基于分布估计算法的磁浮列车故障综合评判

针对使用传统模糊综合评判方法进行故障级别评判时模型参数难以确定的问题,提出一种基于分布估计算法(EDA)的模糊综合故障评判方法.该方法利用EDA进行模糊评判模型的进化学习,能有效实现模糊模型参数的自动优化,并具有模型易于理解,计算效率高的优点.通过对磁浮列车悬浮系统的仿真实验,结果显示基于分布估计算法的模糊故障综合评判方法能获得优于传统进化算法和其他机器学习方法的评判效果,具有较好的应用价值.

     

基于虚拟样机和模糊推理的故障仿真预测模型

为了克服由于试验和使用数据不足而无法获取足够的故障知识的问题,将虚拟样机作为一种新的故障过程仿真和定量推理方法引入到故障预测中,提出了基于虚拟样机和动态模糊综合评判的故障仿真预测模型.详细说明了基于ADAMS的虚拟样机建立方法,指出了传统模糊综合评判方法的不足,提出了基于动态模糊综合评判的故障预测方法.这样建立的故障仿真预测模型不仅能表达火炮的动态特性,还具备较强的数值计算及过程控制能力.     

基于变权理论的装备维修人员能力评估模型

针对常权模糊综合评判在对装备维修人员保障能力评估时带来的"状态失衡"的问题,运用变权原理,提出了一种基于惩罚与激励的局部状态变权模型,对装备维修人员的保障能力进行了变权模糊综合评判.通过编程实现模型提出的算法,运用实例分析对模型进行了验证,并与常权模糊综合评判的结果进行了比较,得出变权模糊综合评判更能反映出装备维修人员保障能力实际的结论.     

基于模糊依赖度算法汽车故障诊断仿真研究

研究汽车故障检测和诊断精确度问题,汽车故障检测和诊断技术一直是国内外研究热点问题.针对传统众多故障诊断算法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等不足,提出了一种新的基于模糊依赖度最大化故障诊断算法,算法基于模糊粗糙集理论,利用条件属性的依赖度对汽车故障进行评判,采用模糊依赖度来描述汽车故障的发生的几率,同时在此基础上,给出了模糊依赖度最大化模型对汽车故障进行诊断的具体步骤.理论分析和仿真证明了将模糊依赖度最大化算法用于汽车故障诊断方面是可行的和有效的,并能提高故障监测的可靠性.     

基于进化模糊神经网络的频率选择表面设计方法

频率选择表面是一种二维周期阵列结构,能够有效控制电磁波的传输和反射。为了解决传统设计方法参数选择的盲目性和有效性缺陷,提出一种基于进化模糊神经网络算法的设计方法。该方法具有开放的结构,可以在线自适应并不断进化,克服普通神经网络中模型结构和参数难以设置的缺点,同时系统可以进行模糊规则插入和规则提取等。仿真结果表明,该方法具有更高的准确度,能有效地解决频率选择表面设计工作中的一些相关问题。     

应用模糊综合评价进行智能手机评估建模

为了对市场上各种智能手机进行合理公正的评估,提出了基于变异系数法和加权平均型的模糊综合评价法,并建立了智能手机评估模型。该模型对手机的各项性能参数进行了分类分析,采用变异系数法计算手机各个评价指标的权重;然后进行单因素评判,建立模糊综合评判矩阵,采用加权平均型算子进行综合评判,得到最后的评估结果。对比实验表明,相对于传统的基于专家赋权和取大取小算法的模糊评价方法,该评估模型的有效性和实用性能均有较大提升,能够更加客观准确地反映用户对智能手机的实际评估。     

反后坐装置模糊故障预测系统研究

针对反后坐装置故障模式复杂的特点，详细地论述了基于动态模糊综合评判的故障预测方法，通过确定权重系统集和模糊关系矩阵，建立了反后坐装置的动态模糊综合评判模型，给出了基于模糊评判的知识表示方法，并将模糊综合评判与产生式规则融合，利用复合的推理机制提高预测结果的准确性。     

基于模糊计算的网络成瘾评判系统设计

针对网络成瘾评判中因素多且具有模糊性和随机性等特点,本文采用了基于模糊计算的综合评价算法来进行网络成瘾评价.系统能对样本进行模糊综合评判,确定其成瘾程度。结果表明,采用模糊评判算法不仅能够比较全面地考虑各种因素的影响及其相互作用,并能在一定程度上反映影响成瘾程度的关键原因。     

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。     

基于微分进化算法的模糊模型设计

提出一种基于微分进化算法的TS模糊模型设计方法。该方法利用“匹茨堡型”实数编码的微分进化算法,对初始模糊模型的结构和参数进行学习。微分进化算法的目标函数同时考虑模型的精确性和解释性。利用该方法进行一类合成非线性动态系统的辨识,仿真结果验证了该方法的有效性。     

基于模糊综合评估的磁浮列车故障诊断系统

阐述了模糊综合评估方法的基本原理,以CMS-3型磁浮列车为研究对象,在PLC硬件平台上建立了列车故障诊断系统的综合评估模型,并分析了系统故障评估模型诊断结论的正确性.CMS-3型磁浮列车故障诊断系统的成功运行,验证了故障综合评估模型能够有效地对系统故障进行诊断.􀁱     

装备故障模糊预测系统研究

以模糊综合评判理论为基础,建立了一种动态的故障模糊预测模型,结合Adams仿真平台,探讨了故障模糊预测系统设计方法,给出了故障预测的推理过程。     

基于Internet的故障诊断系统的模糊评判

该文利用模糊综合评判法的原理,对复杂机械设备的远程故障诊断问题进行了探讨,建立了基于Internet的故障诊断系统的多层次模糊评判模型,对远程故障诊断系统与本地故障诊断系统的性能进行了对比,通过定量分析得到远程系统的性能优于本地系统,从而说明开展远程故障诊断应用的意义。     

变权重模糊综合评判模型及其在故障诊断中的应用

针对大型复杂系统故障诊断中的权重变化问题,提出和定义了变权重模糊综合评判模型;在模糊综合评判过程中,各评判因素对于不同评判等级具有不同权重的问题在新模型中得到恰当的描述,从而使大型复杂系统故障诊断的精度得到实质性的提高。故障诊断实例表明,变权重模糊综合评判模型对于解决实际问题是有效的,其结果明显优于采用传统固定权重模型的结果。     

故障模糊预测系统推理机制研究

根据故障模糊预测系统的特点,应用模糊综合评判理论,提出了一种面向故障预测问题的推理运算模型及推理控制策略。     

基于T-S模糊故障树方法的惯性导航系统可靠性评估

针对传统故障树模型在复杂系统可靠性评估中的局限性,引入T-S模糊故障树建模方法对惯性导航系统进行可靠性评估分析。在建立T-S模糊故障树的基础上,以模糊门算法表征事件之间的逻辑关系,确定了基于基本事件模糊概率和故障程度的复杂系统可靠性评估方法,并对事件进行了概率重要度和关键重要度分析。案例分析表明,T-S模糊故障树分析方法有效解决了可靠性评估中的模糊问题、多状态问题和不确定性问题,重要度分析为故障诊断和可靠性优化提供了方法参考。     

基于模糊理论的低压开关设备故障预测研究*

引入模糊综合评判方法,对低压开关设备进行故障分析,建立了低压开关设备故障模糊预测模型,其中将三角模糊数融入到AHP方法中确定故障预测权重系数,使在确定因素权重过程中的主观判断更符合人们的思维习惯和表达方式。以该方法为基础构建了故障模糊预测专家系统框架,详细介绍了专家系统的总体结构和功能,并通过实例进行仿真实验。结果表明该方法具有较好的预测能力和高效性。     

基于模糊神经网络的复杂网络故障诊断设计

针对雷达等复杂大型电子装备网络系统的故障定位难、影响关系不清晰的问题,采用了基于模糊神经网络的故障定位方法,提高了网络故障定位的快速性与准确性：首先介绍了模糊隶属度及模糊神经元等理论,接着基于模糊理论将网络监测信息进行模糊化处理,并利用神经网络模型对模糊后的信息进行训练与学习,参数训练达到设置的期望误差0.01;最后利用训练好的模型对随机抽取的2组网络故障实例进行了验证,软件执行单次诊断耗时3.5s;结果表明采用基于模糊神经网络的诊断方法,能够较好解决网络故障耦合复杂、故障现象与故障原因关系不清晰等难题,对网络故障快速排除与恢复具有重要意义。