遗传算法优化的模糊神经网络在故障诊断中的应用

本文针对船舶柴油机故障诊断系统提出了一种基于遗传算法优化训练的模糊神经网络诊断方法,介绍了这种模糊神经网络故障诊断系统的结构及其参数形式,通过遗传优化算法对它的权值和阈值进行了学习优化训练。这种方法可以有效地避免通常所选BP算法训练易陷于局部极值的问题,最后将该遗传算法优化训练的模糊神经网络系统应用到船舶柴油机的故障诊断中,通过仿真研究,说明了该方法的有效性。     

基于神经网络的船用柴油机故障诊断方法

提出一种适用于船用柴油机故障诊断的方法，即三层ＢＰ网络模型诊断方法。初中结果表明，ＢＰ网络模型能在较大程度上模拟专家凭直觉和经验处理不确定知识的能力。     

基于模糊理论与神经网络并行推理的发动机故障诊断方法

将模糊理论与神经网络相融合,针对汽油发动机偶发性疑难故障,采用模糊信息处理方法确定故障的类别,通过神经网络的逼近能力来实现对故障进行诊断的功能。与单纯使用神经网络进行故障诊断的方法相比,基于模糊理论与神经网络并行推理的发动机故障诊断方法在输入参数不是训练时的典型数据（同训练时输入数据差别较大）时,系统仍能对输入样本很好地归类,给出较高精度的诊断结果,尤其对于单一系统的复杂故障具有很好的识别能力,可以提高对发动机故障的诊断精度。     

基于模糊灰色关联神经网络的综合故障诊断方法研究

考虑到灰色关联诊断中模式向量各参数量纲不同,数量级存在差异,且各种特征因子有各自的应用缺陷,通过将模糊理论和灰色关联度相结合.形成所提取故障特征值的模糊关联度,将模糊关联度作为神经网络的输入量进行故障种类的识别,提出了模糊灰色关联神经网络故障识别方法,实现了针对在不同工作状态下的故障识别.对舰船主动力系统故障进行实例诊断研究,诊断结果表明,该方法准确、有效.     

模糊神经网络专家系统在故障诊断中的应用

针对汽车电控发动机故障多,具有模糊性和复杂性的事实,结合模糊逻辑、神经网络、专家系统各自的特点,建立了基于模糊神经网络专家系统的发动机的故障诊断系统;采用面向对象的Visual Basic 6.0、MATLAB 7.0和Ac-cess数据库等软件来实现系统结构,对系统的整个流程,尤其是关键点和重难点进行了研究。结果表明:该诊断系统能对电控发动机故障进行快速准确诊断。     

船舶航向非线性系统的模糊神经网络智能控制器设计

船舶航向控制系统具有典型的非线性和不确定性特性,并受自动舵执行能力的约束,这使得作为船舶智能化基础的航向控制极具挑战性。首先分析了船舶航向运动特性,给出带有舵约束的航向运动非线性数学模型;然后以模糊神经网络为控制器结构,在噪声加入和参考轨迹设置算法的支持下使用遗传算法对控制器参数进行自动搜索和优化,设计一种船舶航向智能控制器;最后对航向控制进行仿真。结果表明,所设计的航向智能控制器对船舶参数摄动和扰动具有良好的鲁棒性能。     

基于神经网络的柴油机磨损故障模糊诊断方法研究

针对柴油机磨损故障的特点，探讨了获取和表示诊断信息的方法，提出了采用神经网络与模糊理结合的模型诊断磨损故障。将该模型应用到柴油机磨损故障诊断中，其诊断准确率令人满意。     

基于模糊神经网络的语言识别

神经网络上仍多极、并行、分布式、高度容错能力，并具有自行组织自行发展的适应性功能，能在被处理的信息内容引导下，自行改造其自身的结构及其运行规则，是研究非线性的、适应的、大脑风格的信息处理的全新工具，因此，本文提出一种模糊网络模型和自适应学习算法，并用自然语言的识别处理控制。     

模糊逻辑与神经网络技术协作系统的研究

分析了模糊系统与神经网络系统的相同及相异性。在此基础上研究了模糊逻辑与神经网络技术协作系统的结构和实现技术，并着重研究了模糊控制器的神经网络实现技术及改善神经网络学习特性的模糊控制技术。     

基于模糊神经网络的船舶调距桨控制系统仿真

利用人工神经元网络（ANN）的学习与联想能力，模拟人的经验操作，实现对船舶调距浆系统的智能控制，在实际控制过程中，当误差及其变化率与样本点匹配时，控制器直接复现所记忆的“原则”；当与样本不匹配时，控制器通过联想以相近的“原则”处理，实现连续模糊控制。     

多目标模糊优化问题的神经网络解法

基于函数联接神经网络，提出了一种解决工程结构多目标模糊优化问题的新算法。该算法以设计人员对目标函数值的满意程度作学习样本，采用神经网络取代传统的隶属度函数，从而较好地解决了隶属函数的描述问题。在解决多目标模糊优化问题中，该算法较传统算法具有更大的灵活性。     

基于RBF神经网络的控制系统PID调节器的设计

为了改善传统PID控制器的控制效果,采用RBF神经网络对控制系统PID参数进行自整定。分析了RBF神经网络PID整定原理,给出了相应的实例,并对该系统进行了仿真分析。仿真结果表明,采用RBF神经网络整定的PID控制器快速性好,自适应力强,具有良好的控制品质。     

基于模糊神经网络的船舶调距桨控制系统仿真

利用人工神经元网络(ANN)的学习与联想能力,模拟人的经验操作,实现对船舶调距桨系统的智能控制.在实际控制过程中,当误差及其变化率与样本点匹配时,控制器直接复现所记忆的"原则";当与样本不匹配时,控制器通过联想以相近的"原则"处理,实现连续模糊控制.     

����ģ��������� �źŽ���ڷ���ˮƽģ��

回顾了现有信号交叉口机动车服务水平确定方法,提出了基于模糊神经网络的信号交叉口服务水平模型,设计了基于可视化仿真的驾驶员感受量化调查方法。该模型首先将评价指标输入模糊化,以便利用模糊理论模拟驾驶员的感受形成过程,然后利用人工神经网络驱动模糊推理,从而预测驾驶员对交叉口运行状况的感受,以及交叉口服务水平。本文以混合交通条件下信号交叉口转向车流为例,利用调查数据标定、验证模型。实验结果表明,该模型能够有效预测驾驶员对交叉口运行状况的感受和交叉口服务水平。通行能力、饱和度与驾驶员感受打分值之间的相关性较弱,但方差分析表明这两项指标是感受打分值及服务水平的显著影响因素。延误与感受打分值显著相关。     

基于模糊神经网络的脊柱侧弯矫形器设计模型

为了辅助医师设计脊柱侧弯矫形器,提出了一种基于模糊神经网络的脊柱侧弯矫形器设计模型.该模型实现了预测脊柱侧弯矫形器设计参数和自适应调整隶属度函数的功能.以脊柱侧弯矫形器修型调整量为例,建立了脊柱侧弯矫形器修型调整量预测模型并进行了试验研究.试验结果显示该预测模型的建模精度为91.9％、预测值和实际值的相关系数为0.84...     

基于模糊神经网络的Horn集上的输入归结

关于定理机器证明的归结原理已应用到人工智能的很多领域，同时提出了各种改进方法，其中，输入归结是一种非常好的推理方法，它对于Horn集是完备的，模糊神经网络是模糊逻辑与神经网络的融合，文中利用模糊神经网络的知识表示及学习的特点，结合输入归结的优点，进行Horn集上的输入归结。     

基于模糊神经网络的高速公路路面质量评价

为提高高速公路沥青路面使用质量的评价精度,将T-S模糊理论与BP神经网络相结合,以高速公路沥青路面的路面状况指数、路面结构强度指数、道路行驶质量指数和路面抗滑性能指数4个检测指标作为输入变量,根据模糊推理规则构建路面质量评价的非线性映射关系,路面检测指标经过模糊神经网络的学习和训练,直至网络输出与期望输出的误差达到最小,去模糊化后得到各路段的精确评价结果,建立了路面使用质量的综合评价模型.用实际检测数据对该模型进行了验证,结果表明:该模型具有模糊系统的逻辑推理能力和神经网络的定量数据处理能力,通过本文方法仿真得到的路面质量的综合评价结果,与期望值的相对误差小于2.1%.      

基于神经网络、网格和密度的聚类方法的设计

聚类分析是数据挖掘技术的重要组成部分，由于高维数据的复杂性，使聚类分析的效率和实用性都很差，提出一种用于聚类空间数据维度选择的神经网络模型，利用该模型能够确定聚类空间中和聚类主题相关性较强的数据维，从而可以降低聚类空间的维度，在实现降维的基础上，介绍了一个基于网格和密度的聚类方法的实现     

基于WEB的考试系统的设计与实现

介绍了基WEB的考试系统，说明了特色及系统实现的功能，针对集体考试和在线考试两种类型，分别描述了其智能化组卷算法，并阐明了数据库的设计。     

基于小波网络的机械产品性能模糊综合评价

运用模糊化的小波神经网络进行综合评价的原理和方法,所有权重指标均通过自学习获得,使得模糊综合评价中指标权重的确定更为客观准确.结合具体机械产品＂电磁缓冲制动器＂阐述了小波神经网络方法在机械产品性能综合评价中的应用,并建立了相应的评价系统.实验表明,该方法做出的综合评价是科学、有效的.