基于模糊逻辑的智能股票投资模型

模糊数学已经被大量地应用于工业控制,本文根据证券市场上投资者的思维过程与模糊逻辑的相似性,尝试把模糊学引入股票市场投机行为的控制,模拟股票市场上投资者的股票买卖行为,旨在探索一种基于模糊逻辑的自动股票投机和投资逻辑,可以为股票软件开发提供理论依据和逻辑模型,建立在模糊逻辑基础上的股票软件可以引导投资者避免追涨杀跌,从而有利于股市稳定而健康地发展.     

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。     

基于模糊故障树理论的旋转输弹机故障诊断研究

以某型自动装弹机的旋转输弹机为研究对象,基于该系统的故障形式,提出了基于模糊故障树理论的故障诊断方法来解决旋转输弹机故障监测与诊断问题;首先建立该系统的模糊故障树,然后对故障树进行定性及定量分析,得出系统的故障方程及各类重要度参数,求出故障树的结构函数,最后研究了搜索技术算法在分析旋转输弹机故障树中的应用。     

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。     

改进的模糊逻辑偏微分方程去噪方法

在研究图像噪声过滤时,为了既有效地去除噪声,又能够较好地保持图像边缘和重要的细节信息,将模糊逻辑思想与PM方法相结合,提出了一种对噪声图像更有效的基于模糊逻辑的偏微分方程去噪算法。该算法把PM方法中扩散方程的扩散系数看作像素梯度对于图像平滑区域的模糊隶属度函数,并通过定义合理的模糊隶属度函数,使得对不同的像素梯度大小采用不同的扩散系数。仿真实验表明,此算法在去除噪声的同时,能更好地保持图像的边缘细节,具有较好的处理效果。     

基于故障树分析和模糊综合评判的某雷达故障诊断方法

针对大型雷达电磁环境复杂、设计预留检测接口不足、状态不容易检测等特征,为既提高雷达保障能力,又减少检测电路(设备)、降低成本、提高全机可靠性,考虑到故障与故障征兆问存在着模糊关系,提出了采用基于故障树分析和模糊综合评判相结合的故障诊断方法,通过分析某雷达故障树故障论域的子域,提取故障征兆集和原因集,利用模糊关系矩阵得出故障隶属度输出,最后根据判断法则确定故障位置,给出了具有法则优化和自学习功能的模糊故障诊断流程;诊断应用表明,该方法可充分利用已有的故障信息,有效提高雷达的故障诊断效率.     

基于神经网络和模糊逻辑的工业过程故障诊断与报警系统

用单一理论和方法对复杂系统进行故障诊断效果不太好.文章讨论了基于神经网络和模糊系统的故障诊断以及它们之间结合方式的特点,提出了一种保障工业生产安全可靠运行的有效方法:分级故障诊断算法 过程监控与报警,仿真并设计了基于工控网络的工业过程故障诊断与报警系统.研究表明基于径向基函数神经网络 模糊逻辑的算法具有较快的训练速度和较好的泛化能力,可识别多回路故障.     

基于NSCT与模糊逻辑的图像融合方法

提出一种基于非下采样Contourlet变换（NSCT）和模糊逻辑的图像融合方法。NSCT分解有利于更好地保持图像的边缘信息和轮廓结构,并增强图像的平移不变性。在对原图像进行多尺度几何分解后,针对图像融合过程中原图像融入信息程度的不确定性,采用基于模糊逻辑（Fuzzy logic）的融合规则指导图像的融合：根据高低频各自的频带特性和待融合图像的特点,对高频使用基于信息熵与模糊逻辑的融合方法,而对低频使用基于亮度、梯度、方差、信息熵等特性及模糊逻辑的规则得到融合系数,最终经过NSCT逆变换得到融合图像。实验结果表明,该算法的融合图像具有良好的视觉效果及客观评指标,指标与视觉效果也能够较好的统一。     

一种基于模糊逻辑的非线性系统故障检测与定位的方法

针对一般非线性系统,提出了一种带故障标志的系统故障模糊模型,基于此模型给出了一种非线性系统故障检测与定位的新方法,它采用模糊聚类算法提取故障系统的模糊规则,进而完成系统故障的检测与定位,该方法对噪声污染具有较强的抑制作用,对模型误差亦无较高的要求, 仿真结果表明所提方法对非线性系统的故障可以及时地完成检测与定位。     

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．     

基于模糊神经网络的抽油机故障诊断方法

将模糊逻辑与神经网络相结合,构造模糊神经网络,将神经网络输入层的确定性信息模糊化后变成模糊量,将故障征兆参数相对应的隶属度数值作为神经网络的输入,从而使神经网络更加适合设备故障描述,克服了神经网络对不精确信息表达的缺点。提出基于黄金分割法的变步长BP算法来训练神经网络,根据误差变化趋势动态调整学习速率,实现学习步长的自适应调整,提高网络收敛的速度,防止网络训练时陷入局部极小。将训练好的模糊神经网络应用于抽油机设备的故障诊断,取得良好效果。     

基于组合逻辑的故障诊断方法

针对复杂系统故障传播和故障分析的模糊性和不确定性,首先,在逻辑Petri网和模糊Petri网的理论基础上,根据逻辑Petri网的传值不确定性以及模糊Petri网对模糊信息的表示和推理能力的特点,提出模糊逻辑Petri网的概念及推理规则,考虑不同故障源对故障的影响程度,将概率信息引入模糊逻辑Petri网,对故障源赋予置信度,使故障诊断过程更符合实际。其次,利用模糊逻辑Petri网对故障诊断系统进行建模,用模糊逻辑Petri网描述了系统故障状态组合的逻辑关系,并进一步简化了系统模型的表达形式,具有良好的封装性、重构性和可维护性,在一定程度上缓解了状态组合空间爆炸问题。针对故障的传播性,采用可达性分析方法对故障信息的传播路径进行模拟论证,提高了故障诊断效率。最后,通过离心式压缩机故障诊断过程实例分析,验证了该方法的有效性和可行性,提高了故障诊断过程的准确性和高效性。     

基于支持向量机的抽油机井故障诊断模型研究*

目前油田中最常用的采油模式为有杆抽油机举升方式,其具有安全、可靠、成本低和操作方便等诸多优点,但是由于有杆抽油机设备的工作环境恶劣,导致常常出现故障情况,增加了生产过程中不必要的生产成本。通过对抽油机故障示功图的研究和分析,建立了基于支持向量机的抽油机故障诊断模型,并进行了一系列的实验分析。实验结果表明,该故障诊断模型可以有效地解决抽油机故障诊断不及时,准确性不高等问题,大大提高了抽油机性能和效率,从而提高了油田的采收效率和经济效益。     

基于多尺度模糊熵的齿轮故障诊断方法

齿轮作为旋转机械的关键零部件之一,其健康状态会影响机械设备的正常运行,因此需要对齿轮进行故障诊断.为了克服模糊熵从单一尺度上考虑时间序列复杂度不够全面的问题,采用了多尺度模糊熵从多个尺度对信号进行处理从而提取故障特征,并借助对类域的交叉或重叠较多的待分样本集识别效果显著的K最近邻分类器对提取的多尺度模糊熵特征进行分类,...     

基于SDG模型和模糊融合的故障诊断方法

将符号定向图SDG（Signed Directed Graph）节点偏差模糊化为定性模糊偏差,并从子节点向父节点对其进行数据融合,得到父节点故障源可能性,分析了该模糊融合传递信息的特性和处理各种发生故障的情形的优点。建立了基于SDG模型和模糊融合的故障诊断方法,包括SDG建模、故障源数检验和故障诊断等步骤,并以铝电解槽故障诊断为实例,说明了这种方法的有效性。     

基于最小二乘支持向量机的故障诊断方法

提出了一种小波包分析与最小二乘支持向量机相结合的机械设备故障诊断模型.首先对故障信号功率谱进行小波分解,简化了故障特征向量的提取,然后采用最小二乘支持向量机进行故障诊断.在该模型中,用二次损失函数取代支持向量机中的不敏感损失函数,将不等式约束条件变为等式约束,从而将二次规划问题转换为线性方程组的求解,并提出对核函数的σ参数进行动态选取.仿真结果表明:该模型可以取得较高的故障诊断准确率.     

基于模糊推理和自学习的工程机械故障诊断专家系统

以LTU90A摊铺机为研究切入点,针对其工作特点和智能化故障诊断需求,以故障诊断的理论和方法为基础,综合运用模糊推理、数据库、人工智能、专家系统等理论,研究并开发了基于知识库的摊铺机故障诊断专家系统。该系统实现了摊铺机的智能诊断以及诊断知识库的自学习,较大地提高了摊铺机故障诊断系统的准确性以及可扩展性。该研究成果已经得到实际应用,并已开始推广到路面施工机群的其他大型机械上。     

模糊逻辑在汽车故障诊断技术中的应用

汽车运行过程中的动态参数携带了汽车技术状态的丰富信息,这些参数在评价汽车技术状态时,存在着一系列不确定性的现象。为解决这类问题,我们提出了借助模糊数学的方法,采用多现象、多因素综合推理,在实际运用中,利用该方法能够得到比较确切的结果。     

基于模糊神经网络的电力变压器故障诊断

针对传统的故障诊断技术具有模型复杂,数据采集方法比较繁琐,模糊规则难以确定等问题,提出了将模糊逻辑和神经网络技术相结合的方法;首先针对变压器的故障的特点,利用模糊理论描述不确定性信息,然后采用TOPSIS方法通过对DGA的特征量数据进行模糊处理从而实现优劣的排序;最后根据优化的数据输入到BP网络中,对不同的故障状态进行识别和诊断;同时采用无线网络进行数据传输,实现了远程数据采集与故障诊断功能;分析表明,这种方法能够实现对不同故障的诊断,有效地提高了故障模式的识别能力,较传统诊断方法有较大的优势。     

基于改进模糊聚类和支持向量机的模拟电路故障诊断

为解决神经网络训练需要大量的样本,且容易陷入局部最优,收敛速度慢等缺点,采用改进模糊聚类(IFC)和支持向量机(SVM)相结合的模拟电路故障诊断方法.利用小波分解技术提取待诊断电路的测试信息作为故障特征,在模糊聚类算法中为消除孤立点和噪声的影响,对不同样本点引入权值以提高聚类效果,结合改进的模糊聚类算法进一步降低故障特征的维数,将其作为支持向量机的输入量,进行模型训练并预测模拟电路的故障.仿真结果表明,此方法应用于电路故障诊断有效削减计算复杂度并提高了诊断精度.