基于自适应神经网络加权模糊故障诊断研究

研究故障诊断问题;针对传统Petri网难以精确地描述故障现象和故障原因之间的复杂关系,基于模糊逻辑BP神经网络和传统Petri网模型结合,提出了一种新的自适应的加权模糊神经网络Petri网模型故障检测方法;该方法首先采用改进的BP神经网络算法对模型的权值进行训练,然后采用构造的自适应模糊Petri网模型对故障进行诊断;在柔性制造系统实例中进行了故障诊断,实验结果表明,该方法具有很强的故障推理能力以及自适应能力,能有效地对故障进行诊断,具有一定的实际应用价值。     

一种自适应模糊Petri网及其应用*

模糊Petri网(fuzzy Petri nets, FPN)是基于模糊产生式规则的知识库系统的有力建模工具,但其缺乏较强的自学习能力。在FPN的基础上引入神经网络技术,给出了一种自适应模糊Petri网(adapt fuzzy Petri nets, AFPN)模型。该模型将神经网络中的BP网络算法引入到FPN模型中,对FPN中的权值进行反复的学习训练,避免了依靠人工经验设置带来的不确定性。AFPN具有很强的推理能力和自适应能力,对知识库系统的建立、更新和维护有着重要的意义。     

基于模糊神经Petri网的故障诊断模型

Petri网是对具有产生式规则的故障诊断系统的有力建模工具，但其缺乏较强的学习能力．本文以Petri网的基本定义为基础，结合模糊逻辑和Petri网模型，定义了模糊Petri网模型，在此基础上引入人工神经网络技术，给出了人工神经网络的模糊Petri网表示方法，并针对工程机械故障诊断异步、离散等特点，提出并建立了故障诊断的模糊神经Petri网模型及其改进模型．基于模糊神经Petri网的故障诊断系统结合了Petri网和人工神经网络的优点，经过自学习后同时具有很强的推理能力和自适应能力．     

遗传神经网络故障诊断自适应Petri网模型

研究故障诊断优化问题。针对传统Petri网难以精确地描述故障现象和故障原因之间的复杂关系,造成故障诊断难以精确,提出了将遗传算法、神经网络和传统Petri网模型结合,形成了一种改进的自适应的加权Petri网模型以及模型的构造算法,同时在此基础上,采用改进的遗传算法对神经网络模型的权值进行优化训练,并给出了采用构造的自适应模糊Petri网模型对故障进行诊断的具体步骤。仿真实例验证了算法的有效性,对柔性制造系统实例的故障进行诊断,验证了此自适应的加权模糊Petri网模型结合了Petri网和遗传算法的优点,具有很强的故障推理能力以及自适应能力,能有效地对故障进行诊断。     

基于模糊Petri网学习能力问题的最优化算法

在分析模糊Petri网推理机制的基础上,将优化算法ACA(Ant Colony Algorithm)引入至FPN(Fuzzy Petri Net)的学习能力问题中.针对一知识库系统的具体实例,探讨该算法在FPN学习能力问题中的具体实现,并结合传统优化算法对比分析了它们各自的特点和性能优劣.仿真实验表明,ACA算法整体性能最佳,训练出的参数正确率较高,且所得的模糊Petri网具有很强的泛化能力和自适应功能.     

FMS工作流故障诊断自适应加权模糊Petri网模型

研究了使用人工神经网络和加权模糊Petri网对故障进行诊断的方法。针对传统Petri网难以精确地描述故障现象和故障原因之间的复杂关系,将人工神经网络、模糊逻辑和传统Petri网模型结合,定义了一种自适应的加权模糊Petri网模型以及模型的构造方法,在此基础上,提出了一种使用改进的BP算法对模型的权值进行训练的方法,并给出了采用构造的自适应模糊Petri网模型对故障进行诊断的具体步骤。最后对柔性制造系统(FMS)实例的故障进行诊断,验证了此自适应的加权模糊Petri网模型结合了Petri网和人工神经网络的优点,具有很强的故障推理能力以及自适应能力,能有效地对故障进行诊断。     

基于BP算法的IFPN参数优化方法

针对直觉模糊Petri 网(IFPN) 模型自学习能力差的缺陷, 将神经网络中的BP 误差反传算法引入IFPN 模型 的参数寻优过程, 提出一种基于此的参数优化方法. 该算法通过建立变迁点燃和直觉模糊推理的近似连续函数, 摆脱 了参数对经验的依赖, 更加符合实际系统的需求, 同时使得IFPN 具有较强的泛化能力和自适应功能, 推理结果更加 准确可信. 最后通过典型实例验证了该参数优化方法的有效性和优越性.

     

基于AFPN的舰船电子综合化系统总线故障诊断研究

针对舰船电子综合化系统总线故障诊断模糊性、不确定性的日益增强,且难以实现快速故障诊断的难题,提出一种基于自适应模糊Petri网(Adaptive Fuzzy Petri Net,AFPN)的舰船电子综合化系统总线故障诊断方法;在加权模糊Petri网(Weighted Fuzzy Petri Net,WFPN)的基础上,引入神经网络技术,给出了AFPN的形式化定义及学习算法;实例分析验证了所提方法的有效性,研究表明:AFPN模型具有很强的自适应能力和推理能力,克服了传统单纯依靠人工经验故障诊断的不确定性和偶然性,可以实现舰船电子综合化系统总线快速精确的故障诊断。     

基于模糊神经Petri网的软件系统可靠性评估方法

针对软件系统可靠性建模难问题,提出了一种新的适用于软件系统可靠性估计的模糊神经Petri网(简称为FNPN).文章首先给出了模糊神经Petri网的定义及其引发规则,然后给出了一种学习算法.该FNPN结合了模糊Petri网和神经网络各自的优点,既可以表示和处理模糊产生式规则的知识库系统又具有学习能力,可通过对样本数据学习调整模型中的参数以获得系统内部的等效结构,从而计算出非样本数据的系统的可靠度.最后用实例分析验证了该方法的可行性.     

FPN推理模型在上下文感知系统中的应用研究

研究模糊Petri网模型在上下文感知系统中的快速推理算法.针对模糊Petri网的通用推理算法不能解决“或逻辑”问题,提出了模糊Petri网推理算法从变迁开始搜索,区别于通常从库所开始搜索的策略,有效解决了“或逻辑”问题;并在不增加虚库所和虚变迁的前提下对变迁先排序后再进行推理,降低了算法的空间和时间复杂度.最后,对模糊Petri网模型和推理算法进行仿真,实验结果验证了该算法的有效性.     

模糊线性支持向量回归机

该文研究了当训练点的输出为三角模糊数时,支持向量回归机的构建问题。首先将模糊回归问题转化为模糊分类问题,并将求模糊最优分类超平面问题转化为求解带有模糊决策的机会约束规划问题。利用基于模糊模拟的遗传算法求解带有模糊决策的机会约束规划,得到模糊最优分类超平面(模糊方程),解模糊方程得到模糊回归函数。在此基础上,得出模糊线性支持向量回归机(算法)。从而较好地解决了支持向量机中含有模糊信息的模糊回归问题。最后,给出显示模糊线性支持向量回归机特点的模糊支持向量集的定义。     

模糊聚类计算的最佳算法

给出模糊关系传递闭包在对应模糊图上的几何意义,并提出一个基于图连通分支计算的模糊聚类最佳算法.对任给的n个样本,新算法最坏情况下的时间复杂性函数T(n)满足O(n)≤T(n)≤O(n²).与经典的基于模糊传递闭包计算的模糊聚类算法的O(n³logn)计算时间相比,新算法至少降低了O(n相似文献   

一种基于关系模型的模糊数据库系统模型

数据库管理系统的广泛应用，使得数据库的研究也随之快速发展，如何表达模糊数据，如何执行模糊查询越来越成为数据库研究的重要课题之一，提出一个基于关系模型的模糊数据库系统的理论模型，利用模糊集的方法表达模糊数据，模糊查询和模糊关系，最后给出了一个模糊数据库系统实现的例子。     

一种基于模糊感知器的模糊神经分类器

隶属函数应能客观反映模式的不确定性分布情况, 模糊神经分类器中为每个输入特征划分相同数量的模糊变量显然是不合理的. 针对这一问题, 根据模糊积分的思想, 本文通过分析隶属函数的变化曲线来确定模糊密度, 以此为依据为输入特征划分合适的模糊变量, 并以Iris数据集为例验证了该方法的有效性.     

一种基于模糊感知器的模糊神经分类器

隶属函数应能客观反映模式的不确定性分布情况,模糊神经分类器中为每个输入特征划分相同数量的模糊变量显然是不合理的.针对这一问题,根据模糊积分的思想,本文通过分析隶属函数的变化曲线来确定模糊密度,以此为依据为输入特征划分合适的模糊变量,并以Iris数据集为例验证了该方法的有效性.     

基于改进的模糊神经学习算法的模糊规则优化

对“改进的模糊神经学习算法”(DevelopedNeuro-FuzzyLearningAlgorithm)简单介绍,并针对这一新算法的缺点,提出了新的聚类方法得到最佳的规则数,利用模糊权值优化规则来改进这个算法,降低算法的时间复杂度,简化神经网络。     

Uncertain probabilities III: the continuous case

We consider joint probability density functions where some of the parameters are uncertain. We model these uncertainties using fuzzy numbers producing fuzzy joint probability density functions. Then we study the fuzzy marginal densities, the fuzzy conditional densities and fuzzy correlation. We look at one particular fuzzy joint density: the fuzzy bivariate normal. An application in fuzzy reliability theory is presented.     

模糊控制器输出值不变的两个充分条件

模糊控制器通常由模糊化、模糊推理以及清晰化三部分构成, 而模糊推理决定了一个由输入论域到输出论域的模糊映射. 当模糊映射为常值映射时, 任意选择模糊化和去模糊化方式, 模糊控制器的输出值不因输入信号变化而改变. 本文给出了模糊映射为常值映射的两个充分条件, 并将结论从单入单出模糊系统推广到多入单出模糊系统.     

模糊本体之必然:基于人的认知特征的分析

本体是人对客观事物及其相互关系的认知成果,表现形式为概念及概念关系,二者均以语词称之。人只能自如应用有限的语词,致使人的认知有两个必备特征:一个语词指称多个概念,即以变动概念外延的方式减少概念的数量;一个语词指称多个概念关系,即以隶属度的形式归并概念关系的种类。前者对应模糊概念,后者引出模糊概念关系,由两者构成的模糊本体就是符合人的认知规律的客观世界在人脑中的必然反映。作为科学术语的"模糊",是指有效解决语词有限性与客观事物无限性矛盾的认知方式。模糊本体是本体的一般形式,更接近客观世界之真实,其模糊识别与模糊推理的功能更有利于支持人的认知活动。模糊本体内置于机器是信息处理智能化之必然,模糊本体表示的机器形式目前为OWL文档。举例示意了模糊本体的构建过程。     

一种基于模糊熵的模糊分类算法

在模糊ID3算法中,用模糊分类熵选择扩展属性,以自顶向下的方式递归地构建模糊决策树,对数据进行分类。提出了一种基于属性模糊熵的模糊分类算法,不同于模糊ID3算法,模糊条件属性的模糊熵作为权值用来对相对模糊频率进行加权,综合考虑各个模糊条件属性对分类的贡献。实例分析和实验结果表明了这一算法的有效性。