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.经箅例证明,该方法可靠、有效,对于复杂装备的故障诊断有一定意义.     

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.     

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。     

基于D-S证据理论的直流电机故障诊断研究

多传感器、多手段检测的信息融合技术在电机故障诊断中的应用日益广泛。提出了一种基于D-S证据理论和BP算法的故障诊断方法,给出了基于BP神经网络和D-S证据理论的多传感器数据融合技术的直流电机故障诊断方法,首先通过分析直流电机的故障机理,得到电机在不同故障情况下表现的信号特征,然后利用多源信息间的冗余性和互补性,有效提取故障特征信息。将该方法应用于某型船直流电机的故障诊断,结果表明,该算法提高了故障诊断的可靠性和灵敏度。     

基于D-S证据理论和BP算法的直流电机故障诊断研究

提出一种基于D-S证据理论和BP算法的故障诊断方法,通过分析直流电机的故障机理,得到电机在不同故障情况下表现的信号特征,给出了基于BP神经网络和D-S证据理论的多传感器数据融合技术的直流电机故障诊断方法,利用多源信息间的冗余性和互补性,有效提取故障特征信息,提高了诊断的可靠性和灵敏度.     

基于证据理论的主动融合模型及其在故障诊断中的应用

讨论一种新的信息融合样式-主动融合以及基于D-S证拓理论实现的自动融合模型。给出一人用主动融合技术进行故障诊断的实例。     

基于模糊神经网络的船用锂电池故障诊断的研究

本文针对锂电池组成的船舶储能系统,分析锂电池的故障模式和表现特征,建立基于模糊神经网络锂电池组故障诊断模型,通过实验数据进行模型训练并进行仿真。仿真结果证明所提出的模型的正确性,实现锂电池的故障预警,提高系统运行稳定性。     

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.     

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。     

复合模糊神经网络在故障诊断中的应用研究

对于复杂的诊断对象,本文提出了一种复合模糊神经网络结构,该神经网络结构集成了一系列模糊神经子网络,来完成故障分类任务。文中以某高温硝酸冷支系统为诊断对象,以系统故障树为设置子网的基础,建立了含有多个子网的复合模糊神经网络。仿真结果表明了这种方法的可行性和有效性。     

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。     

基于神经网络和红外线成像技术的船用柴油机故障诊断方法研究

柴油发动机是通用船舶广泛使用的动力装置,在复杂恶劣的海上环境中,较易发生故障,传统检测方法主要依靠经验,故障定位较为耗时,其时效性差,需要进行改进。随着计算科学的发展,智能故障定位方法逐渐应用至船用柴油机故障定位系统中,如神经网络﹑模糊算法及大数据分析等。本文分析了船舶柴油机各功能部件,利用红外线对故障部件进行成像检测,设计了基于神经网络的柴油机故障诊断方法,最后对设计模型进行仿真分析。     

基于BP网络与D-S证据理论的态势估计问题研究

针对D-S证据理论应用于态势估计过程中,基本概率赋值函数难以确定的问题,提出一种基于神经网络获取基本概率赋值函数再进行证据组合的方法.首先,在传感器探测和0级处理、1级处理的基础上,将各时刻传感器所探测目标的状态、属性、类别、事件等提取出来;然后,经过预处理后利用BP神经网络进行敌目标意图分类识别;最后,将神经网络的输出作为基本概率赋值,采用D-S证据理论来完成决策级融合,实现对海战场的战术态势估计.通过算例仿真,结果表明该方法是一种有效可行的态势估计方法.     

模糊神经网络在轮机故障诊断中的应用与研究

为了实现对某船用轮机的故障诊断,本文以某船用轮机故障数据为研究对象,基于模糊神经网络算法,制定了合适的误差模型,对故障数据进行特征识别。研究表明:模糊神经网络算法具有较高的鲁棒性,并且诊断成功率较高,可为工程实践提供参考。     

证据理论在装备故障诊断中的应用

针对导弹装备故障诊断中的不确定问题,给出一种适合的证据理论的方法,在通过已获得故障信息建立故障关联模型的基础上,引入证据理论进行不确定性推理,实例验证了该方法的有效性.     

基于D-S证据理论的柴油机故障检测方法

给出一种基于D-S证据理论的多传感器信息融合方法,并应用于某型船用柴油机故障检测中。首先,为克服人为因素和系统误差的干扰,在现场采集数据基础上,采用概率统计的方法来构造D-S证据理论的基本概率分配函数;然后,利用D-S证据理论对多传感器采集的信息进行融合;最后,将该方法应用于某型船用柴油机的故障检测中。实验结果表明,利用D-S证据理论解决了该型柴油机故障检测中多传感器信息融合问题,有效避免了人为因素的干扰,克服了单传感器信息的不确定性和片面性,提高了故障检测的准确度和可信度。     

基于模糊神经网络的燃气轮机故障诊断专家系统研究

针对神经网络和传统专家系统在燃气轮机故障诊断过程中各自存在的局限性,提出了一种将模糊神经网络和专家系统相结合的方法.解决了以往专家系统专家知识获取困难和不能描述模糊性知识的缺陷.通过已开发的某型三轴燃气轮机运行模拟器取得典型的故障样本完成了对模糊神经网络的训练工作,最后选取一定数量的测试样本对网络进行了测试,证明了系统的可行性.结果表明,该方法行之有效,在燃气轮机故障诊断领域中有很好的应用价值.     

基于模糊证据理论的航道安全性评价

根据证据理论和模糊集理论,分析航道尺度、水文条件、运行强度和航标配置等影响航道安全的重要因素,建立模糊子集引入证据空间,结合专家意见得到模糊集合确定概率分配函数;并通过证据理论函数合成法则,得出航道安全系统的信任度函数.选取川江航槽中引航操作难度最大的航段--柴盘子航段(585.0～588.0 km/左槽)为例进行航道安全性评价,证明该方法在航道安全评估方面具有实用价值,可为航道、海事及船舶驾引人员的决策提供参考.     

基于D-S证据理论的舰船技术状态评估方法

在简要叙述船舶技术状态评估现状的基础上,提出了基于D-S证据理论的舰船技术状态评估方法。介绍了船舶技术状态评估的重要性和发展现状,以及可处理由不知道所引起的不确定性的D-S证据理论和基于D-S证据理论的决策方法;通过实例详细阐述如何用D-S证据理论进行舰船技术状态评估。实例证明,通过应用D-S证据理论,提高了舰船技术状态评估的准确性和可靠性,降低了评估的不确定性。