基于模糊神经网络和D-S证据理论的故障诊断方法研究

提出一种基于模糊神经网络和D-S证据理论的故障诊断方法。该方法利用模糊逻辑和神经网络的优势，通过数据融合充分利用各种信息，提高诊断的精度。经算例证明，该方法可靠、有效，对于复杂装备的故障诊断有一定意义。     

一种基于神经网络的故障诊断新方法研究

针对电子设备故障诊断的问题,在研究分析模糊理论和神经网络的原理和特点的基础上,提出了一种模糊神经网络故障诊断方法,实现两者优势互补,并将全信息理论应用其中,为实现人工神经网络能在人类智能模拟深度上有新突破进行了有意义的探索。     

基于模糊神经网络的RT-flex柴油机燃油系统故障诊断

介绍了RT-flex 60C柴油机燃油系统的常见故障类型,针对其故障类型提出了以传统的BP神经网络为主,利用模糊理论作为补充的一种智能故障诊断方法。建立了基于模糊BP神经网络的故障诊断模型,并运用MATLAB软件进行了仿真测试研究,阐明了该方法的有效性。     

模糊神经网络在故障诊断中的模型与应用

对一种地模糊神经网络的故障诊断方法进行了研究，探讨了模糊误字率攻模糊算了选择，以柴油示功图作为特征信号，构造了船舶主机故障诊断仿真系统，并给出了系统知识学习和模糊推理结果。     

基于FNN的船舶舵伺服系统故障诊断研究

分析某型船舶舵伺服系统的故障信息,建立了模糊神经网络故障诊断模型.利用模糊逻辑处理数据以便于充分利用经验知识;利用神经网络诊断,避免了复杂故障树诊断系统的"匹配冲突"、"组合爆炸"和"无穷递归"等问题,并采用改进的BP算法训练神经网络,解决了收敛速度和收敛振荡的问题.诊断实例结果表明:该故障诊断系统具有较强的鲁棒性和泛化能力;该算法采用无模型化诊断,容易实现自学习,可不断完善系统性能,具有一定的理论和工程应用价值.     

基于分布式模糊神经网络的船舶机电故障诊断

为了更好地保障船舶航行安全,及时准确地对船舶机电设备进行监测分析,修理出现的故障,提出了一种基于分布式模糊神经网络的船舶大型机电设备故障诊断的方法.该方法融合了模糊理论和神经网络各自的优点,能自适应从学习样本数据中提取故障模型,能实时地进行故障诊断,且网络结构简单,训练速度快,准确率高.通过对某船转子系统的故障诊断实验,证明了此法的有效性和优越性.对于大型的复杂设备,基于分布式模糊神经网络的故障诊断方法优势明显,具有很好的应用前景.     

基于模糊神经网络和数据融合的结构裂纹故障诊断

本文利用模糊神经网络和数据融合技术相结合,对铝板裂纹进行了故障诊断.在梁结构的振型斜率变化率的基础上,得到了板结构两个方向的振型斜率变化率裂纹诊断指标.通过对模糊神经网络诊断结果和模糊神经网络数据融合诊断结果的比较,证明模糊神经网络数据融合诊断方法对裂纹的检测、定位和性质刻画能够达到满意的精度,也证明了在所取五种裂纹诊断指标中,振型斜率变化率裂纹诊断指标对裂纹的诊断精度是最高的.     

测控装备故障诊断专家系统的设计与实现

通过分析测控装备故障诊断专家系统的目的和任务,将模糊神经网络理论与专家系统相结合用于测控装备故障诊断,建立了故障诊断专家系统的模型。探讨了故障诊断专家系统中知识库的构建及维护、不精确推理等问题。用面向对象分析方法分析故障诊断专家系统,并用软件加以实现。     

基于高阶模糊神经网络及D-S证据理论的数据融合系统

高阶神经网络具有容量大、逼近能力强、容错范围广的特点,模糊系统具有较高的模糊语言处理能力,D-S证据理论具有不需要先验概率的优点.故将高阶神经网络、模糊系统、D-S证据理论运用于数据融合系统,可以使得该系统具有较强的系统自学习能力和对外界环境的适应能力.     

船舶电力系统的模糊故障诊断

人工神经网络被广泛应用于故障诊断与分析过程,然而在船舶电力系统的应用环境中,通常会出现多种故障并发的情况,因此单一的神经网络无法完成复杂的、多种类的故障分析与诊断,难以应用于船舶电力系统。同时,采用单神经网络时,多种电力系统故障的数据训练也会造成较大的工作量,从而进一步降低可用性。为了解决以上问题,本文提出一种多层模糊神经网络方法对船舶电力系统进行诊断和分析。该方法采用多层人工神经网络,不但扩展了故障诊断系统适用的故障类型,更提高了数据处理的效率,提升故障诊断的准确性。仿真和实验表明,本文提出的方法具有较好的实用性。