基于混沌神经网络动态联想记忆的电机故障诊断

采用一种由混论神经元构成的神经网络，通过研究其非线性动力学特性、混炖吸引子轨迹以及对初始条件的敏感性，实现混炖神经网络的动态联想记忆。在此基础上，应用混沌神经网络对异步电动机鼠笼转子断条故障进行动态记忆和恢复。研究结果表明，基于混炖神经网络的故障诊断有助于故障模式的记忆和重视。

一种混沌神经网络和动态联想记忆

<正>混饨现象是非线性确定性系统中的一种内在随机过程的表现,普遍存在于自然界及人类让会中~[1]表征这种运动的基本特征量是李雅普诺夫指数(Lyspunov exponent)。当前。

离散Hopfield联想记忆网络的设计新方法及应用

基于离散Hopfield神经网络(DHNN)的联想记忆能力,利用由局部极小值条件产生的同种类的线性不等式给出了动态自联想记忆(DAM)网络的设计新方法;该方法简化了网络权值矩阵和阈值向量的确定,同时给出了设计的例子,说明了方法的有效性;最后给出了新设计方法的应用。

混沌神经网络的信息搜索

混沌神经网络具有动态联想记忆功能 ,但其动态联想记忆是在网络的混沌运动中实现的 ,记忆状态为连续改变的非周期行为 ,不能稳定在某个已存储的模式上 ,因而混沌神经网络的信息搜索成为一个难点 .本文通过在部分神经元上施加合适的控制量进行钉扎控制 ,改变混沌神经网络的动力学特性 .计算机仿真实验表明 ,在钉扎控制作用期间 ,混沌神经网络的输出能稳定地收敛于网络的存储的模式上 。