基于遗传小波神经网络的电梯故障诊断分析

利用小波分析具有能量分布特征提取的特性和遗传算法优化BP算法的能力,提出了一种基于遗传算法、小波与神经网络的电梯故障诊断方法,并应用电梯故障数据作为实例进行了验证．遗传算法小波神经网络模型诊断速度快、鲁棒性好、故障诊断正确率高．     

小波神经网络在模拟电路故障诊断中的应用研究

对模拟电路提出了一种基于小波与神经网络辅助式结合的故障诊断方法．该方法用小波变换作为模拟电路故障信号的预处理器，大大减少神经网络的输入数目，简化神经网络结构和减少它的训练时间，提高辨识故障能力．在介绍该故障诊断方法的基本原理后。给出了小波函数及故障特征选择的方法．     

含脉冲的时标神经网络的平衡解的存在唯一性（英文）

讨论了一般性的具有脉冲和时滞的时标神经网络解的存在条件.利用非光滑分析和李雅普诺夫泛函,在不假定激励函数有界和可微的条件下,得到了这类神经网络存在唯一的平衡点的充分条件.作为特例,得到了具有脉冲和时滞的时标Hopfield神经网络、细胞神经网络、双向联想记忆神经网络等系统的平衡解的存在唯一性条件.     

具有分布时滞的双向联想记忆脉冲神经网络的全局指数稳定性

讨论了一类具有Cohen-Grossberg动力和分布时滞的脉冲型双向联想记忆神经网络的全局指数稳定性.利用矩阵理论和同伦映射,构造了恰当的李亚普诺夫泛函,获得了这种类型神经网络平衡点的存在性和唯一性定理,并得到了这种平衡点为全局指数稳定的充分条件.所获结论推广了Hopfield、BAM和Cohen-Grossberg等神经网络模型的相关结论.     

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．     

基于概率神经网络的液压泵故障诊断

液压泵是液压系统的核心,其运行状态的好坏直接影响整个系统的性能。针对液压泵工作过程中出现的故障,运用神经网络方法进行故障诊断具有显著优势。分析概率神经网络基本结构以及训练算法,建立液压泵故障分类的概率神经网络模型。运用采集数据针对分析计算结果表明,基于概率神经网络的故障诊断方法是一种有效的故障诊断方法。     

基于BAS-BP模型HMCVT换段液压系统故障的诊断方法

[目的]为了提高液压机械无级变速器(HMCVT)换段液压系统的平稳性和安全性,设计了一种应对换段液压故障的诊断方法。[方法]利用自主研发的液压机械无级变速器试验平台,获得5种油路故障状态模式数据集;通过数据预处理及随机抽取的方法得到120组单一故障样本集和21组组合故障样本集,基于天牛须搜索算法(beetle antennae search, BAS)和BP(back propagation)神经网络,对处理后的120组单一故障样本建立了故障诊断模型;对标准BP神经网络模型和优化型BP神经网络模型进行试验测试和比对研究。[结果]所使用的BAS-BP方法对试验样本实现了5种油路状态模式分类;与标准BP神经网络相比,BAS-BP方法可以更好防止网络受限于局部极小值,且故障诊断正确率提升10%。[结论]与常规优化算法相比较,BAS-BP方法所需训练时间短、收敛速度快,算法运行速率提升85.76%,拥有更好的稳定性和判别精度。特别需要指出的是,该方法对于组合故障的判别仍然有效。     

基于神经网络的水产养殖物联网故障诊断系统研究

针对当前水产养殖物联网存在的故障发生的非线性特点及故障发生易受多种因素影响等问题,提出了一种基于神经网络的故障诊断模型,在该模型构建过程中,首先对水产养殖物联网领域常见的故障类型进行分析,归纳总结了故障模式种类,并制定了故障诊断的评价指标,然后采用神经网络原理构建了水产养殖物联网故障诊断系统。结果表明,该故障诊断系统不但可降低通信负担,而且具有较高的诊断率,能够很好地应用在水产养殖物联网的故障诊断系统中。     

基于免疫粒子群和BP神经网络的变压器故障诊断技术

为了解决粒子群算法的早熟收敛问题和BP神经网络梯度下降训练法收敛速度慢、容易陷入局部极小值的问题,将免疫学中的克隆、变异理论用于粒子群算法的优化,建立免疫粒子群算法并给出算法步骤及免疫粒子群算法训练BP神经网络的步骤,将其应用到电力变压器的故障诊断中．仿真实验证明所提出的方法对变压器故障的诊断准确率可达95％以上,能够满足工程应用的需要．     

基于FTA与BAM神经网络融合的飞机故障诊断方法

飞机由大量彼此关联的组件组合而成,其大规模特性使得基于故障树（FTA）和基于神经网络的故障诊断方法在应用于其故障诊断时分别存在空间爆炸问题和训练样本整理困难问题.本文融合故障树和BAM神经网络,由故障树归纳出系统所有的故障模式,整理出BAM神经网络所需的具有规范性、独立性、正交性的训练样本, 然后用BAM神经网络实现飞机故障的快速和准确诊断.实验评估结果表明,融合方法有良好的可扩展性,而且故障判别率提升了20%.     

含脉冲的Hopfield神经网络周期解的全局指数收敛性

通过构造Lyapunov函数，讨论了含有脉冲的Hopfields神经网络解的全局收敛性质及收敛速度，并给出实例说明所得结论的有效性．     

高阶时滞神经网络模型的全局指数稳定性

对具有时滞的二阶Hopfield型神经网络平衡点的全局渐近稳定性问题进行了研究.在不要求连接权矩阵的对称性和输入输出函数的可微性与单调性,只要求系统的参数满足是一个M矩阵的情况下,利用推广的Hanalay不等式和上右导数导得系统全局指数稳定性的若干充分条件.为二阶时滞神经网络稳定性的新方法、新结论.     

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。     

基于OPC技术的仿真机评分系统的实现

在不考虑激励函数有界，可微和单调的情况下，利用Lyapunov泛函方法，得到了时滞Hopfield神经网络模型的平衡点存在性和全局渐近稳定性的新准则. 研究结果改进和推广了以前相关文献的结果.     

基于神经元晶体管和忆阻器的 Hopfield 神经网络及其在联想记忆中的应用

随着人工智能的高速发展,越来越多的神经元模型相继被提出,现有的神经元电路主要由普通晶体管、运算放大器等高功耗器件构成,存在结构复杂、集成度不高、兼容性差、功耗高、阈值调节难度高的缺点.针对以上不足,首次提出了一种全新的神经元结构,该结构仅由神经元晶体管、忆阻器和普通电阻构成,相比传统神经元电路,不包含复杂的差分运算电路以及电流与电压信号的转换电路,电路结构简单,同时具有良好的电路兼容性,可用于大规模集成.该结构利用神经元晶体管的加权求和特性以及阈值可控功能来模拟神经元信息传导过程,同时利用阈值忆阻器的阈值特性和阻值连续变化能力来设定和更新突触权值,使得该新型神经元结构不仅能实现传统神经元电路功能的同时,还具有能耗低、阈值动态可控、权值可编程的优点,不仅极大地简化了网络结构,还能加强网络性能.其次,还提出了基于这种新型神经元结构的忆阻离散Hopfield神经网络,该忆阻神经网络有助于促进人工神经形态系统的硬件实现,使神经网络系统能耗降低,集成度极大地提高,将这种网络运用在联想记忆和彩色数字图像恢复中,进一步说明了基于全新神经元结构的忆阻离散hopfield神经网络的实用性以及有效性.     

具有变时滞的高阶随机Hopfield神经网络在有限时间内的控制同步

研究了具有变时滞的高阶随机Hopfield神经网络在有限时间内的控制同步.通过李雅普诺夫函数,有限时间内稳定性理论,随机微分方程理论和一些不等式方法,基于p-范数得到了新的有限时间内同步的充分条件.本文结论是对之前相关结论的推广.     

具有时滞的递归神经网络动力学研究进展

神经网络是人工智能领域的一个重要研究方向,从动力学角度分别介绍了具有时滞的连续型及离散型递归神经网络的研究进展、研究方法,并对今后的研究工作做了展望．     

一类自变量分段连续的延迟Hopfield型网络分析

利用变量分段连续的微分方程与其诱导出的离散方程的关系,研究了一类自变量分段连续的Hopfield型神经网络的动力学性质。得到了该模型零解稳定的条件,并对结果进行了数值仿真。     

L1范数法诊断线性电阻电路故障的神经网络法

研究了Ｌ１范数法诊断线性电阻电路故障的视神经网络方法。基于Ｈｏｐｆｉｅｌｄ网络原理导出了相应的神经网络电路结构，该法具有在线计算量少、故障诊断速度快等特点。计算机模拟结果表明，本文所提方法是可行的。