向网络结构。基于一种近最优的性能指标导出其参数自适应的误差反向传播算法。为了克服传统算法收敛慢的缺点,提出用模糊逻辑来调整学习过程的方法。通过倒立摆平衡控制仿真研究验证了所提出的自适应模糊控制系统及其快速学  相似文献   

12.
一种基于CMAC神经网络的板形模式识别新方法   总被引:1,自引:0,他引:1  
针对传统的板形识别模型在识别板形时,由于板宽的变化需要不同拓扑结构的神经网络才能完成板形模式识别任务,网络学习工作量大,网络存在收敛速度慢,易陷入局部极小等结构性能不佳的问题,建立了一种新的基于CMAC神经网络的板形模式识别模型。该模型利用欧式距离差得到网络的输入神经元,并在权值更新算法中引入了动态学习率。通过仿真实验表明该方法简单、实用,识别精度较高,克服了传统的识别模型的缺点和不足,有效地提高了板形模式识别模型的速度和精度。  相似文献   

13.
针对凝汽器故障的特点,提出了基于模糊神经网络的故障诊断方法.模糊神经网络是模糊系统与神经网络相结合的产物,它利用两者的长处,提高了整个系统的学习能力和表达能力,既具有学习、联想、自适应性,又能进行模糊推理.仿真结果表明,所提出的诊断方法能有效地诊断凝汽器故障,且具有良好的应用前景.  相似文献   

14.
Rough Set Based Fuzzy Neural Network for Pattern Classification   总被引:1,自引:0,他引:1  
A rough set based fuzzy neural network algorithm is proposed to solve the problem of pattern recognition. The least square algorithm (LSA) is used in the learning process of fuzzy neural network to obtain the performance of global convergence. In addition, the numbers of rules and the initial weights and structure of fuzzy neural networks are difficult to determine. Here rough sets are introduced to decide the numbers of rules and original weights. Finally, experiment results show the algorithm may get better effect than the BP algorithm.  相似文献   

15.
提出了一种基于模糊神经元网络的阀控马达控制方案.在系统中,将模糊控制技术与神经元网络技术相结合,构建了模糊神经元网络控制器.该控制器结合模糊控制与神经元网络各自的优点,既具有模糊控制器简单和有效的非线性控制作用,又具有神经元网络自学习和自适应能力,改善了控制系统的性能.  相似文献   

16.
在分析模糊神经网络辨识特点及现状的基础上,设计了一种适用于非线性多输入系统的辨识模型。本模型将T-S模糊模型与5层动态模糊神经网络结构相结合,通过参数学习算法优化辨识结构,对辨识模型进行反馈调节,得到的辨识精度较高。另外,对输入数据采用归一化的方法进行预处理,加快了网络的辨识速率。最后,通过仿真实例证明了该设计的有效性,为模糊神经网络辨识结构的设计提供了一种新的思路和方法。  相似文献   

17.
针对国内外技术研究现状,结合隔河岩水电站大坝溢洪闸门综合自动化系统的实际运行情况,通过现场专家知识、实验和总结,在研究闸门综合自动化系统及其各元(部)件的故障机理、建立闸门综合自动化系统的基本故障样本库和模糊推理规则的基础上,通过研究神经网络结构及其学习算法,建立了一种基于模糊系统(FS)与神经网络(NN)融合的系统故障诊断方法,并应用于生产实践中,系统运行结果实践验证了该方法的有效性和可行性.  相似文献   

18.
基于递归神经网络和模糊系统,给出了一种动态T-S递归模糊神经网络(DTRFNN)。该神经网络用BP算法进行网络权值的学习,并在权值学习的基础上采用改进的BP算法克服局部极小。以动态系统的辨识为例进行仿真实验研究,并与一般的模糊神经网络进行了比较。结果表明,DTRFNN的辨识误差较小,取得了很好的辨识效果。该神经网络应用于某金属温度软测量时,能很好地实现温度的在线检测。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号