基于BPNN的非线性电阻网络故障诊断方法研究

针对非线性电阻网络，提出了一种规范式分段线性化求多值解，并采用BPNN对非线性电阻网络硬故障进行诊断的方法，克服了一般方法对非线性电阻网络硬故障诊断时易存在的漏诊问题。     

基于VMD和KFCM的轴承故障诊断方法优化与研究

针对机械设备轴承故障振动信号具有强噪声、非线性、非平稳特性并致使故障特征信息难以提取的问题.提出了一种利用变分模态分解(Variational Mode Decomposition, VMD)和改进模糊聚类算法相结合的机械故障诊断新方法.首先,对采集的故障数据采用VMD和奇异值分解方法进行预处理,去除异常值及噪声;然后,采用核模糊C均值聚类(Kernel-based Fuzzy C-Means clustering, KFCM)算法来进行不同故障类型数据划分,通过计算分类系数、平均模糊熵和海明贴近度对其分类性能进行评估;最后,利用粒子群算法(PSO)对KFCM训练状态的参数进行优化.通过仿真分析和实验数据验证,该方法不仅表现出更优的分类性能,能精确、稳定进行故障识别,而且只需要少量样本数据进行训练,从而使诊断的工作量和诊断时间大为减少,为大型旋转机械设备在线故障诊断提供了理论依据.     

基于遗传小波神经网络的非线性动态自治网络故障诊断仿真算法

为避免用状态方程计算和分析非线性动态网络的约束计算困难,特别是计算响应跨越边界时间的问题,针对非线性动态自治网络,提出一种基于规范式分段线性化总体表达式以及非线性网络的混合参数方程.求解该方程组可得到非线性动态自治网络的故障响应仿真算法,再由小波提取故障响应的特征.采用遗传算法对BPNN进行结构和参数优化,将得到的电路故障状态特征输入至遗传优化的BP神经网络进行故障诊断.仿真结果表明了该故障诊断算法的有效性.     

基于变量预测模型的模式识别方法在滚动轴承故障诊断中的应用

将基于变量预测模型(Variable Predictive Model based Class Discriminate,VPMCD)的方法引入滚动轴承的故障诊断,提出了基于EMD(Empirical Mode Decomposition,EMD)和VPMCD的滚动轴承故障诊断方法.采用EMD方法提取滚动轴承振动信号特征向量后,以VPMCD作为模式识别方法对滚动轴承的工作状态和故障类型进行分类.对正常状态、外圈故障、内圈故障3种不同类别下的滚动轴承振动信号进行了分析,结果表明了该方法在滚动轴承故障诊断中的有效性.同时,与人工神经网络(Artificial neural network,ANN)算法的对比分析表明,VMPCD算法分类性能的稳定性以及计算效率均要高于ANN算法.     

基于辨识模型的非线性网络故障诊断方法研究

将Volterra级数解的递推算式与方波脉冲函数变换相结合,提出了一种对一类非线性动态网络的数学模型进行辨识的新型混合模型辨识法,导出了相应的混合模型辨识公式和动态响应的求解方法．并根据该法所得到的辨识混合模型,提出采用多重预置模型方法对非线性网络故障进行诊断的方法．该法避免了在线计算系统当前工作模型,易于实现在线故障诊断、     

基于改进角分类神经网络的变风量空调系统故障诊断

针对变风量空调系统的故障诊断问题及其特点,提出了一种基于改进角分类神经网络——FDCC的故障诊断模型．该模型克服了CC4角分类神经网络输出结果为二进制的局限,根据故障模式所落入的k最近邻的样本泛化空间来进行故障诊断,并输出结果向量,其各分量为各故障原因可能出现的概率．     

基于双空间特征提取的变压器故障诊断模型

为了提高基于油中溶解气体分析(dissolved gas analysis, DGA)的变压器故障诊断正确率，弥补单子空间特征提取的局限性，提出了基于双子空间特征提取的变压器故障分层诊断模型.首先，将DGA测试样本在一个子空间内进行特征提取后，为避免核函数及其参数的选择难题，以及利用多核支持向量机(multiple-kernel support vector machine, MKSVM)鲁棒性强和精度高的特点，采用MKSVM作为分类器对测试样本进行预测.依据预测结果将测试样本分为难分类和易分类样本，对易分类样本直接进行分类识别；对难分类样本则将该样本再次投影到另一子空间进行特征提取后，同样采用MKSVM作为分类器对难分类样本进行预测，综合两次预测结果进行分类识别，实现两分类MKSVM的双子空间特征提取算法.最后，根据故障特征，建立基于双子空间特征提取算法的变压器故障分层诊断模型.诊断实例表明，该模型具有较高的诊断正确率和推广能力.     

基于SVM及BPNN的辣椒红外光谱分析

利用小波变换结合反向传播网络(BPNN)和支持向量机(SVM)研究了朝天椒和灯笼椒的傅里叶变换红外(FTIR)光谱,样品1 750~950 cm-1范围的红外光谱经多尺度一维连续小波变换(CWT)和离散小波变换分析,发现第20尺度的连续小波系数,提取该尺度3个区域的系数作为特征参数建立BPNN和SVM模型。结果表明,BPNN和SVM模型都能很好地区别两种辣椒。第5尺度的离散小波细节系数建立BPNN和SVM模型分类的正确率分别为93.3%、100%。小波变换结合BPNN和SVM用于傅里叶变换红外光谱技术中能够准确识别朝天椒、灯笼椒,为区分不同品种的辣椒提供了快速、有效的方法。     

基于模糊神经网络的电控发动机诊断专家系统的研究

发动机出现故障的机率较高,一般占整车故障的40%左右。研究发动机故障诊断专家系统,可以及时、准确进行故障定位,提高工作效率。但是传统专家系统存在推理效率低、自学习能力差等缺点。本研究将模糊逻辑和传统神经网络相结合形成模糊神经网络,建立了模糊神经网络(FNN)故障诊断模型,并将该模型应用于发动机故障诊断,优势互补,提高了专家系统的推理效率和自学习能力,其性能高于传统的BP网络。     

基于小波包的频带能量特征提取及智能诊断

提出一种基于小波包和BRF神经网络的智能故障诊断方法。对滚动轴承故障信号进行小波包分解，选择合适的小波基函数和尺度，将故障信号分解到八个不同的频段上，提取这八个频段上的能量信息，组成特征问量，作为RBF神经网络的输入；建立RBF神经网络模型并进行训练，对三种滚动轴承故障信号进行智能分类与识别。实验结果表明这种智能诊断方法有效可行。     

开关电流神经网络

本文提出了采用开关电流（ＳＩ）电路技术的神经网络实现．开关电流神经网络（ＳＩＮＮ）仅需要标准的数字ＣＭＯＳ工艺，且电源电压要求低     

基于BP神经网络的图书馆网络病毒检测方法

提出了一种基于BP神经网络的图书馆病毒检测方法,该方法成功地把BP神经网络的理论引入计算机病毒的检测中。该方法比传统检测技术更有效地对系统信息和文件系统进行语法分析,快速地诊断出被感染病毒以及病毒的类型。     

电流模式神经网络

把电流模式电路引进了神经网络理论，提出了一种用电流模式电路构成的神经网络阈值处理单元，并由此构成了电流模式Ｈｏｐｆｉｅｌｄ神经网络，此网络中信号都是以电流的形式出现的。     

三网融合是历史的必然趋势

我国"十一五"信息化专项规划明确提出,三网融合将成为不可避免的历史趋势。要实现信息化的历史跨越,便捷之路便是推进三网融合。三网融合是通信技术的又一次飞跃,它将对社会乃至历史都产生深远的影响。     

人工神经网络的研究

This paper summarizes the history and current development of artificial neural networks (ANN), and briefly introduces the ANN study on modelling building and learning mechanism. It emphatically probes into the realization of neural networks and neural com     

一种求解线性规划的神经网络

提出了一种新的求解线性规划的神经网络及其有源跨导－Ｃ实现。其特点是结构简单，便于采用ＣＭＯＳ工艺集成。     

网络环境下的传统图书馆

现代信息技术的迅猛发展对传统图书馆的生存产生了冲击和挑战。本文从传统图书馆与数字图书馆的关系及影响等方面 ,论证了传统图书馆不但不会消亡 ,而且还会继续生存、完善和发展。     

miRNA调节心脏发育的信号网络

心脏是整个生命过程中精确的功能调控器官。任何对心脏结构和功能的微弱干扰都会造成致命性的结果。最近研究表明在心血管的发育和疾病中,miRNAs控制了这一过程中的基因表达。进入心脏循环系统的miRNAs为基因提供了一个互动的监管系统,并控制心脏基因的表达图谱。miRNAs的调控网络的发现,有利于治疗心脏疾病保护心脏功能。主要讨论了miRNA在心脏成型和功能中发挥的调节作用。