基于模糊系统与神经网络融合的故障诊断方法

提出一种基于模糊系统（ＦＳ）与神经网络（ＮＮ）融合的系统故障诊断方法。此法把模糊系统与神经网络融合在一起,通过神经网络的学习来生成和调整模糊系统的隶属函数,充分发挥各自优点,更有效地对系统出现的故障进行诊断。对系统进行了仿真,并得出了比较满意的结果。     

基于神经网络的闸阀模糊可靠度计算

为提高闸阀可靠度计算准确性,将模糊准则引入闸阀可靠性设计,将闸阀应力与阀体通径、内压之间隐式关系显式化,并基于神经网络构建地震工况下闸阀数学模型;利用蒙特卡洛法,计算闸阀在常规方法下的可靠度;利用正态型隶属函数描述闸阀强度的模糊性,计算闸阀在考虑模糊强度时的可靠度;对比强度的模糊性对可靠度计算结果的影响,分析不同隶属函...     

基于RBF神经网络的矿井主排水泵故障诊断

本文将RBF神经网络应用于煤矿井下主排水泵的故障诊断中,实验证明效果良好。本文的研究成果可为同行提供有意义的参考和借鉴。     

基于模糊神经网络的海上施工安全评价

海上施工建设单位多、施工设备多、人员复杂且点多面广,施工安全的影响因素多而且模糊性强,因此,提出应用模糊神经网络评判法进行海上施工安全评价,并应用层次分析法进行各因素权重的确定.针对海上施工受气象、海洋环境影响大的特点,建立了海上施工安全评价的指标体系,该体系包含施工作业、施工管理、气象环境、通航环境4个1级指标,并利用改进的动量BP神经网络进行施工安全的评价预测,为指导海上施工安全提供了必要的理论基础.     

基于概率神经网络的液氨汽车罐车复合故障诊断

故障诊断在保证危险化学品汽车罐车运输安全方面具有重要意义。从国内交通运输安全的实际要求出发,依据液氨汽车罐车的结构特点及国家法律法规的要求,比较全面、系统地分析了液氨汽车罐车故障特征的相关参数,并将其作为概率神经网络的输入结点。根据实际可能发生的故障分类模式,考虑到故障诊断的容错能力和自适应能力,提出了基于概率神经网络的复合故障诊断模型。利用指标参数作为网络训练样本,对未知故障模式进行诊断,并以广西地区压力容器检验所液氨检测数据为例进行说明。理论分析和实例计算表明,该模型物理概念清晰,计算结果合理,精度较高,在危险化学品汽车罐车故障诊断中有很好的适用性。该项工作可为我国危险化学品汽车罐车故障智能诊断的深入开展提供参考依据。     

基于模糊神经网络的火灾事故处理专家系统研究

以系统科学和行为科学理论为基础,结合人工神经网络、模糊推理与计算机技术,形成基于模糊神经网络的火灾事故处理专家系统,在火灾发生时为事故处理指挥人员提供良好的决策支持.本文首先给出了基于模糊神经网络的火灾事故处理专家系统的总体框架（任务管理模块,知识库与数据库管理和维护,火灾事故模型管理系统,解释机构,推理机控制系统,信号采集与处理以及结果输出模块）,并说明了各模块的功能;然后着重介绍了该专家系统中知识表示与获取方法,即将计算智能与符号智能结合起来解决专家系统知识获取的“瓶颈”问题;最后介绍该专家系统中知识库建立的方法以及所采用的推理机制,即模糊推理与规则推理相结合的推理方法.     

基于T-S模糊神经网络的地铁深基坑安全预警

为提高地铁深基坑施工安全预警的准确性和高效性,针对传统预警信息分析处理过程中存在的单指标评判、人为随意决策、不同指向的信息错误组合等问题,提出基于T-S模糊神经网络的多信息融合模型。以黄浦新城站深基坑工程为背景,从空间区位和事故警情2个方面识别与筛选安全预警信息源;运用T-S模糊神经网络构建多信息融合模型,选取大量样本对模型进行训练与检测,以提高模型的有效性和泛化能力;融合预警信息并对融合结果进行分析。结果表明:空间区位和事故警情的融合结果与现场的警情位置和警情类型相吻合,证明该融合模型在深基坑施工安全预警中具有可行性与适用性。     

基于模糊BP神经网络的深基坑支护方案优选

介绍了深基坑支护方案优选模型的建立过程及其实例分析。基于深基坑支护方案优选影响因素的模糊性和因素之间的关联性,笔者将模糊优选理论与神经网络理论相结合,在详细分析深基坑支护方案优选影响因素的基础上,建立了4层深基坑支护方案模糊BP优选神经网络模型,提出了模型参数和方案优选反馈计算的方法。应用该方法对北京市某广场大厦的基坑支护方案进行了分析,实例结果表明,采用该方法所进行的深基坑支护方案优选,获得令人满意的效果,是一种值得推广的方法。     

基于模糊神经网络的煤层瓦斯含量预测研究

为提高未采区煤层瓦斯含量预测的准确性,在分析研究影响煤层瓦斯含量的主要地质因素的基础上,借助模糊数学作为表达与处理不精确数据、模糊信息的手段,以神经网络作为解决问题的途径,将模糊数学与神经网络有机结合,建立基于模糊神经网络的煤层瓦斯含量预测模型。研究结果表明:模糊神经网络模型不仅能够较好地解决模糊信息难于定量表达、学习样本难于确定等问题,而且能够较准确地提取出煤层瓦斯含量与其各个影响因素之间的非线性关系。通过实例运算验证,其预测精度较神经网络模型提高了4.84%～25.79%,应用于煤层瓦斯含量预测的效果更为理想,具有良好的应用前景,可以为实施科学的矿井瓦斯管理、预防各种瓦斯事故提供理论依据。     

基于模糊神经网络的机动车驾驶教练员职业适宜性研究

提出应用模糊神经网络系统,建构教练员职业适宜性的3个要素(即心理素质、驾驶技能和知识的表达阐述能力)的学习样本,分析"三要素"的8项特征参数指标——场依存性、速度估计能力、交通安全意识、简单反应、选择反应、跟踪能力、行车注意力、表达阐述能力等,使用K-均值法对实验样本进行初始分类,形成标准学习样本,使用该样本对所构建系统进行训练和调试。利用经调试训练后的系统,依据所测教练员的心理、心理参数对其职业适宜性进行评价。试验表明:建立的教练员职业适宜性仿真模型能取得很好的评价效果。     

基于模糊神经网络方法的信息系统安全风险评价研究

为提高信息系统安全风险评价的准确性,提出基于模糊神经网络的信息系统安全风险评价模型。该模型利用模糊理论隶属度反映各因子的相对状态,对模糊性具有很高的识别精度。将风险因子模糊隶属度矩阵输入BP神经网络中,增加了它对模糊性的识别能力。通过非线性分析处理的BP神经网络进行学习和测试,得到输出风险评价等级。实例分析结果证明算法的应用性。误差分析结果证明了模型的有效性。检验结果表明,模糊神经网络模型的识别精度高于单一的模糊评价模型和神经网络模型。     

基于模糊神经网络的深井底板突水判别研究

通过分析深井底板突水因素的影响作用,建立各影响因素的层次分析结构模型,运用层次分析法计算各影响因素的权重并进行排序,进而选出深井底板突水的主控因素。在该基础上,建立隶属度和隶属函数实现各因素的归一,构建基于模糊神经网络的深井底板突水判别模型,选择合适的网络结构参数以改善神经网络的缺点,并选取样本训练网络,以现场实例为验证样本,以突水等级作为输出结果,该判别表明基本符合工程实践。     

基于FMEA与RBF神经网络的LPG汽车罐车储罐系统故障诊断

为了对液化石油气(LPG)公路运输罐车储罐系统故障进行准确、全面的诊断,通过利用故障模式影响分析方法(FMEA)构建储罐系统故障模式及故障特征指标,根据日常检测数据构造训练样本,运用径向基函数(RBF)神经网络对网络进行训练建立诊断模型并利用诊断模型对罐车故障进行诊断。经验证:诊断结果与实际情况相符合。因此,基于FMEA与RBF神经网络所构建的模型可以用于危险化学品汽车罐车储罐系统的故障诊断。     

模糊神经网络在探测系统中的应用

介绍了模糊神经网络在探测系统中的应用.在系统中应用了模糊控制理论既提高了系统的精度又最大限度地减少了系统的误报率.结合具有自学习功能的神经网络算法,提高了系统的智能化程度.     

基于数据挖掘技术的气瓶决策分析系统研究

对当前气瓶安全监管的现状及存在的问题进行了分析,通过对现有的气瓶安全管理的基础数据进行挖掘,建立了风险预警模型,从监管角度分别建立了4个模块,构建了气瓶决策分析系统,并通过应用实例验证了系统的有效性。该决策分析系统的建立为气瓶安全监管提供了有效的技术手段,是特种设备应急管理大平台建设的重要组成部分。     

基于模糊小波神经网络的营运客车运行风险评估模型研究

为提高营运客车交通安全管理水平,应准确识别营运客车在运行中的风险影响因子并对其进行评估。结合云南省2010—2017年营运客车道路交通事故数据,通过伯努利方程计算出各风险要素引发交通事故的概率并量化其造成的经济损失,在此基础上根据交通系统四要素,构建了风险评价指标体系;建立基于模糊小波神经网络的营运客车运行风险评估模型。与BP神经网络模型相比,该模型精度有所提高,收敛速度更快,学习效率更高;对模型进行实例应用,结果表明,车辆运行速度、制动器温度、胎压、不良天气、重点违法行为增长率等5个因子是造成营运客车运行高风险的重要因素,模型能够客观准确地对营运客车运行风险进行评估。     

基于补偿模糊神经网络的GPRS无线视频数据传输拥塞控制研究

本文将补偿模糊理论和神经网络的混合系统,应用在基于GPRS无线网络视频数据传输,以阐述其在多媒体无线数据传输的拥塞控制中的应用.提出了一种改进的补偿模糊神经网络,该混合系统引入了模糊神经元,使网络既能适当调整输入、输出模糊隶属函数,又能借助于补偿逻辑算法动态地优化模糊推理,大大提高了网络的容错性、稳定性和训练速度,有效地预测并及时避免了GPRS网络拥塞.仿真结果表明,本文方法的信元失真率优于传统方法.     

基于模糊Petri网的有载分接开关故障诊断方法研究

为解决分接开关故障诊断以主观经验、缺乏系统化流程以及诊断结果与分接开关实际发生故障存在偏差等问题,依据当前分接开关主要故障分类,提出基于模糊Petri网的有载分接开关故障诊断模型,并结合分接开关典型故障案例,验证模型有效性。研究结果表明：基于模糊Petri网的分接开关故障诊断模型能够有效处理故障概率中不确定性因素,具有容错性好、运行效率高等优势,研究结果可为提高分接开关故障诊断的准确性、保障电力系统安全稳定运行提供参考。     

基于粗糙集-模糊评判-神经网络的隧道施工安全状态评估

为了有效地对隧道施工进行安全状态评估,建立了以人-机-环-管理系统为基础的隧道施工安全状态评估指标体系,构造了基于粗糙集-模糊评判-神经网络的隧道施工安全状态评估模型.该模型通过粗糙集约简输入变量,提炼学习样本,再利用神经网络对其进行训练和评价,提出了使用层次分析法和模糊数学的方法对隧道施工安全整体综合评判,得到的评价值作为神经网络训练目标值的方法.实际结果表明,通过使用该模型方法,神经网络训练的条件属性由原来的17个变成6个,训练周期由原来的2 992次减少为1 637次,泛化能力、安全状态评估的结果都优于约减前,能够对隧道施工安全状态做出有效的评估结论.     

卷积神经网络在燃气管道故障诊断中的应用

为了提高燃气管道泄漏故障的诊断能力,判断燃气管道故障泄漏的类型,将深度学习神经网络应用到燃气管道故障诊断领域,提出了一种基于卷积神经网络与softmax分类器的燃气管道故障诊断技术。选取燃气管道故障中的9种特征参数作为模型的原始输入量,经过卷积神经网络的特征提取、参数重构、soft-max分类,最终达到诊断的效果。将得到的卷积神经网络模型应用在实验室的燃气管道故障泄漏检测系统中,结果表明,这种模型在燃气管道故障识别中的准确率稳定在92. 54%,与BP神经网络相比该方法有明显的准确率和稳定性。