分形模糊神经网络诊断方法研究和应用

从分形理论和神经网络原理出发 ,基于信号分形计算维数定义 ,以采样周期和分形计算维数两个坐标对信号特征进行合理地模糊化处理 ,提出分形维数隶属度特征量概念·以多时间尺度采样所获得的分形维数隶属度作为网络输入 ,单位矩阵为网络输出的分形模糊神经网络 ,建立了时域精确诊断新方法 ,通过对典型齿轮系统故障进行精确诊断 ,结果表明分形模糊神经网络诊断方法的有效性·

采空区遗煤自然发火预测的模糊分形神经网络研究

将模糊控制技术、分形理论中的时间序列分析方法与神经网络技术有机地结合起来,并运用于采空区遗煤自然发火的预测中.通过对采空区发火次数的时间序列的模糊分形处理,用BP神经网络对影响因素间的非线性关系进行拟合.检验结果表明,模型可靠,预测精度高,为预测采空区遗煤发火提供了一种新的方法.图3,表1,参10.

基于分形的机械故障诊断方法研究

将分形的有关理论与复杂机械故障诊断联系起来,论述了分形维数的基本概念,研究了几种分形诊断方法:重构相空间求取关联维数,小波分形技术,分形模糊神经网络的诊断技术,并给出了相关算法.研究结果表明:基于分形的机械故障诊断方法对复杂机械系统的早期故障更为敏感.