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。     

基于模糊神经网络的连铸机故障诊断研究

针对连铸机结晶器液压振动系统故障特点,采用模糊理论与神经网络相结合的方法对其进行故障诊断,用模糊信息处理方法对输入信号进行处理,然后采用神经网络的逼近能力实现连铸机结晶器液压系统振动故障诊断,利用现场数据进行了仿真实验,仿真结果表明该系统具有很好的识别能力,可以对不确定行知识进行很好的处理,提高故障诊断的精度。     

基于自适应模糊神经网络的多模型在线故障诊断

在讨论基于自适应神经网络的模糊系统(ANFIS)建模基础上，提出一种基于多模型的在线故障诊断策略。首先应用ANFIS建模方法建立一组模型，然后构造了一个基于多模型的故障诊断系统产生偏差信号，并首次提出用由偏差绝对值的累加和构成的最小指数来探测故障的发生。综合考虑故障诊断的灵敏度和鲁棒性，采用故障指数来确认故障的发生。     

基于模糊神经网络的故障诊断方法及应用

在变压器色谱分析数据的基础上,将模糊理论和神经网络引入电力变压器故障诊断中,提出了新的故障诊断方法,设计了故障综合诊断模型.仿真表明该方法是一种有效可行的方法,提高了故障的识别率,具有实用价值.学习样本越多,所反映的故障类型越全面,则所建立起的故障诊断模型越合理,诊断准确率就越高.     

基于神经网络的故障诊断研究

在对基于神经网络的智能故障诊断进行充分分析的基础上,本对汽轮机的典型故障进行神经网络建设,经测试取得了良好的效果。     

基于T-S模糊神经网络的抽油机井故障诊断

针对油田抽油机井故障的特点,提出了基于T-S模糊神经网络的抽油机井故障诊断方法。即将神经网络的学习能力引入到模糊系统中,将模糊系统的模糊化处理、模糊推理、精确化计算通过分布式的神经网络来表示,从而提高系统的学习能力和表达能力。提出了基于LM优化的BP算法以提高网络收敛速度,利用MATLAB神经网络工具箱建立模糊神经网络诊断模型,经仿真测试表明,所提出的故障诊断方法能有效地对抽油机故障识别,正确率较高、效果较稳定,可提高网络训练及诊断速度。     

基于模糊聚类的神经网络故障诊断方法

提出基于模糊聚类的BP神经网络（Fuzzy Clustering BP Neural Network,简称FCBPNN）故障诊断的理论和方法,即利用模糊聚类准则对样本数据进行预处理.通过仿真比较FCBPNN与简单BPNN两种方法在抽风机组的故障诊断中的应用,证明了该方法的有效性.     

基于补偿模糊神经网络的制冷系统故障诊断研究

选择反映制冷系统故障状态的热力参数集组成特征向量,并对其进行模糊化处理,利用补偿模糊神经网络建立故障状态与热力参数特征向量之间的映射关系.将神经网络和补偿模糊逻辑相结合, 采用动态、全局优化的运算, 充分利用了相互间的优点.网络不仅能适当调整输入输出模糊隶属函数, 也能借助于补偿逻辑算法动态优化相应的模糊推理.仿真实验证明该模型在智能诊断中具有收敛速度快, 诊断精度高, 而且适应性强等优点.     

电子电路模糊神经网络故障诊断研究及仿真

针对模拟电路的故障特点,在确定智能诊断算法的基础上,论文尝试用高级语言编程来仿真实现.论文主要讨论了故障诊断的神经网络方法和将输入模糊化后的模糊神经网络方法,该方法结合了模糊逻辑和神经网络的优缺点,对于电阻元件的软故障,用模糊神经网络得到了比较理想的结果,对于所选的电路,用模糊神经网络可以对电阻增大和减小进行识别,实现了模拟电路软故障的辨识.对于模糊规则分不开的故障,可以运用神经网络进一步细分.论文着重以具体的模拟电路为研究对象编程模拟了诊断方法,结果证明这样的诊断方法是有效的.     

汽轮机故障诊断的模糊神经网络方法

为有效进行汽轮机故障诊断,本文提出了将模糊理论与自适应变结构神经网络相结合的方法,并对其工作原理进行阐述。最后通过实例,说明该方法是可行的。     

基于ACO优化参数的模糊Petri网故障诊断技术研究

针对传统模糊Petri网在进行故障诊断推理时,需要依靠专家经验给出所有产生式规则的参数,使得故障诊断的精确度受限于专家知识水平的问题,提出了一种加权模糊神经Petri网模型以及相应的构造方法,此方法使用模糊Petri网进行故障诊断,网模型中各参数由BP神经网络训练而得,为了进一步提高诊断精确度,定义了使用ACO (Ant Colony Optimization)对网模型的各参数进行优化的算法;最后通过发电机故障诊断实例对比试验,验证了文中ACO优化的模糊神经Petri网,能够对各种故障进行正确的诊断,且在诊断精度和效率上较常规的模糊神经Petri网有了很大的提高,具有很强的实用性和可行性.     

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BP算法和Petri网的柔性制造系统故障诊断

针对传统Petri网难以精确描述故障发生的不确定性以及缺乏学习能力的缺点,将BP神经网络和加权模糊Petri网相结合,定义了一种新的能对故障进行诊断的模型——BPFPN网(A net based on BP and FPN),并提出了对BPFPN网故障诊断模型进行构造的算法,以及一种将BP神经网络算法应用于BPFPN网故障诊断模型实现对各种参数进行训练的方法;最后通过对实验参数为=5000,算法学习速率η=0.05,学习误差Δe=0.0002的柔性制造系统加工中心故障诊断实例进行实验,在对各种参数进行学习后,能够有效地实现对故障的诊断,证明了BPFPN网是一种有效的故障诊断方法。     

一种基于模糊神经网络的融合故障诊断方法

通过构造模糊神经网络分类器,将基于模糊神经网络的数据融合方法引入到故障诊断中。通过在机组中设置温度传感器测量冷却介质进口温差、定子温度、冷却介质出口温差等模拟量,并求出各传感器对故障的隶属度,然后通过基于信息融合故障诊断算法确定故障原因,并且通过单传感器与多传感器融合结果的对比表明,多传感器数据融合诊断比单个传感器具有更高的准确性。     

基于小波-模糊神经网络的齿轮箱故障诊断

根据齿轮箱传动部件故障机理,利用小波变换多分辨率特性和时频局部化特性,提取出故障特征信号;并利用有效的消噪技术,去除噪声干扰.参考专家经验,给出模糊规则及模糊神经网络模型,实现故障推理.并将小波变换和模糊神经网络应用在上海宝钢热轧机的齿轮故障诊断中.     

一种用于上下文推理的带反馈的自适应模糊Petri 网模型

自适应模糊Petri 网兼具模糊Petri 网的模糊推理能力和神经网络的学习能力,是普适计算的模糊情境推理机制的重要的形式化规约工具.但该模型依赖于离线训练数据集,无法适应动态变化的普适智能环境.在自适应学习Petri 网模型中嵌入反馈机制,并对将模糊逻辑引入对上下文的表示,利用神经网络的反向传播学习方法对隶属度函数的参数进行学习,提高了模型的场景适配和个性化自学习能力.通过设计服务推荐系统,建立了模型仿真与验证实验环境.实验结果表明,该方法可以有效提高系统学习能力,进而提高推理正确率.     

基于神经网络自适应滤波器的故障检测与诊断

在稳态过程的故障检测和诊断中 ,有大量反映故障状态的数据 ,在用测量方法来获取这些数据的情况下 ,异常数据能被快速、有效的检测出来就显得非常重要。用自适应滤波器无疑是一个可行的方法 ,但采用这种方法进行故障检测和诊断时 ,有计算速度慢 ,难以跟踪输入信号变化的缺点。据此 ,本文提出了用神经网络自适应滤波器来完成故障检测和诊断的方法 ,它具有速度快的特点。如能用硬件完成 ,并调整好参数 ,检测速度是极短的 (2× 10 -10 s) ,能很好地完成故障检测和诊断任务。     

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．     

基于混沌神经网络的电机故障诊断

采用全局耦合混沌神经网络模型，每个神经元的动力学行为由反对称立方映像表示。采用Hebb算法设计网络的连接权值矩阵．将记忆模式的回忆过程转化为耦合系统中参数演变的过程，从而实现了混沌神经网络的联想记忆。根据提出的能量击穿规则，扩大了样表的吸引域。在此基础上，应用该混沌神经网络对异步电机转子断条故障进行诊断。结果表明，该种方法有助于故障模式的记忆和重现。