模糊神经网络抓斗纠偏系统故障诊断

针对抓斗纠偏系统复杂性、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抓斗纠偏系统故障诊断的方法。该方法利用故障树知识提取抓斗纠偏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抓斗纠偏系统模糊神经网络故障诊断的有效性。     

154T电动轮自卸车状态监测与故障诊断系统的面向对象建模研究

分析故障诊断系统未来研究方法和相应开发技术及面向对象分析法的优势,论述面向对象分析法。依此对154T电动轮自卸车状态监测与故障诊断系统的需求进行分析,建立该系统的对象模型、动态模型和功能模型。根据这3个模型研制面向对象的154T电动轮自卸车神经网络故障诊断系统,实践表明该系统对154T电动轮自卸车实现了有效的状态监测与故障诊断。     

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。     

神经网络和模糊系统在故障诊断中的应用

本文提出了一种神经网络和模糊系统相结合的分级式故障诊断方法。神经网络通过对部分测量数据的处理,实现系统的回路级故障诊断,输出各回路故障出现的可信度。模糊系统通过对神经网络得到的初步诊断结果和其他测量值的处理,实现系统的元件级故障诊断,并对最终诊断结果作出解释。该方法融合了神经网络自适应学习能力强和模糊系统知识表达明确的优点,简化了神经网络学习数据获取及模糊推理规则建立的过程。通过对热硝酸冷却系统故障诊断的仿真,证明了该故障诊断方法的有效性。     

基于可视化的建模技术研究

简述了面向对象（O－O）的可视化的建模技术UML,应用UML提出了一个网络侵扰监测系统（IDS）的O－O概念层的模型,并对此模型作出评价,以希望能在更多领域充分利用O－O技术的特点及优势,达到系统开发高效率、高质量、低成本的目的。     

基于神经网络的内燃机车燃烧系统故障诊断

提出一种内燃机车燃烧系统故障诊断的新方法.燃烧系统的工作状态由柴油机功率、燃油消耗率、燃油压力、增压压力和排气温度等热工参数决定,介绍了有关参数的测量与计算,利用附加动量及自调整学习速率的BP神经网络对内燃机燃烧系统进行故障诊断.通过实例证明该方法是一种行之有效的方法.     

基于快速模糊规则搜索的快速模糊系统建模

本文提出了一种基于快速模糊规则搜索的快速模糊系统建模方法,首先使用本文提出的快速模糊规则搜索方法进行模糊规则的粗略搜索,然后基于所得到的模糊规则集建立模糊神经网络模型,即利用规则前件确定网络结构,规则后件初始化部分网络权值。使用遗传算法对网络模型的权值和阈值进行学习训练。实验结果验证了快速模糊系统建模方法在描述较大规模非线形系统中的实用性和有效性。     

汽轮机故障诊断的模糊神经网络方法

为有效进行汽轮机故障诊断,本文提出了将模糊理论与自适应变结构神经网络相结合的方法,并对其工作原理进行阐述。最后通过实例,说明该方法是可行的。     

基于用例建模的需求获取

在描述用例建模技术原理的基础上，重点讨论了基于用例建模的需求获取，并对一些经验和体会加以总结。     

基于补偿模糊神经网络的系统建模

本文介绍了补偿模糊神经网络原理 ,并利用它对非线性系统进行建模。通过MATLAB语言编制程序进行仿真试验 ,结果表明补偿模糊神经网络对于复杂系统的建模效果非常好。     

基于模糊神经网络的飞机某系统故障诊断研究

提出一种基于模糊神经网络的飞机某系统故障诊断方法。利用改进的模糊C均-值聚类算法进行结构辨识,从而自动获得模糊规则库,并得到模糊模型的初始参数;然后生成与之相匹配的初始模糊神经网络,并通过学习算法训练网络来进行参数辨识,得到一个精确的模糊模型。将该系统地面实测数据作为样本数据,建立起了基于模糊神经网络的飞机某系统故障诊断模型。最后对该模型进行测试与分析,结果表明该方法具有抗噪、抗敏感、诊断准确度高等优点。     

智能故障诊断专家系统中知识表示的研究

本文详细讨论了故障诊断中应用的知识类型，特点。研究了基于模糊的知识表示，基于神经网络的知识表示及其于面向对象技术的综合知识表示的特点及实现方法。     

变压器故障诊断的可视化模型

为了提高变压器故障的诊断效率,基于可视化技术提出了分层流水线建模方法.该模型分为数据层、逻辑层和显示层三层.数据层对参数值进行规约,逻辑层提供检测算法实体、实体一参数关系和图形生成算法,显示层给出图形化的诊断结果.三层结构具有层间依赖性低,复用效率高和扩展性好等优点.实际变电站的应用表明,可视化模型可以直观展现故障,提高故障诊断效率.     

基于自动测试系统的故障诊断方法研究

阐述了基于自动测试系统故障诊断的意义,对基于自动测试系统故障诊断方法的发展现状进行了总结,并对应用神经网络、模糊理论和小波分析后发展的趋势。分析了存在的问题,并提出了解决方法。     

一种面向对象系统的建模方法

提出了一种面向对象系统的建模方法，把面向对象技术与ＪＳＤ方法相结合。用对象模型，进程模型来构造系统模型，并给出了描述进程的纲要逻辑。     

基于MATLAB的非线性系统模糊建模及仿真

该文主要介绍了利用MATLAB的fuzzy工具箱来解决非线性系统的模糊建模问题的几种方法,讲解了模糊建模的设计原理与步骤,在MATLAB环境中用编程和可视化编辑两方法来解决建模问题,针对原有方法的不足给出了改进,并给出程序设计。通过一个非线性实例设计了它的自适应神经网络模糊模型,从仿真结果可看出改进后的非线性系统模型更有效。     

模糊神经网络在破碎机故障诊断系统中的应用

破碎机是采矿行业中应用十分广泛的设备.随着自动化程度的提高和设备的结构与性能的复杂化,设备管理与维护用在矿山生产中占有举足轻重的地位.本文针对破碎机故障征兆参数的变化趋势与程度,利用模糊数学知识和相关理论,采用不同的变化等级和阈值,建立破碎机典型故障现象与故障征兆列表.同时利用基于MATLAB环境下的BP模糊神经网络,实现了对破碎机故障的模糊诊断.通过仿真和试验结果表明,这种方法可有效地进行破碎机故障样本模式的模糊量化处理,极大地改善了神经网络训练的收敛性,有利于破碎机的故障诊断.     

基于自适应模糊神经网络的多模型在线故障诊断

在讨论基于自适应神经网络的模糊系统(ANFIS)建模基础上，提出一种基于多模型的在线故障诊断策略。首先应用ANFIS建模方法建立一组模型，然后构造了一个基于多模型的故障诊断系统产生偏差信号，并首次提出用由偏差绝对值的累加和构成的最小指数来探测故障的发生。综合考虑故障诊断的灵敏度和鲁棒性，采用故障指数来确认故障的发生。     

基于模糊神经网络的非线性系统故障诊断

研究故障观测器优化设计,针对一类非线性动态系统,在考虑系统的输入输出包含外部扰动及建模误差等不确定性项[1]的情况下,为了提高所设计观测器对系统数学模型的在线跟踪能力从而进一步提高故障诊断的鲁棒性减少系统的误报警率,提出了基于模糊神经网络的诊断方法。利用神经网络以及模糊系统对非线性函数的无限逼近能力,设计了基于T-S模糊模型[2]的神经网络自适应观测器来拟合系统的非线性模型和系统的非线性故障特性。由Lyapunov稳定性方法获得调整观测器权重的规律。对所用改进方法的收敛性进行了证明,并通过仿真实例说明了诊断方法的有效性和使用性。     

基于自动测试系统的故障诊断方法研究

阐述了基于自动测试系统故障诊断的意义,对基于自动测试系统故障诊断方法的发展现状进行了总结,并对应用神经网络、模糊理论和小波分析后发展的趋势.分析了存在的问题,并提出了解决方法.