风机故障诊断的集成神经网络信息融合法

从故障诊断的实际出发,根据设备提供的信息的多样性及故障表征形势的复杂性,利用信息融合技术,提出了集成神经网络故障诊断方法.研究了神经网络的建模方法,阐述了信息融合的优点.对某企业大型风机故障进行了诊断,诊断结果与实际相符.     

集成神经网络信息融合技术在旋转机械故障诊断中的应用

结合单子神经网络信息融合在故障诊断中的不足不之处，讨论了集成神经网络信息融合的优点并提出了集成神经网络信息融合的组成结构、组建原则以及集成神经网络信息融合在故障诊断中的应用，最后应用集成神经网络对机械故障诊断进行了仿真。     

神经网络在多传感器信息集成与融合中的应用

多传感器信息集成与融合在处理信息中呈现出较好的实用性和优越性。介绍了有关多传感器信息集成与融合方面的基本知识，分析了传统的信息融合与运用神经网络实现多传感器信息融合的差异、实质，并给出了神经网络实现多传感器信息集成与融合的步骤。通过自动化程度很高的智能机器人对外界信息的集成与融合，用实验证明了神经网络比传统方法更能准确、可靠地描述传感器所获得的信息。     

基于神经网络与D-S证据理论的故障诊断

在集成神经网络故障诊断的基础上,引入证据理论,提出将神经网络(NN)与D-S证据理论结合的故障诊断方法(NN-DS诊断方法).多个征兆域分别用神经网络进行局部诊断,从每一个网络都可以得到各自的诊断结果,再用D-S证据理论对这些诊断结果进行全局融合,得到综合诊断结果.算例分析表明了该方法的正确性.     

基于神经网络与D-S证据理论的故障诊断

在集成神经网络故障诊断的基础上,引入证据理论,提出将神经网络(NN)与D-S证据理论结合的故障诊断方法(NN-DS诊断方法).多个征兆域分别用神经网络进行局部诊断,从每一个网络都可以得到各自的诊断结果,再用D-S证据理论对这些诊断结果进行全局融合,得到综合诊断结果.算例分析表明了该方法的正确性.     

基于AdaBoost集成网络的模拟电路单软故障诊断

基于神经网络的模拟电路故障诊断方法中会遇到网络训练误差很小甚至为零的情况下测试误差依然存在甚至很大的情况,这是由于神经网络的推广性能较差而造成的.针对模拟电路的神经网络故障分类器推广性能较差的问题,提出了将基于AdaBoost的神经网络集成应用于模拟电路故障诊断的新方法.通过对集成网络的诊断误差进行偏差-方差分析,说明可重复取样的AdaBoost技术可以降低集成网络中各成员网络的相关性以减少方差,从而使模拟电路故障诊断的集成网络系统的推广误差降低,使模拟电路故障诊断率得以提高.利用PSPICE的仿真数据和从实际电路获取的实测数据进行实验,实验结果均证明了该方法的有效性.     

机械系统损伤定位集成神经网络的决策融合新方法

从提高Bayes决策精度的角度出发,结合线性回归理论,对机械系统损伤定位问题提出了一种新的集成神经网络决策融合算法,并应用于多个概率神经网络的集成。采用简单遗传算法优化了集成神经网络的参数,有效地提高了集成神经网络进行损伤位置识别的精度。用质量-弹簧系统模型作为算例,验证了本文理论和方法的有效性。     

基于神经网络与符号推理综合模型的故障诊断技术

提出了一种新的基于集成推理的旋转机械故障诊断技术，该技术把基于规则的知识处理方法与神经网络处理方法集成在一起．文中分析研究了集成神经网络的知识表示、推理、自学习和集成方法，并结合一旋转机械故障诊断实例进行了验证．结果表明该集成诊断系统比神经网络诊断系统具有简单、快速的特点，并且容易理解、易于解释     

基于集成神经网络的风机故障诊断系统的研究

利用集成神经网络建立了风机故障的智能诊断系统.该系统在设备异常后进行诊断,通过运行和诊断实例得出了故障诊断结果.     

神经网络与 D-S 证据理论融合的液压系统故障诊断方法

针对液压驱动火箭炮随动系统故障类型的多样性以及故障信息不确定性等问题,提出了证据理论与神经网络综合集成的故障诊断方法。为克服单一神经网络自身的缺点,在普通节点处建立2个改进神经网络模型来简化网络结构,分别以铁谱数据和压力、流量、温度特征参数作为输入向量进行初始故障诊断,并将诊断结果作为证据理论的基本概率分配,从而实现了赋值的客观化。然后,利用 D-S 证据理论对2个改进神经网络的初始诊断结果进行融合。实验结果表明：该方法避免了神经网络识别时的误诊,提高了液压驱动的火箭炮随动系统故障诊断的准确性。     

基于D-S证据理论和集成神经网络的磨粒识别

针对磨粒的识别问题，利用数字磨粒图像分析方法，结合D-S证据理论和BP神经网络，建立了基于D-S证据理论的集成神经网络磨粒融合诊断方法。首先对磨粒图像进行处理，并利用统计分析方法和傅立叶分析方法对处理好的磨粒图片进行分析得到磨粒特征；然后基于统计分析方法和傅立叶分析方法建立对应的两个BP分类子神经网络，利用典型的磨粒样本对BP子神经网络进行训练，得到初步的诊断结果；最后用D-S法对子神经网络诊断结果进行融合，得到最终的诊断结果。算例分析结果表明，基于D-S证据法和集成神经网络的磨粒融合诊断方法比单个诊断方法具有更高的准确性。     

神经网络数据融合在车用传感器中的应用

在阐述了神经网络数据融合优势的基础上,分析了将神经网络数据融合应用于汽车传感器的可能性,并以汽车自适应悬架控制系统为例,建立了其BP神经网络模型,通过实验仿真,验证了该方法的可行性。     

基于神经网络的信息融合故障诊断技术

利用神经网络技术建立信息融合中心 ,对多传感器数据进行融合处理 ,通过多源互补信息减小故障诊断系统的不确定性。文中讨论了神经网络多传感器信息融合方法中数据预处理与特征提取、特征向量维数压缩与关联、归一化处理方法等 ,同时 ,对神经网络的构造以及学习训练等内容 ,也作了较为详细的讨论。通过对柴油机振动监测数据、燃油压力波动信息、以及两者融合信息的故障诊断性能的比较 ,表明神经网络多传感器信息融合方法用于复杂机械的故障诊断是可行和有效的     

GPS/INS组合导航系统的研究

讨论了飞机惯性导航系统(INS)与全球卫星导航系统(GPS)的利与弊以及卡尔曼滤波方法在组合定位中的应用情况,进一步提出了基于神经网络数据融合方法的GPS/INS组合导航系统.系统神经网络结构采用单隐层的三层神经网络,输入输出神经元数目是4个,基于256个训练样本由经验公式求得隐层神经元数目为8个,同时还建立了惯导系统的数学模型和数据融合的数学模型.给出了利用MATLAB编制的神经网络训练程序并对这一神经网络进行了训练和仿真.实验表明,组合导航系统经度误差可达9m,纬度误差可达8m,与单独GPS定位和INS定位相比精度得到了提高.     

Deep learning model integrating features and novel classifiers fusion for brain tumor segmentation

Automatic and precise segmentation and classification of tumor area in medical images is still a challenging task in medical research. Most of the conventional neural network based models usefully connected or convolutional neural networks to perform segmentation and classification. In this research, we present deep learning models using long short term memory (LSTM) and convolutional neural networks (ConvNet) for accurate brain tumor delineation from benchmark medical images. The two different models, that is, ConvNet and LSTM networks are trained using the same data set and combined to form an ensemble to improve the results. We used publicly available MICCAI BRATS 2015 brain cancer data set consisting of MRI images of four modalities T1, T2, T1c, and FLAIR. To enhance the quality of input images, multiple combinations of preprocessing methods such as noise removal, histogram equalization, and edge enhancement are formulated and best performer combination is applied. To cope with the class imbalance problem, class weighting is used in proposed models. The trained models are tested on validation data set taken from the same image set and results obtained from each model are reported. The individual score (accuracy) of ConvNet is found 75% whereas for LSTM based network produced 80% and ensemble fusion produced 82.29% accuracy.     

基于ART-并行BP神经网络的柴油机故障诊断研究

造成柴油机故障的因素十分复杂,既存在单一类的故障,也存在多故障并存的现象,而且还会出现新型故障,仅仅依靠单一神经网络技术的故障诊断已经很难满足对柴油机的有效诊断要求。本文在信息决策层融合的基础上,以自适应谐振理论ART和误差反向传播并行BP两种神经网络为基础,建立了用于柴油机故障诊断的新型神经网络模型,以对柴油机系统工作过程多种故障进行诊断识别。通过与单一神经网络诊断识别结果的分析和比较,验证了该神经网络诊断模型的可行性,它能够进行多传感器信息综合诊断,既能识别单故障和并发故障,又具有识别新型故障的能力,可有效地提高对柴油机故障诊断的准确性和可靠性。     

基于神经网络和D—S证据理论的综合诊断模型

故障诊断时，在考虑经济效益的基础上应尽可能地融合多种传感器信息进行综合诊断，以求得最佳诊断结果。本文提出了神经网络和Ｄ－Ｓ证据理论相结合的综合诊断模型，实例证明该模型具有良好的适应性并能得到准确性较高的诊断结果。     

模糊神经网络数据融合在移动机器人导航中的应用

提出一种基于模糊神经网络的多传感器数据融合方法,并将其用于自主移动机器人的导航避障。采用BP神经网络作为基体,将模糊技术和神经网络有机结合组成模糊神经网络控制系统,实现了模糊规则自动提取及模糊隶属度函数的自动生成。实验表明该方法可实现机器人的安全避障。     

基于ARM7的生物发酵智能补料控制系统

分析目前生物发酵过程中补料控制的难点,提出基于ARM7和神经网络控制策略的智能补料控制系统.其中现场控制部分采用S3C44B0X进行数据的采集和常规控制任务;软件设计中移植了μC/OS-Ⅱ操作系统,采用多任务程序设计方法设计,大大降低了编写程序的复杂度;针对生物发酵补料过程的特点,控制策略采用神经网络来实现系统补料的控制.在一定程度上解决了传统补料控制方法不易得到系统数学模型,难于对系统补料进行有效控制的不足.实践表明系统设计可靠,具有较强的鲁棒性,能够达到良好的控制效果.     

A novel approach for coal seam terrain prediction through information fusion of improved D–S evidence theory and neural network

In order to effectively and accurately forecast the distribution of coal seam terrain, a novel prediction approach through information fusion of improved D–S evidence theory and neural network was proposed. An improved strategy based on confidence level was presented for evidence theory to reduce the conflicts between evidences and enhance the fusion effect. Moreover, BPAs function was constructed reasonably through extracting weights from preliminary prediction values of four neural networks, and the flowchart of proposed approach was designed. Furthermore, a simulation example was provided and some comparisons with other fusion prediction methods were carried out. The simulation example and comparison results indicated that the proposed approach was feasible, high-precision and outperforming others. Finally, an industrial application example of mining automation production was demonstrated to specify the effect of proposed system.