模糊数据融合技术在系统故障诊断中的应用

利用系统故障症状的分散性，提出了一种基于模糊数据融合技术的系统故障诊断方法。首先，为保证量测信号的准确性，采用同源多传感器数据层融合以及多传感器信息优化协调技术对量测数据进行初步处理，为系统故障模糊融合诊断奠定基础；然后，针对同一症状的不同表现信息，采用多个模糊神经网络得到对故障的局部决策，利用模糊积分融合方法，识别出该症状所对应的故障。最后针对某液体火箭发动机的泄漏故障进行仿真，并与常规模糊神经网络故障分类器进行对比。研究表明，在对渐变故障的诊断中，本法较常规模糊神经网络故障分类器具有更好的诊断性能。     

无损检测中的基于模糊神经网络数据融合技术

数据融合是一门正在飞速发展的信息处理技术,它能从多源信息中融合信息,减少信号的不确定度并再现出一个全面的信源。传统的数据融合模型大都建立在统计理论模型之上。存在的缺点主要表现在要求先验知识,应用领域受到限制。基于模糊神经网络的数据融合是一个新的领域,本文给出了一种适用于多传感器数据融合的模糊神经网络结构。文末给出了它在无损检测中的应用。文章对该模型的实现及其特点进行了详细讨论。它在无损检测中的应用表明该模型解决了传统模型中存在的问题,同时表明该模型也可用在其它许多领域。     

信息融合技术在电力系统故障检测中的应用探讨

电力系统故障产生各种故障信息，对故障信息全面分析、综合处理，能提高故障检测的精度和鲁棒性。为实现对各种传感器检测到的多源故障信息进行有机综合处理，需研究信息综合处理技术。信息融合技术是研究多源信息综合处理的新兴边缘学科，已在军事、信息处理等领域中有着成熟的应用。该文把信息融合技术应用于电力系统故障检测，介绍信息融合故障检测的模型与方法；分析信息融合技术在状态监测、继电保护中的应用技术；并以小电流接地系统故障选线为例，提出研究了模糊信息融合故障选线方法技术，提高了故障选线的灵敏度和可靠性。     

突变数据融合在电力传感器网络中的应用

针对传统电力传感器网络下突变电力传感数据的融合方法无法将传感器节点发送的多个电力传感数据同时进行消除热备份融合处理,使电力传感器采集的信息不完整,存在较大弊端,提出了一种基于电力传感器下神经网络的电力传感数据融合模型.将电力传感器采集的电力传感数据信息划分簇层次结构与神经网络的层次结构相结合,设计一个多层电力传感数据融合感知模型,将以簇为单位的电力传感数据通过神经网络将突变电力传感数据发送给汇聚节点进行融合.仿真结果表明,基于电力传感器下神经网络的电力传感数据融合模型可以同时对传感器节点发送的多个电力传感数据进行消除热备份,达到电力传感器网络完整采集有效信息的目的.     

基于模糊神经网络的信息融合在电网故障诊断中的应用

根据电网分布的特点,将多传感器信息融合技术应用于电网的故障诊断中。在电网的不同区域加装传感器网络,将所测结果首先在子模糊神经网络中进行特征级融合,然后再将此结果送至融合中心进行决策级融合,最后得出诊断结论,包括故障类型和故障区域,大量的实验证明该方法是可行的。     

基于模糊神经网络的信息融合在电网故障诊断中的应用

根据电网分布的特点,将多传感器信息融合技术应用于电网的故障诊断中.在电网的不同区域加装传感器网络,将所测结果首先在子模糊神经网络中进行特征级融合,然后再将此结果送至融合中心进行决策级融合,最后得出诊断结论,包括故障类型和故障区域,大量的实验证明该方法是可行的.     

CNP神经网络在非线性电路故障诊断中的应用

本文通过对耦传播神经网络电路故障诊断方法的研究和分析。通过CPN神经网络建立起信息融合中心,并通过算法对多传感器采集的数据进行信息融合,从而减少了电路故障诊断的不确定性。本文通过改进CPN网络算法的初始权重的设置方法,克服了输入向量限制的局限性;通过优化CNP算法提高了算法的运行效果;实验结果表明,CPN神经网络的多传感器信息融合电路故障诊断的方法,可使实际故障元件的隶属度值大为增加,待诊断对象的可分析性也得到增强。该方法可准确定位故障元件,具有适应范围广、诊断率高、响应速度快等优点。     

基于模糊积分融合技术的变压器故障识别

提出了一种基于模糊积分融合技术的变压器故障诊断新方法。首先建立三比值的隶属函数并对三比值数据进行模糊预处理,再用4个不同的径向基函数神经网络进行故障识别,最后利用模糊积分融合方法将4组诊断结果进行融合处理,得出诊断结果。仿真实例表明这种方法比单个人工神经网络具有更高的故障诊断性能。     

一种随机模糊系统的信息融合故障诊断方法

在随机模糊系统的故障诊断中,信息的不确定性常常会引起系统输出的不确定。针对此问题,本文结合模糊推理及可能性理论提出了一种新的融合故障诊断方法。首先对可能性合成规则进行分析,利用随机模糊变量对传感器信息的不确定性进行表示,利用模糊推理和可能性合成规则对多源不确定性信息进行融合处理,用融合结果进行故障判决,最后以电梯故障诊断为例,对所提方法的有效性进行了验证。     

基于神经网络与专家系统的汽轮发电机组故障诊断系统

根据模糊神经网络和专家系统的特点。建立了模糊神经网络与专家系统相结合的汽轮发电机组故障诊断系统。系统采用模糊隶属度函数表示难以准确描述的领域专家知识;推理过程中,采用神经网络进行前向推理,并参考神经网络的输出。用专家系统进行反向推理,结合了神经网络求解迅速和专家系统解释清晰的优点,并提高了系统诊断能力;最后,采用信息融合方法处理冗余的诊断结果,提高了系统的综合诊断性能。     

模拟电路的融合智能故障诊断

提出了一种基于遗传算法、神经网络、模糊集理论与数据融合技术相结合的模拟电路故障诊断新方法。该法使用多类电路测试数据来解决由于测试节点不足而带来的故障信息欠缺等问题，采用遗传算法来优化BP网络的结构与初始权值分布。对每类测试信息各用一个独立的所提遗传神经网络进行初步诊断，得到基于各类测试信息的被诊断电路属于不同故障状态的可能性。在充分考虑每个神经网络输出信息重要程度的基础上，采用模糊积分融合方法进行决策融合。文中研究了其故障特征提取、样本选择、诊断系统结构、学习算法及其综合决策方法，并通过电路诊断实例，阐述了该方法的具体实现，验证了所提方法的鲁棒性。诊断结果表明：所提方法对容差模拟电路的多故障与单故障诊断均适用，故障定位准确率高。     

基于智能信息融合的模拟电路故障定位方法

针对模拟电路故障诊断中存在的测试信息不足、故障定位准确性较低等问题,提出了一种应用智能信息融合技术的模拟电路故障定位方法.该法首先分别采用可测点工作电压及不同测试频率下的电路增益,各用一个独立的神经网络依据改进的BP算法对电路实施初级诊断;然后根据初级诊断结果,运用模糊融合诊断方法进行故障定位.所提方法能充分利用故障信息,对模拟电路的软故障与多故障均可进行诊断,故障定位准确率高.     

空调制冷系统智能故障诊断方法研究

在现有的空调故障诊断方法及发展趋势的基础上。提出将产生式规则、模糊逻辑和神经网络相融合。进行故障智能诊断的方法,以故障诊断案例中的实测参数为训练样本对其性能进行仿真。仿真结果表明,基于产生式规则的模糊神经网络推理精度高,推理结果能直观反映空调制冷系统的故障模式。     

信息融合技术在水轮发电机组故障诊断中的应用

本文讨论了水轮发电机组故障征兆的特征选择与提取。基于信息融合技术的思想,从设备故障诊断的实际出发,建立了基于信息融合技术的神经网络证据融合故障诊断系统,即通过故障特征信息的有效组合,用各种子神经网络从不同侧面对设备故障进行初步诊断,然后对诊断结果应用DempsterShafer证据理论进行决策融合。诊断实例表明,经过多故障特征信息融合,诊断结论的可信度明显提高,可以有效提高确诊率。     

一种前向模糊神经网络控制系统的研究

基于模糊逻辑和神经网络技术提出一种具有快速学习算法的模糊神经网络控制系统。     

遗传算法在水轮发电机模糊神经网络励磁控制器设计中的应用研究

本文在分析了模糊神经网络(FNN)控制器的工作原理及设计方法的基础上,提出了一种采用遗传算法优化设计水轮发电机模糊神经网络励磁控制器的方法。其基本过程是利用遗传算法得到初始模糊控制规则,并对初始规则进行过滤,在此基础上利用遗传算法结合模拟退火对得到的模糊神经网络进行训练。仿真结果表明与根据专家经验获得模糊规则和BP算法进行学习的常规FNN比较,采用遗传算法优化设计的模糊神经网络励磁控制器所构成的励磁系统具有更好的动态性能。     

基于RS和GA的动态模糊神经网络在短期电力负荷预测中应用

分析和探讨了粗糙集（RS）理论、遗传算法（GA）、模糊神经网络相结合的短期负荷预测方法。首先,对采集到的信息进行特征提取,然后利用模糊粗糙集理论中的信息熵进行属性简化、去掉冗余信息．最后用得到的属性作为模糊神经网络的输入进行训练预测。在模糊神经网络内部引入递归环节,构成了动态模糊神经网络DFNN（Dynamic Fuzzy Neural Network）,并采用具有全局寻优能力的遗传算法训练网络,克服了单纯BP算法易陷入局部最优解的缺点。用该方法与常用BP神经网络及Fuzzy法分别对某电网进行一周的日负荷预测．实例的对比分析表明了该方法收敛速度、预测精度和网络规模等方面都有较大改善。