基于直觉模糊集的灰色模型故障预测

复杂设备的故障特征具有不确定性,非线性等特点. 针对故障预测具有不确定性,将模糊数学中的直觉模糊集和灰色模型相结合设计故障预测的方法. 新方法利用隶属度函数设计了描述系统运行正常的正常直觉模糊子集和运行异常的异常直觉模糊子集,利用灰色模型计算系统运行的预测值,并计算预测值的正常隶属度;再分别计算预测值的正常隶属度与正常直觉模糊子集和异常直觉模糊子集的贴近程度来实现故障预报. 该方法通过三容水箱系统T2水箱水位变化预测三容水箱系统是否出现故障和通过UH-60行星齿轮盘裂纹何时开始增大的故障进行实验. 实验验证了该方法的可行性,可及时准确地预测出系统故障.     

基于模糊隶属度的粒子滤波故障预测

针对故障预测具有不确定性的特点,本文将模糊数学中的隶属度函数和粒子滤波算法相结合设计故障预测的方法.新方法利用粒子滤波算法对设备运行的未来状态进行预测,再设计描述设备运行状态的正常隶属度函数和异常隶属度函数,利用计算出的未来状态的预测值计算并比较正常和异常隶属度函数值,依据比较结果对潜在故障进行预测.实验验证了该方法的可行性,可及时准确地预测出系统故障.     

基于改进余弦相似度的粒子滤波故障预报

现有的粒子滤波故障预报方法主要是通过粒子滤波算法得到对应时刻的预测值,然后比较其与实际值的差值来对故障进行预报.从分析设备正常工作的时间序列数据与潜在故障引起的异常数据之间的相似性的新角度,设计了系统正常度和系统异常度来判别设备是否正常运行,进而对潜在的故障进行预测.实验结果验证了该方法的可行性,并能及时准确地预报出系统故障.     

基于DTW匹配的粒子滤波故障预报

现有的粒子滤波故障预报方法主要是通过粒子滤波算法得到对应时刻的预测值,然后比较预测序列与观测序列的距离来对故障进行预报,但这种基于相同长度时间序列的故障预报方法不能处理预测序列与观测序列长度不同的情况.本文借助适用于不同长度时间序列的动态时间弯曲技术,对故障相关的时间序列进行分析,从动态时间弯曲算法度量设备正常工作的时间序列与潜在故障引起的异常序列之间相似度的角度,设计了系统正常度及反常度来判别设备是否正常运行,进而对潜在故障进行预报.实验结果验证了该方法的可行性,并能及时准确地预报出系统故障.     

模拟电路的故障度量化算法

提出了一种可以评价模拟电路工作状态的故障度量化算法.因为模拟电路里存在一些模糊量,本文将模拟电路视为模糊系统.提出了基于模糊隶属函数的故障度量化函数,并与决策函数相结合构成了模拟电路故障度量化算法.对模拟电路的故障程度进行精确量化,有助于模拟电路故障诊断和故障修复.故障度量化算法可以计算模拟电路的全局故障度,从而准确地、客观地评价模拟电路的故障水平.     

虚拟现实系统手势识别融合算法

该文首先给出D-S证据理论的概念,基于证据理论的思想提出了一种虚拟现实系统中比较适用的手势识别算法。在此算法中还讨论了隶属度概念,借助于模糊聚类算法中的隶属度概念提出了手势的隶属度,该文使用的隶属度公式只是模糊聚类算法的一个子集。     

基于随机摄动粒子滤波器的故障预报算法

针对粒子滤波算法在故障预报中的大计算量和粒子退化问题,提出一种基于随机摄动粒子滤波器的故障预报算法.当粒子退化严重时,对粒子用随机摄动方式进行再采样,一方面可改进样本的多样性,缓解粒子退化;另一方面可缩短再采样时间,减少计算量,从而提高粒子滤波算法的跟踪能力.仿真结果表明该算法可行,能及时准确地对系统故障进行预报.     

基于聚类粒子滤波器的故障预报方法研究

为减少计算量,及时预报系统故障,提出了一种基于聚类粒子滤波器的故障预报方法．在粒子滤波中引入k均值聚类算法,将粒子集中的所有粒子聚为若干类,以每一类粒子的质心代表该类粒子参与每次的粒子更新,显著减少了参与迭代计算的粒子数目,从而减少了粒子滤波算法的计算量．仿真结果验证了基于聚类粒子滤波器的故障预报方法的有效性．     

改进的粒子群模糊聚类方法

针对基于粒子群的模糊聚类算法以隶属度编码时对噪音敏感,以及处理样本数小于样本维数的数据集效果较差等问题,通过改进其中的模糊聚类约束方法,提出一种改进的基于粒子群的模糊聚类方法.当样本对各类的隶属度之和不为1时,新方法在粒子群优化得出的隶属度基础上,根据样本与各类之间的距离对隶属度进一步分配,以使隶属度满足模糊聚类约束条件.新方法显著地改善了在隶属度编码下使用粒子群进行模糊聚类的效果,并通过典型的数据集进行了验证.     

特征子集选取中相似性度量公式的研究

在三角形隶属度函数的基础上,研究了基于模糊值的最优特征子集选取算法的不同相似性度量公式得出的类间交叠度、选取的特征子集以及该特征子集用于分类的准确性之间的关系,找到了比较适合于基于模糊值的最优特征子集选取算法的相似性度量公式.     

多传感器信息融合的Vague集法

采用Vague集表达传感器的模糊测量信息,提出一种基于Vague集的多传感器信息融合方法,给出基于Vague集的模型描述,定义2个Vague集之间的距离,利用TOPSIS法,根据相对接近度给出信息融合的算法。该方法充分考虑了测量信息的隶属度与非隶属度两方面的不确定信息。仿真实例验证了算法的有效性。     

结合模拟退火与规则约简的模糊系统优化方法

从数据中学习模糊系统是其智能建模的重要方法之一,针对目前模糊系统建模及优化方法对于学习后的模糊系统的规则数以及结构优化关注不足而影响了其精度和可解释性的问题,提出了一种结合模拟退火与基于支持度约简规则的模糊系统优化方法。该方法通过支持度约简系统冗余规则进而提高模糊系统的可解释性;同时利用模拟退火算法优化模糊系统的隶属度函数参数进一步提高模糊系统的精度。针对回归任务,与BP（Back Propagation）神经网络、径向基（Radial Basis Function,RBF）神经网络以及经典的模糊算法WM（Wang-Mendel）在不同领域的3个经典数据集上进行实验比较,实验结果表明：该算法在预测方面取得了更高的精度;与WM算法相比,所提算法中规则数明显减少,进一步提高了系统的可解释性。     

基于最大隶属度的网络安全模型

结合免疫系统中多层防御机制和入侵行为中不确定性的特性,利用了改进的模糊识别的方法,提出了一种基于最大隶属度算法的网络安全管理模型。应用数学方法对该模型进行了描述,论证了应用该模型进行网络安全管理的可行性,实现了该系统的原型,并对该模型做了测试和评价,对其应用范围进行了展望。     

基于最大隶属度的网络安全模型

结合免疫系统中多层防御机制和入侵行为中不确定性的特性,利用了改进的模糊识别的方法,提出了一种基于最大隶属度算法的网络安全管理模型。应用数学方法对该模型进行了描述,论证了应用该模型进行网络安全管理的可行性,实现了该系统的原型,并对该模型做了测试和评价,对其应用范围进行了展望。     

Vague相似max-tΔ传递性模糊聚类

提出同时考虑真隶属度之差、假隶属度之差、得分值之差和清晰度之和的Vague值相似度量方法。将Vague聚类转化为经典模糊集聚类：先计算Vague对象两两之间的相似度,得到经典模糊相似矩阵,然后运用max-t_Δ传递性进行聚类。这种聚类法计算更简单,丢失信息更少,聚类更准确。     

基于多特征融合的东亚文种识别

针对目前基于统计特征和符号匹配的识别方法对字体较敏感的问题,提出一种基于多特征融合的东亚文种识别算法。该算法首先分析并提取高频形状特征、排版特征以及字符复杂度特征,然后采用模糊集贴近度准则进行识别。实验结果表明,该算法具有较高的识别准确率,并对不同字体具有较强的鲁棒性。     

模糊神经网络变幅液压系统故障诊断

针对变幅液压系统复杂性、不确定性、模糊性的特点,提出基于故障树的模糊神经网络作为变幅液压系统故障诊断的方法。该方法利用故障树知识提取变幅液压系统故障诊断的输入变量和输出变量,引入模糊逻辑的概念,采用模糊隶属函数来描述这些故障的程度,利用Levenberg-Marquardt优化算法对神经网络进行训练,系统推理速度快,容错能力强,并通过实例分析验证了变幅液压系统模糊神经网络故障诊断的有效性。