控制系统故障的智能诊断技术

综述和讨论了故障诊断的模糊逻辑法、神经网络法和模糊神经网络法,并对其研究情况作了展望。     

基于BP神经网络的装备故障诊断专家系统研究

分析了神经网络和专家系统的特点,提出了基于BP神经网络与专家系统结合的某装备的故障诊断方法,构造了BP神经网络的装备故障诊断专家系统的诊断模型,克服了传统专家系统在知识获取和表达的薄弱环节,并用了某型装备的故障实际数据进行了验证,结果表明了神经网络与专家系统结合是一种有效的诊断方法。     

一种基于神经网络的作战方案评估方法

通过对合成旅作战过程中主要相关因素的分析,建立了较为完备的作战指标评估体系和作战方案评估模型,进而针对作战方案评估,提出基于RPROP和基于神经网络集成的两种作战方案评估方法,从而降低了评价过程中人为因素的影响,对如何科学而客观地评估作战方案进行了有意义的探索和研究。实验表明,两种作战方案评估方法均具有良好的时效性。     

基于概率神经网络的设备故障诊断及仿真分析

针对某些难于建立准确数学模型的复杂系统,用神经网络的方法进行故障诊断有其独特的优越性.首先分析了概率神经网络(PNN)的基本结构及其训练算法,建立了某型航空发动机故障分类的概率神经网络模型,通过对该设备故障进行定性诊断,对比分析了概率神经网络与常用的误差反向传播神经网络(BPNN)分类模型对各类故障的分类效果.仿真表明,基于PNN模型的分类方法在分类速度、精度和泛化能力方面均优于基于BPNN的模型,是一种有效的故障分类方法.     

基于小波神经网络的货运量预测

选取我国1979—2011年国民生产总值、能源生产总值、进出口贸易额、社会消费品零售总额和固定资产投资总额5项指标作为货运总量的主要影响因素,以货运总量为输出,建立了基于Morlet小波函数的小波神经网络预测模型。该模型能够揭示货运量与相关变量之间的非线性映射关系,经实例分析得到了较满意的结果,并通过与实际货运量和BP神经网络预测结果的对比,证明了小波神经网络在货运量预测方面应用的可行性。     

2010年的防御

本文调查了贵州省有药用价值的苔藓植物共４７种，生态分析结果表明：在４个生态种群中，土生种群所占比例最大，达６５．９３％，石生种群为４６．８％；树生种群为４２．５５％，水生种群最少，为１７．０３％。     

利用多时间尺度卷积的视频行为识别网络

基于2D的行为识别网络通常融合多张视频帧的分类结果识别不同的行为,但其在卷积过程中缺少对时空特征提取。针对该问题,基于时间位移模块(temporal shift module,TSM)的思想设计了一组多时间尺度卷积,包含不同设计的卷积核以提取融合不同时间尺度的时空信息。通过控制多时间尺度卷积嵌入ResNet50网络的位置及其模块的参数设置,寻找最优的基于多时间尺度卷积的行为识别网络。使用PyTorch深度学习框架训练模型,在大型开源数据集Something-Somethingv2上进行了实验研究。结果表明,基于多时间尺度卷积的行为识别网络对行为识别准确率达到了59.47%,优于TSM等网络。     

基于概率神经网络的某导弹发动机系统故障诊断

反向传播神经网络(BPNN)和概率神经网络(PNN)对某型号导弹发动机若干原型故障进行定性的诊断,并将仿真结果进行了比较.仿真结果表明,当测量参数不包含噪声或噪声较小时,两种网络都具有很高地诊断准确率;当测量参数的噪声较大时,概率神经网络的诊断准确率远大于反向传播神经网络,显示了概率神经网络较强的诊断鲁棒性.此外,概率神经网络能够充分利用故障先验知识,并考虑代价因子的作用,从而把误诊断可能带来的损失减小到最低程度.     

基于神经网络的液体火箭发动机故障检测系统

提出和建立了一种用于液体火箭发动机（ＬＲＥ）故障检测的神经网络系统,这种系统包括两层：第一层由ＷＴＡ（Ｗｉｎｎｅｒ－Ｔａｋｅ－Ａｌｌ）神经网络组成,ＷＴＡ网络用于检测发动机故障输出模式;第二层由ＢＰ（Ｂａｃｋ－ｐｒｏｐａｇａｔｉｏｎ）神经网络组成,ＢＰ网络利用第一层次的输出结果作为输入显示故障大小。文中对ＬＲＥ故障检测进行了数值仿真,仿真结果验证了神经网络故障检测系统的优越性能。     

自适应学习率的小波神经网络逼近算法

提出一种自适应学习率的小波神经网络算法,从根本上解决了小波神经网络学习率的取值和收敛速度慢的问题,并有效地克服了小波神经网络易陷入局部极小的缺点,仿真实验表明,提出的学习算法可靠,学习率能够随着网络的运行参数而自动变化,无需任何人为调整,克服了小波神经网络学习率靠人为试算选取所带来的问题.采用该种改进算法用于非线性函数逼近明显优于同等规模的固定学习率的小波神经网络.     

离散型随机BAM神经网络时滞分布依赖全局指数稳定性

研究一类具有随机时滞与随机干扰的离散型BAM神经网络的全局指数稳定性,所建模型同时考虑离散时滞变化区间与分布概率对稳定性的影响．通过构造新的Lyapunov泛函并结合线性矩阵不等式（LMI）方法,得到了均方意义下依赖于时滞分布的全局指数稳定性条件．     

具有leakage时滞的随机马尔科夫跳变神经网络的稳定性

研究一类具有leakage时滞的随机马尔科夫跳变神经网络的稳定性,通过构造一个新的Lyapunov-Kra—sovskii泛函,并应用It6公式、随机不等式技术,得到了基于线性矩阵不等式（LMI）的均方意义下的全局稳定性判定条件．     

基于时滞分割法的具有leakage项时滞的离散型神经网络状态估计

摘要：研究一类具有leakage时滞的离散型神经网络的状态估计问题．通过构造新的Lyapunov泛函得到保证估计误差全局渐近稳定的充分条件,并通过求解一个线性矩阵不等式（LMI）得到状态估计器的增益矩阵．采用一种新的时滞分割方法将变时滞区间分割为多个子区间,使该结果在获得更小的保守性同时也降低了计算的复杂度．     

具有分布时滞的随机反应扩散细胞神经网络的几乎必然指数稳定性

研究一类具有分布时滞和反应扩散的随机细胞神经网络的稳定性。通过构造Lyapunov泛函,并利用It公式、半鞅收敛定理以及不等式技巧,得到了系统几乎必然指数稳定的充分条件。     

Robust tower location for code division multiple access networks

Designing Code Division Multiple Access networks includes determining optimal locations of radio towers and assigning customer markets to the towers. In this paper, we describe a deterministic model for tower location and a stochastic model to optimize revenue given a set of constructed towers. We integrate these models in a stochastic integer programming problem with simple recourse that optimizes the location of towers under demand uncertainty. We develop algorithms using Benders' reformulation, and we provide computational results. © 2006 Wiley Periodicals, Inc. Naval Research Logistics, 2007     

前馈控制的神经网络实现

不依赖对象模型,在前馈-反馈定值控制系统中,借助神经网络构成前馈控制器,以反馈输出引导网络权值及输出的调整,使网络逐步学成前馈补偿功能,并最终在控制中占据主导地位,实现对主要可测干扰的补偿.文章分析了神经网络前馈控制器的作用效果,并与根据精确模型设计的常规前馈控制器的作用特性进行了比较.文中采用两种不同方式对神经网络进行训练,仿真结果证实了在模型未知的条件下,利用神经网络实现前馈控制的有效性.     

神经网络应用

神经网络的应用是神经网络研究的三大主要领域之一。神经网络的应用与其所具备的能力是紧密相关的。本文中,我们从介绍神经网络的基本能力开始,概括地介绍了当前的神经网络主要应用领域。并从神经网络的能力出发,讨论了神经网络的潜在的应用领域。     

Strategic capacity decision‐making in a stochastic manufacturing environment using real‐time approximate dynamic programming

In this study, we illustrate a real‐time approximate dynamic programming (RTADP) method for solving multistage capacity decision problems in a stochastic manufacturing environment, by using an exemplary three‐stage manufacturing system with recycle. The system is a moderate size queuing network, which experiences stochastic variations in demand and product yield. The dynamic capacity decision problem is formulated as a Markov decision process (MDP). The proposed RTADP method starts with a set of heuristics and learns a superior quality solution by interacting with the stochastic system via simulation. The curse‐of‐dimensionality associated with DP methods is alleviated by the adoption of several notions including “evolving set of relevant states,” for which the value function table is built and updated, “adaptive action set” for keeping track of attractive action candidates, and “nonparametric k nearest neighbor averager” for value function approximation. The performance of the learned solution is evaluated against (1) an “ideal” solution derived using a mixed integer programming (MIP) formulation, which assumes full knowledge of future realized values of the stochastic variables (2) a myopic heuristic solution, and (3) a sample path based rolling horizon MIP solution. The policy learned through the RTADP method turned out to be superior to polices of 2 and 3. © 2010 Wiley Periodicals, Inc. Naval Research Logistics 2010     

自组织特性图形的检测理论与应用

人工神经网络模型已研究多年,已使得在信息处理领域中具有类似人的性能,本文将Ｋｏｈｏｎｅｎ自组织特征映射的学习规则进行了修改,以降低拓扑邻域边界上的模糊性,而后,用它的联想存贮功能可以实现输入统计过程的特征存贮,以达到检测的目的。本文也讨论了多维检测的数学机理,作为它的一个结果,可以得出高精度的检测性能。     

具有leakage时滞与传输时滞的神经网络的分支

研究一类具有leakage时滞与传输时滞的两神经元神经网络的分支,分别以leakage时滞和传输时滞为分支参数,通过对模型对应的特征方程进行分析,得到出现Hopf分支的临界性条件,并通过数值例子验证该理论结果.