基于模糊神经网络的故障诊断及其在无刷直流电机系统中的应用

本文针对故障诊断知识具有模糊性的特点,提出了一种基于模糊神经网络的故障诊断方法,将模糊理论与神经网络融合在一起,实现了对故障的模糊诊断.文中给出了模糊神经网络的结构和学习方法,并提出了一种阈值向量故障判别方法,使故障判别更具灵活性.并以无刷直流电机系统为对象,将该方法应用于系统的故障诊断,仿真结果表明,该方法是行之有效的.     

基于粗糙集模糊神经网络的爆破振动危害预测

为了探索一种能克服单因素预测的局限性、提高爆破振动危害预测精度的方法,基于粗糙集模糊神经网络理论,建立了综合考虑爆破振动幅值、主频率、主频率持续时间及结构动力特性等10个因素的民房破坏程度预测模型;用铜绿山矿爆破振动和民房破坏情况观测数据,对该模型进行了训练和测试,测试结果与现场观测结果具有良好的一致性。研究表明:粗糙集理论可将现场数据进行属性约简,简化输入变量,缩小神经网络的搜索空间,改善爆破振动的预测性能;基于粗糙集模糊神经网络理论的爆破振动危害预测模型,能更好地考虑各种因素对危害程度的综合影响,避免了单因素预测的局限性。     

红砂岩单轴压缩条件下震源时空演化特征及破裂机制实验研究

为建立岩石工程灾害精准预测预报体系,本文进行了红砂岩试件震源时空演化特征及破裂机制实验研究.采用单轴加载方式,以声发射技术和数字散斑相关方法进行实验数据的采集,基于矩张量反演方法,分析岩石变形局部化带相对位移速率和震源体积参数、裂纹能量的对应关系,探讨岩石破裂机制及前兆特征.研究结果表明:(1)岩石承载力受变形局部化结...     

加权函数组合预测边坡变形模型的研究

边坡变形监测是边坡监测的主要内容之一,其变形预测问题是边坡工程中主要技术难题之一。考虑边坡位移变形预测模型的局限性,如神经网络预测方法需要大量的实测数据作为学习样本,灰色系统模型要求原始数据序列必须满足指数规律,且数据序列变化速度不能太快等。建立了边坡变形反向传播神经网络预测模型,同时给出了灰色GM(1,1)边坡预测模型。提出边坡的神经网络与灰色系统加权函数组合预测模型,采用动态规划解法,将原模型转化为多阶段决策问题,使组合预测误差的平方和最小,得到组合权重,这样得到的变形预测结果的精度将大大提高,弥补了单一方法的局限性,满足工程预测的需要。通过边坡实例加以验证,加权函数组合预测模型的预测结果精度有一定提高,能够与实际监测数据相吻合,达到准确预测的目的。     

边坡稳定性预测的模糊神经网络模型

根据边坡稳定问题具有的模糊性,提出了一种判定边坡稳定性的模糊神经网络模型。该系统仅从期望输入输出数据集即可达到获取知识、确定模糊初始规则基的目的。再利用神经网络学习能力便不难修改规则库中的模糊规则以及隶属函数和网络权值等参数,这样大大减少了规则匹配过程,加快了推理速度,从而极大程度地提高了系统的自适应能力。最后用收集到的边坡数据样本训练和测试模糊神经网络模型,结果表明该模糊神经网络预测边坡稳定性是可行的、有效的。     

基于Elman型神经网络的金川二矿地表岩移时序预测 模型

建立于煤矿开采基础之上的矿山开采沉陷理论和预测方法并不适用于象金川这样厚大、陡倾的金属矿床开采的岩移问题,因此,本文探讨利用神经网络来对地表岩移进行预测。根据Elman神经网络能够逼近任意非线性函数的特点和具有反映系统动态特性的能力,提出了利用Elman神经网络建立地表岩移时序预报模型的方法。利用金川二矿区GPS监测所得到的时间序列数据,通过对Elman神经网络模型预测值与GPS实测值之间的比较,结果表明模型预测显示了良好的准确性,特别是在时间步长较短情况下,应用于实际预测一定程度上可以弥补金属矿山岩移预测方法不足的缺憾。     

利用模糊神经网络进行砂土液化势评判

利用模糊信息分析表达知识和人工神经网络在映射能力方面的优势, 选取应力比、震级、地面运动最大加速度、标贯击数、地下水位作为评价参数指标, 构造砂土液化势识别的模糊神经网络模型。验证和应用结果表明, 模糊神经网络模型可提供更高的映射能力, 是砂土液化势评价预测的有效手段。     

基于低成本MEMS-INS的车辆变道判别方法

针对传统车辆变道判别与预测方法的不足,提出一种基于低成本MEMS-INS的车辆变道判别与预测方法。利用车载低成本MEMS-INS和轮速传感器获取的纵向速度、加速度与横摆角速度信息,建立两级卡尔曼滤波器估计道路曲率,在此基础上,将所估计出的道路曲率信息作为观测量,利用交互多模型算法对车辆是否变道进行判别和预测,同时作为附带的效果,能够准确估计出车辆的航向角。实车试验结果表明,车辆变道识别率达到100%,航向角估计误差小于2%,延时小于1 s,具有成本低、精度高、延时短,环境适应力强的优点,克服了传统方法的不足,满足车辆碰撞预警系统的需要。     

用人工神经网络预测摩擦学系统磨损趋势

人工神经网络具有高度的并行分布式、联想记忆、自组织及自学习能力和极强的非线性映射能力，在许多领域显示了广阔的应用前景．但是，将神经网络用于摩擦学行为预测的研究报道却还鲜见．在对基于神经网络的单变量时间序列预测方法与过程进行分析之后，提出了摩擦学系统磨损趋势神经网络预测模型．采用定量铁谱参数中的总磨损Ｑ作为预测磨损趋势的特征参数，讨论了磨损趋势神经网络预测的单步预测法和多步预测法，并用其对ＣＤ４０齿轮泵的磨损趋势进行了预测，预测值与实测值吻合较好     

基于模糊神经网络的惯性导航系统预热控制

针对惯性导航系统预热中存在的非线性问题,采用了基于模糊神经网络的控制系统。讨论了模糊系统与神经网络的优缺点,给出了适于非线性时滞、基于BP网络的控制方案,并通过仿真说明方案的可行性。     

红板岩材料隐式本构模型的建立及其应用研究

针对红板岩材料在岩土工程中所表现的大量模糊的和不确定的因素等特点,基于人工神经网络的学习能力,借助于室内岩石力学试验,进行了对该材料的力学本构特性进行了神经网络模拟研究,提出了隐式本构模型的思想和方法,并通过该方法对该岩石的流变试验结果进行学习,获得了以网络权值结构保存的力学特性知识,由此得到了表征红板岩应力应变本构关系的隐式本构模型。应用结果表明,该方法对岩土类材料本构关系的模拟研究具有很好的应用前景。     

工程岩体断裂构造发育程度的定量评价研究IAEG信息(会讯)

岩体断裂构造发育程度及其均匀性是影响岩体结构类型、岩体质量优劣及岩体稳定性分析以及工程岩体综合分区利用的重要因素, 因此岩体断裂构造发育程度的定量评价具有重要的工程意义。本文以三峡工程永久船闸边坡工程为例, 系统地讨论了工程岩体断裂构造发育程度的评价方法、定量评价指标的确定原则、断裂构造发育程度的分级标准等。研究表明, 根据岩体断裂构造发育特点, 综合运用多层次模糊综合评判法和人工神经网络技术是评价工程岩体断裂构造发育程度的有效方法。     

基于神经网络方法的包装件非线性特性识别的研究

结合模糊集合理论，将结构化神经网络方法用于包装件缓冲垫层非线性特性识别问题．对于两种典型的包装件缓冲垫层材料模型的模拟识别结果表明，据此方法可以较好地获得其非线性特性．模糊自适应技术的引入，提高了网络训练速度，减少了对于训练参数的人为干预，使得结构化神经网络方法更适于实际应用．     

基于模糊推理网的高层结构智能型式优化方法与系统

首先,给出了一种改进加权模糊推理网,建立了基于该推理网的结构性能评价过程与方法,该网兼有模糊综合评判、模糊推理与模糊推理网等算法共同优点;然后,给出了一种基于模糊综合评判的优选法,将其与六个目标级性能的评价网集成,形成了兼有性能评价与优选功能的集成推理网络系统,给出了该集成系统的网络结构图及其决策函数,同时,建立了基于上述方法的结构智能型式优化支持系统;最后,给出了工程实例,结果与实际吻合。实践表明:该方法能以直观的方式表征、存储与利用领域专家在型式优化时的知识与策略,并克服了传统基于模糊逻辑与神经网络的型式优化系统的不足,是解决具有多目标、多层次及不确定信息的型式优化问题的有效方法。     

模糊—神经网络控制算法及其在离心力—振动复合环境试验系统中的应用

针对离心－振动复合环境试验系统所存在的耦合性、非线性和不确定性提出了一种模糊－神经网络控制算法,利用被控对象输入输出信息离线、在线相结合学习系统的动态特性,对时变、非线性系统进行跟踪控制,并研究了该算法在系统中的实现方法。实现表明了控制系统具有良好的跟踪能力。该算法也适用于快速变化这类系统的实时控制。     

高速公路高填方路基沉降量的神经网络预测

利用BP神经网络较强的高次非线性映射能力和学习功能 ,建立了基于人工神经网络的高速公路路基沉降量的预测模型。该模型依据现场实测资料 ,避免了计算过程中各种人为因素的影响。通过对某高速公路高填方路基沉降量的现场监测成果的学习与预测检验 ,证明其预测精度与适用性良好 ,具有较大的工程实用价值     

FAULT DIAGNOSIS OF ROTATING MACHINERY USING KNOWLEDGE-BASED FUZZY NEURAL NETWORK

A novel knowledge-based fuzzy neural network (KBFNN) for fault diagnosis is presented.Crude rules were extracted and the corresponding dependent factors and antecedent coverage factors were calculated firstly from the diagnostic sample based on rough sets theory.Then the number of rules was used to construct partially the structure of a fuzzy neural network and those factors were implemented as initial weights,with fuzzy output parameters being optimized by genetic algorithm.Such fuzzy neural network was called KBFNN.This KBFNN was utilized to identify typical faults of rotating machinery. Diagnostic results show that it has those merits of shorter training time and higher right diagnostic level compared to general fuzzy neural networks.     

一种利用GPS定位与测速相结合的动态定位方法

提出了一种利用GPS定位与测速相结合的动态定位方法。引入模糊人工神经网络技术对GPS数据进行处理,利用BP网络实现模糊化知识集的记忆和模糊判决的功能;最后,对处理前后的结果进行了对比。试验结果表明,该方法可以有效地提高GPS在开阔场地的定位精度。     

基于卷积神经网络的涵洞式直立堤波浪透射预测

涵洞式直立堤是一种具有特殊用途的海岸工程结构物,对其透浪特性的研究具有重要工程意义. 然而,目前众多学者对于涵洞式直立堤波浪透射问题的研究主要以理论分析、实验模拟及数值计算为主.随着机器学习技术的发展, 传统水动力学问题迎来了新的求解理念.机器学习算法可根据训练数据集自主学习相应的规律,以数据映射的方式建立水动力学特征预测模型,在实际应用中无需对流体运动控制方程进行求解, 具有较高的计算效率. 因此,本文基于卷积神经网络(convolutional neural network, CNN),对不同开孔条件下的涵洞式直立堤透浪特征进行预测.首先利用模型试验验证计算流体力学(computational fluid dynamics, CFD)模型的有效性,然后基于CFD模型生成相应的训练数据集, 通过训练卷积神经网络模型,建立相应的波浪透射结果之间的数据映射关系,实现在新的工况下对波浪透射系数以及透射波波形等特征的快速预测. 结果表明,经过训练的卷积神经网络可在极短时间内计算得到相应的结果, 并具有较高的准确性.研究成果可为波浪与海岸结构物相互作用的问题提供新的求解理念.      

用人工神经网络估算岩质边坡的安全系数

基于工程事例, 介绍了一组初步试验工作, 探讨人工神经网络(ANN)方法用于岩质边坡稳定性安全系数估算的可能性。文中给出三次试验及试验结果, 试验结果表明用人工神经网络估算岩质边坡安全系数不仅是可行的, 而且是一种实时、准确且准备工作简单的估算方法。