神经网络模糊聚类方法在故障诊断中的应用

在旋转机械故障诊断研究中,对大量样本的有效分类至关重要。传统的贴近度法计算繁锁,分辨率低,且领带于大量实验测试和经验案例的总结。根据故障诊断中样本数据无须精确要求的特点,可以对样本数据作模糊化处理,进一步采用自组织竞争神经网络对样本进行自动聚类,速度快,准确性好,具有较高的智能特性。实际应用表明,这种模糊神经网络完全满足使用要求。     

基于模糊神经网络的系统模糊建模方法

提出了一种基于模糊聚类和模糊神经网络的模糊建模方法,该方法首先利用模糊聚类技术来确定系统的模糊空间和模糊规则数,然后利用模糊神经来调整模型的前件参数和后件参数,给出了详细的算法,并对仿真实例进行了研究,仿真实例表明,采用聚类技术能够获得好的初始值,使得计算加快,能够取得满意的结果。     

应用聚类和模糊神经网络方法设计模糊规则库

基于聚类技术和模糊神经网络提出一种新的自动生成模糊系统规则库的设计方法．采用结构辨识和参数辨识相结合的方法，构造模糊系统完善的模糊规则库．用此设计方法对函数逼近问题进行仿真，结果表明该方法具有规则数目少、学习速度快、建模精度高等特点．     

基于模糊聚类法的神经网络变压器故障诊断系统

在变压器故障诊断中,针对样本中可能存在的孤立样本以及样本分布的不均匀性,导致神经网络整体性能下降,训练和测试效率降低的情况,设计了利用模糊聚类法对样本进行预先处理,然后再应用神经网络进行训练和测试的诊断系统.从仿真结果可以看出,该诊断系统较样本未处理而直接应用于神经网络诊断系统的诊断性能有大幅度的提高.     

基于综合算法的补偿模糊神经网络建模方法

针对常规模糊神经网络和补偿模糊神经网络的不足,提出了一种综合聚类算法和梯度下降法的补偿模糊神经网络。该网络的学习分为两步:结构辨识和参数辨识。在结构辨识中,采用关系度聚类方法,自动地划分输入/输出空间,确定模糊规则的数目及每条规则中前提部分和结论部分的初始参数,即构造一个初始模糊模型;在参数辨识中,采用具有五层结构的补偿模糊神经网络,并根据梯度下降法调整所建的初始模糊模型参数,使其具有更高的精度。通过对一非线性系统的建模,仿真结果表明,该网络在建模精度和收敛速度上均优于常规模糊神经网络和补偿模糊神经网络。     

应用聚类和模糊神经网络设计模糊系统

基于聚类技术和一类模糊神经网络提出一种设计模糊系统的混合方法,通过一个无监督的聚类算法自组织地确定模糊规则的数目及生成一个初始的模糊规则库,构建一类模糊神经网络,通过调整网络的权值,使规则库中的参数更加准确,并以函数逼近问题为例验证了该方法的有效性。     

一种基于神经网络的模糊知识自动获取方法

通过采用神经网络技术和引入动态神经元,提出了一种模糊知识自动获取方法,并应用于从分类数据样本集中获取以模糊语言值描述的模糊规划知识,文中着重讨论了这种神经网络模型、实现算法及模糊规划获取问题。实验结果表明了该方法的有效性和实用性。     

模糊神经网络及其在智能控制中的应用

本介绍了一门新兴学科——模糊神经网络，给出了其在智能控制中的几种应用，指出了今后研究中有待解决的许多问题，并对模糊神经网络将来的发展与应用作了展望。     

一个模糊神经网络诊断专家系统及其实现

回顾了故障诊断技术的发展历程，提出了智能故障诊断的新分类，编制了一个传统的通用故障诊断专家系统，指出了其存在的知识获取困难，二值逻辑不符合实际，系统容错性性差等缺陷。为解决缺陷，构作了一个基于模糊神经网络技术的智能诊断专家系统，并用ＭＡＴＬＡＢ语言实现，仿真结果表明，系统性能良好。     

层次模块化模糊神经网络在铝电解故障诊断中的应用

目的针对铝电解故障发生机理及特点，提出采用层次模块化模糊神经网络实现对铝电解故障快速、有效检测的新方法．方法利用数据处理子模块，诊断子模块，决策子模块，从而对铝电解生产过程中的故障进行诊断．结果数据处理子网络实现了对数据的特征提取，优化了数据结构，将大结构的神经网络分解成多个小网络，并用决策神经网络对故障进行模式分类．结论该方法优化了大结构神经网络的学习性能，提高了故障检测的准确率，具有良好的实用价值．     

基于模糊正态划分的逻辑推理诊断方法及应用

提出了一种基于模糊正态划分的逻辑推理诊断方法。仿真计算表明这种方法是有效的,具有较强的实用价值。     

基于BP神经网络的变频器功率变换主电路故障诊断研究

提出一种基于BP神经网络的变频器功率变换主电路故障诊断方法。通过对变频器功率变换主电路的故障类型及原因进行分析，提取了反映故障状态的四个特征参数。利用BP神经网络，采用自适应学习速率动量梯度下降BP算法，实现了故障模式的模式识别。     

人工神经网络与液压设备故障诊断

介绍了人工神经网络用于液压设备故障诊断的基本原理与实现方法,并给出了诊断实例,结果表明昨用神经网络能有效地解决液压设备的故障诊断问题。     

智能方法及其在电力系统故障诊断中的应用

对模糊集理论和神经网络的发展及其 在电力系统故障诊断中 的应用进行了综述,并且对一些新兴的智能化方法在电力系统中的应用前景进行了介绍。     

基于神经网络的FIR滤波器设计与应用

本文介绍了基于神经网络的FIR滤波器的设计方法 ,给出了神经网络的训练算法 ,并利用该设计方法构造了一个 5 0Hz带阻滤波器 ,与常规的用窗函数法设计的滤波器进行了对比 ,发现基于神经网络的方法所设计出的滤波器通带阻带无过冲无波动 ,具有更好的性能 .最后将这两种滤波器作用于受噪声污染的脑电信号 ,并给出了实验结果     

基于神经网络的一种曲线识别方法

提出了一个新的曲线性识别算法,它利用神经网络的分类辨识特性,对边缘点进行分类识别。实验结果表明：这种方法具有速度快,省空间的优点。     

模糊方程的广义解与模糊数差值及应用

将模糊数差值视为模糊方程的解，探讨了模糊方程的求解问题，并基于目的规划理论给出了一模糊方程的广义解定义，运用的规划的单纯型方法，得到了模糊方程广义解的计算公式及模糊方程广义解的若干性质，由模糊方程的广义解引申出了模糊数差值的定义。本文亦探讨了模糊数差值在模糊环境下的工程网络计划理论与指派理论的应用问题。结果表明，本文的模糊数差值定义，克服了基于扩展原理意义下的模糊运算所产生的各种问题，解决了这些传统理论方法的拓展问题。     

模糊技术在神经网络预测中的应用

对时间序列随机性与神经网络预测精度的关系进行了研究．并将序列模糊滑动平均法用于神经网络预测中的训练样本预处理．以减小序列随机性成分。实例结果表明时间序列经模糊滑动平均处理后，随机波动对神经网络预测精度的影响可大大减小。     

基于模糊逻辑的自整定方法及其应用研究

提出了一种新型的基于模糊逻辑的PI参数自整定方法.它与别的方法相比,具有结构简单,占内存少,运算速度快的特点,并能较好地兼顾控制系统要求的各项指标.文中还给出了这一方法应用于主汽温串级控制系统的例子,作了计算机仿真实验。理论和实验都表明了该方法的可行性.     

基于神经网络聚类的研究

提出了一种基于Kohonen网络的改进聚类算法,并给出了基于数据仓库平台的具体实现方案。通过对实例的聚类测试,对算法本身的若干指标进行了研究分析。