基于神经网络的故障诊断专家系统

描述了人工神经网络的基本原理及其在故障诊断专家系统中的应用。分析了基于人工神经网络的故障诊断专家系统的设计思想、系统结构及知识表示、知识获取和推理机制等方面的基本方法。     

一种基于GA-BP学习的神经网络推理机制的研究

为了克服基于规则专家系统推理适应性差、学习能力差等缺点,本文对基于GA算法与BP算法的神经网络专家系统推理进行了研究,给出了一种基于GA-BP学习的神经网络推理模型及实现算法。使用UCI标准数据集进行仿真实验,同其他典型的四种推理算法进行了比较研究,得出基于GA-BP模型的推理具有学习速度快,实时性和准确性高的优点。     

基于CBR的雷达故障诊断专家系统研究

以故障诊断的理论和方法为基础,综合运用神经网络、基于案例推理和专家系统理论,对雷达装备的故障诊断问题进行研究,形成一个集成的智能诊断专家系统.介绍了系统的总体结构和工作原理,并给出具体的诊断实例,此方法充分利用神经网络和CBR的优点,将提高雷达装备故障诊断的正确性和效率.     

基于神经网络的故障诊断专家系统

介绍了一种基于神经网络故障诊断专家系统，给出了系统的结构，具体描述了神经网络专家系统的基本原理。并以抽油井井下故障诊断为例说明了神经网络故障诊断的推理过程，诊断结果表明了该方法的有效性。     

基于神经网络的大学生心理障碍诊断专家系统

目前大学生的心理障碍问题已引起了社会的广泛关注,但各高校解决该问题的途径有限,还得不到预期的效果。为使该问题能得到改善,借助神经网络专家系统,把国内外的心理学专家的经验尽可能全面导入到大学生心理障碍诊断专家系统中,全方面检测大学生心理状况并及时给出诊断结果,为完善大学生心理健康教育提供便利。     

基于神经网络的电子设备故障诊断专家系统

对复杂的电子设备的故障进行快速准确的诊断和维护是一个急待解决的重要问题。在分析了单独应用专家系统和神经网络的优缺点的基础上,提出了一种集成式诊断专家系统模式,将神经网络与传统的专家系统进行有机结合。经实验证明,系统的推理效率明显提高,且具备良好的鲁棒性、启发性和透明性。由此可见,该集成方法对故障诊断十分有效。     

基于模糊理论和逆向推理故障诊断专家系统的研究与应用

文章根据平显系统的结构特点，结合该系统故障和症状的不确定、模糊性以及复杂性，在传统的逆向推理技术上进行了改进，采用模糊推理机制，提出了针对这一类型复杂系统故障诊断的新思路、新方法，通过对某型战机平显系统的实际应用表明，该方法简单、易行，具有较强的实用价值。     

基于神经网络的机载航炮故障诊断专家系统

在分析专家系统和神经网络单独应用于设备故障诊断的优缺点基础上，建立了基于神经网络的机载航炮故障诊断专家系统。实践证明，网络的学习时间显著缩短，整个系统推理效率明显提高，验证了集成式专家系统的诊断效果比传统的专家系统或神经网络更全面、准确和迅速。     

神经网络专家系统在电机故障诊断中的应用

针对传统专家系统不能进行自学习、自适应的问题,本文提出了基于神经网络专家系统的异步电机故障诊断方法。本文将小波神经网络和专家系统相结合,充分发挥了二者故障诊断的优点,很大程度上降低了对电机的诊断误差。仿真结果验证了该算法的有效性。     

基于神经网络与专家系统的智能决策支持系统

提出了一种基于神经网络与专家系统的无人作战飞机智能决策支持系统,成功地解决了在规则不完善、战场信息不完全的情况下决策支持系统的推理问题。所设计的神经网络推理机不仅可以在专家系统由于规则不完善和信息不完全无法推理的情况下引导专家系统,而且可以对专家系统的经验进行学习。仿真结果表明所提出的方法有效。     

基于改进BP网络的武器效能评估专家系统

介绍了一种基于改进BP网络的武器效能评估专家系统。通过灰色关联度分析法选取武器特征参数,针对武器系统的特点建立了神经网络评估专家系统模型,并采用改进后的BP算法训练网络,通过仿真实例表明用该方法评估武器系统效能更加精确。     

基于专家系统的故障诊断方法的研究与改进

文中介绍了基于专家系统的故障诊断方法,并着重研究了几种改进的专家诊断系统,分析了各自技术的特点和局限性,最后结合新技术的发展和应用对故障诊断专家系统的发展趋势进行了展望。     

基于推理注意力机制的二阶段网络图像修复

现有的图像修复方法在处理大面积缺失或高度纹理化的图像时,通常会产生扭曲的结构或与周围区域不一致的模糊纹理,无法重建合理的图像结构。为此,提出了一种基于推理注意力机制的二阶段网络图像修复方法。首先通过边缘生成网络生成合理的幻觉边缘信息,然后在图像补全网络完成图像的重建工作。为了进一步生成视觉效果更逼真的图像,提高图像修复的精确度,在图像补全网络采用推理注意力机制,有效控制了生成特征的不一致性,从而生成更有效的信息。所提方法在多个数据集上进行了实验验证,结果表明该图像修复方法的结构相似性指数达到了88.9%,峰值信噪比达到了25.56 dB,与现有的图像修复方法相比,该方法具有更高的图像修复精确度,生成的图像更逼真。     

基于模糊神经网络的目标识别

结合模糊推理和神经网络两种方法的优点,从网络的结构、工作过程、学习算法等方面,探讨了一种基于模糊神经网络(FNN)的目标识别方法。通过仿真结果证明,此方法确实可行。     

基于神经网络的软测量在隔离型换热节能系统中的应用

隔离型换热节能系统的模型研究对系统优化有着现实意义。在对系统结构介绍的基础上,建立了系统的稳态机理模型。针对系统模型中的关键参数难以测量的问题,提出采用基于RBF神经网络的软测量方法加以解决,并利用现场数据进行了实验研究。结果表明,所提方法是可行、有效的。     

基于PID神经网络的太阳能光伏发电并网逆变技术

随着能源危机的进一步加剧和光伏并网发电成本的持续降低,光伏并网发电技术的应用越来越广泛,研究并优化其逆变方式、并网算法,具有相当大的现实意义。针对电网中的负载扰动,提出了一种将PID控制规律融合进神经网络之中的新的控制策略,抑制负载扰动。改善稳态情况下并网电流波形,同时提高了系统的动态响应性能。通过理论分析和仿真结果证明了太阳能光伏发电系统拓扑结构及控制算法的正确性、可行性和高效性。