基于神经网络的异步电动机故障诊断专家系统的研究

针对传统的专家系统在对异步电动机进行故障诊断时知识获取困难且无法解决新故障的问题,提出了一种基于神经网络的异步电动机故障诊断专家系统的设计方案,给出了系统结构及神经网络模型设计。仿真结果表明,该系统能够很好地结合专家系统与神经网络的优势,达到了异步电动机故障诊断的预期目标。

基于动态递归模糊神经网络盲均衡算法的研究

模糊系统和神经网络已广泛应用于系统的辨识和控制,但是传统的模糊神经网络是一种静态映射,不适用于动态系统的辨识;而由于无线通信信道的时变性和不确定性,决定了盲均衡器本身就是一个动态的均衡过程,所以研究利用动态递归模糊神经网络的盲均衡算法是可行的,而且也是必要的。仿真结果表明:由于动态模糊神经网络的均衡过程同时利用了系统的当前数据和历史数据,对动态系统的均衡,较传统神经网络在均衡的精度和稳定性方面具有更好的效果。

基于信息融合的异步电动机故障迹象智能预测系统的研究

异步电动机故障机理较复杂,利用单个信息只能判断异步电动机系统可能在某些方面有故障征兆,结论具有一定的不确定性,特别是异步电动机在早期有劣化迹象时,各个方面的表现都比较弱,需要全面综合众多信息进行有效融合。针对上述问题,提出了一种基于信息融合的异步电动机故障迹象智能预测系统的设计方案,分析了D-S证据理论的原理,并在其基础上给出了基于单个信息和基于多个信息融合的异步电动机故障诊断结果。实际应用表明,该系统具有一定的有效性。

一种基于模糊神经网络的盲均衡算法

提出一种新的基于模糊神经网络的盲均衡算法,它利用盲估计算法与模糊神经网络相结合的原理,先对通信信道进行盲估计,利用得到的信道特性来估计FNN盲均衡器中的隶属函数中心与宽度初值。传统算法中,中心与宽度的初值设定由专家提供,会有一定的偏差。本算法利用信道特性来估计隶属函数的初值,有效地避免了人为确定初值的不确定性。同时本算法克服了原有盲均衡算法反卷积计算量大的缺点。仿真结果证明本算法与同类算法相比,收敛速度加快,误码率减小。