基于神经网络的导航传感器故障检测

试用离线训练的神经网络进行导航传感器故障检测。首先用从某船试航时的一段数据中选出的包含多种航行状态的数千组平台罗经读数训练神经网络并同时选择神经网络的输入延迟数和隐层单元数。然后用已选择好结构并训练好的神经网络作为在线估计器对平台罗经的读数进行一步预测。最后根据平台罗经的读数与其对应的预测值之间的差值进行故障检测。分别用同一艘船同一次试航的两段平台罗经读数进行训练和故障检测仿真,结果证明该方法可行。     

用神经网络诊断火箭发动机

用神经网络检测和识别故障时有两个问题:(1)传感器数据的复杂性使得无法用神经网络建立变换的模型,这意味着训练过程难而冗长;(2)没有足够的训练数据去适当地描述可能发生的大量不同类型故障。导出了一些方法并在一个用于解决这两个问题的结构中作了试验。首先把无法变换的传感器数据分解成三个较简单的变换,这些变换要完成数据的压缩,假设的产生和传感器的融合。每个变换分别进行有效训练。其次,建立执行传感器融合的神经网络,以便检测那些训练例子在训练过程中不曾出现的未知新故障。这些方法曾在航天飞机主发动机(SSME)故障检测和识别任务中试验过。结果表明,被分解的神经网络结构可以有效地训练,可以识别已训练过的故障,同时也能检测那些没训练过的故障是否发生。     

基于小波神经网络的空调系统传感器故障诊断

详细阐述了小波神经网络(WNN)的原理、结构,并对传统的BP算法进行了改进。以空调系统传感器故障检测问题为目标,提出了基于WNN的故障诊断方法。通过采集天津博物馆中的传感器数据,对训练好的WNN进行了传感器故障诊断能力的验证,对温度传感器的1℃偏差故障、0.05℃/s速率漂移故障、完全故障、与不同方差下的精度等级下降故障进行了仿真,结果表明:这种方法对传感器故障具有很好的诊断效果。     

一种集成传感器故障诊断方案

针对传感器故障，提出了一种基于小波奇异性检测和修正的Bayes算法(MB)的集成故障诊断方法。用RBF神经网络建立传感器故障模型．对系统的状态进行在线估计．进而得到残差．然后对残差进行小波分析．再用修正的Bayes算法进行传感器故障的在线检测、分离的估计。对连续搅拌釜式反应器(CSTR)的仿真结果表明．该集成故障诊断方法能够对传感器故障进行快速准确的分离和估计．克服了传统小波分析方法大尺度下存在时延的缺点．并对传感器故障具有容错性。     

用神经网络估计模型误差的预测滤波算法

针对时不变非线性系统,提出一种用神经网络进行模型误差估计的预测滤波算法．该算法用寻优的方法离线获得与当前状态和下一步输出测量相对应的模型误差估值,并作为样本训练神经网络;实际滤波中,用训练好的神经网络进行模型误差估计．该方法与原预测滤波算法相比没有动态过程,不会因为滤波器初始误差太大而振荡或发散,且稳态精度与计算步长无关．通过对一个二阶非线性系统的仿真验证了神经一预测滤波器的优越性。     

一类基于状态估计的非线性系统的智能故障诊断

针对一类含有建模误差的非线性系统,研究了基于状态估计的智能故障诊断方法.首先提出一种状态估计器设计方法;然后在进行状态估计的同时用RBF神经网络来逼近系统所发生的故障.故障估计器的输入为系统的状态估计,所估计出的故障既可用作故障容错控制,也可用作报警.根据微分同胚,将含有建模误差的非线性系统变换为易于分析的规范形式,并在此基础上分析了故障诊断系统的稳定性和鲁棒性.仿真例子证明了该方法的有效性.     

一种集成传感器故障诊断方法

针对传感器故障，提出了一种基于小波奇异性捡测和修正的Bayes算法(MB)的集成故障诊断方法，用RBF神经网络建立传感器故障模型，对系统的状态进行在线估计，进而得到残差，然后对残差进行小波分析，再用修正的Bayes算法进行传感器故障的在线检测、分离和估计对连续搅拌釜式反应器(CSTR)的仿真结果表明，该集成故障诊断方法能够对传感器故障进行快速准确的分离和估计，克服了传统小波分析方法大尺度下存在时延的缺点，并对传感器故障具有容错性。     

基于特征概率分布相对熵的电液伺服作动器健康评估

针对电液伺服作动器早期故障信号的微弱性和不易检测性,提出了一种基于故障特征概率分布相对熵的健康评估算法.采用离线训练对正常状态特征概率密度进行参数估计,在线监测作动器特征概率密度分布相对于正常状态的相对熵,通过判断相对熵的值对伺服作动器的进行健康评估.仿真结果证明了该方法的可行性和有效性.     

基于遗传小波网络的飞控系统故障诊断研究

针对飞行控制系统的传感器故障诊断问题,构造基于Mexico hat小波的小波神经网络,采用改进的自适应遗传算法优化所构造的小波网络的网络参数,并应用训练好的小波网络对飞行控制系统的传感器故障进行诊断.通过在Matlab/Simulink中建立飞控系统传感器的数字仿真模型并进行计算机仿真,得出所构造的小波网络能很好地诊断出飞控系统传感器的三类故障.仿真结果表明,用遗传算法训练小波网络,收敛速度快,且不会陷入局部最优点,训练好的小波神经网络的收敛性、故障诊断能力及泛化性均强于传统的BP神经网络.     

基于两级神经网络的传感器在线故障诊断技术研究

针对水下航行器控制系统的故障状态,采用BP神经网络设计了一种由主网络和局部网络构成的两级神经网络故障诊断算法,其中主网络用于水下航行器控制系统的故障检测,一旦发现有故障发生,则局部网络完成对故障的识别。通过仿真研究表明该方法可及时完成传感器故障的分离与定位。     

基于人工神经网络铂电阻非线性估计方法的研究􀀁

本文提出了一种基于人工神经网络的铂电阻传感器非线性估计方法,该方法用二次幂级数多项式拟合温度传感器的非线性模型,多项式的系数可由神经网络学习算法得到,当条件发生变化时,只要给出几组测量数据对,通过该方法可自动重新训练网络,获得新的多项式系数,实现传感器的非线性估计。     

Applications of neural networks for coordinate transformations in robotics

The use of artificial neural networks is investigated for application to trajectory control problems in robotics. The relative merits of position versus velocity control is considered and a control scheme is proposed in which neural networks are used as static maps (trained off-line) to compute the inverse of the manipulator Jacobian matrix. A proof of the stability of this approach is offered, assuming bounded errors in the static map. A representative two-link robot is investigated using an artificial neural network which has been trained to compute the components of the inverse of the Jacobian matrix. The controller is implemented in the laboratory and its performance compared to a similar controller with the analytical inverse Jacobian matrix.     

一种主动学习神经网络集成方法

分析了神经网络集成泛化误差、个体神经网络泛化误差、个体神经网络差异度之间的关系,提出了一种个体神经网络主动学习方法．个体神经网络同时交互训练,既满足了个体神经网络的精度要求,又满足了个体神经网络的差异性要求．另外,给出了一种个体神经网络选择性集成方法,对个体神经网络加入偏置量,增加了个体神经网络的可选数量,降低了神经网络集成的泛化误差．理论分析和实验结果表明,使用这种个体神经网络训练方法、个体神经网络选择性集成方法能够构建有效的神经网络集成系统．     

并行学习神经网络集成方法

该文分析了神经网络集成中成员神经网络的泛化误差、成员神经网络之间的差异度对神经网络集成泛化误差的影响,提出了一种并行学习神经网络集成方法;对参与集成的成员神经网络,给出了一种并行训练方法,不仅满足了成员网络本身的精度要求,还满足了它与其余成员网络的差异性要求;另外,给出了一种并行确定集成成员神经网络权重方法．实验结果表明,使用该文的成员神经网络训练方法、成员神经网络集成方法能够构建有效的神经网络集成系统．     

Effective Query Size Estimation Using Neural Networks

This paper describes a novel approach to estimate the size of database query results using neural networks. Using the proposed approach, three layer neural networks are constructed and trained to learn the cumulative distribution functions of attribute values in relations. With a trained network, the estimation of the query result size could be obtained instantly by simply computing the network output from the given query predicates. The basic computational model using a cumulative distribution function to compute the query result size is described. The network construction and training is discussed. Comprehensive experiments were conducted to study the effectiveness of the proposed approach. The results indicate that the approach produces estimates with accuracies that are comparable with or higher than those reported in the literature.     

带偏置的选择性神经网络集成构造方法

训练多个神经网络并将其结果进行合成,能显著地提高神经网络系统的泛化能力。本文提出了一种带偏置的选择性神经网络集成构造方法。对个体网络引入偏置项,增加可选网络的数量。选择部分网络集成,改善网络集成的性能。把个体网络的偏置项统一为集成偏置项,在训练出个体神经网络后,使用遗传算法选择部分网络集成,同时确定集成偏置项。理论分析和实验结果表明,该方法能够取得很好的网络集成效果。     

基于神经网络结构学习的知识求精方法

知识求精是知识获取中必不可少的步骤．已有的用于知识求精的ＫＢＡＮＮ（ｋｎｏｗ ｌｅｄｇｅ ｂａｓｅｄ ａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔｗ ｏｒｋ）方法,主要局限性是训练时不能改变网络的拓扑结构．文中提出了一种基于神经网络结构学习的知识求精方法,首先将一组规则集转化为初始神经网络,然后用训练样本和结构学习算法训练初始神经网络,并提取求精的规则知识．网络拓扑结构的改变是通过训练时采用基于动态增加隐含节点和网络删除的结构学习算法实现的．大量实例表明该方法是有效的     

Robust state estimation for wireless sensor networks with data‐driven communication

Robust state estimation problem for wireless sensor networks composed of multiple remote sensor nodes and a fusion node is investigated subject to a limitation on the communication rate. An analytical robust fusion estimator based on a data‐driven transmission strategy is derived to save the sensor energy consumption and reduce the network traffic congestion. The conditions guaranteeing the uniform boundedness of estimation errors of the robust fusion estimator are investigated. Numerical simulations are provided to show the effectiveness of the proposed approach. Copyright © 2017 John Wiley & Sons, Ltd.     

Z基于传感器网络的远程状态估计

针对传感器网络中的远程状态估计, 提出一种多传感器切换的卡尔曼滤波器. 通过分析估计误差的统计特性, 证明估计误差的协方差具有边界, 采用线性矩阵不等式的形式给出了边界的收敛条件. 研究测量数据丢失对估计器性能的影响, 使用临界到达概率作为估计器的稳定性判据, 得到采用线性矩阵不等式求解临界到达概率的方法. 数值仿真证实了结论的正确性.