基于粗糙集神经网络和振动信号的高压断路器机械故障诊断

为了准确检测出高压断路器的机械故障类型,该文提出一种基于本征模态边际谱能量与粗糙集神经网络相结合的高压断路器振动信号故障诊断方法。首先将断路器的振动信号经过经验模态分解(EMD),得到若干个本征模态函数(IMF),对各个IMF分量进行希尔伯特(Hilbert)变换得到Hilbert边际谱,求取Hilbert边际谱的二次方得到Hilbert边际谱能量作为特征向量。基于粗糙集理论对特征向量进行属性约简分析,从而建立简单明了的决策表,根据决策表规则建立径向基函数(RBF)神经网络故障模型。实验结果表明,该方法能有效对高压断路器的机械故障类型进行分类。

粗糙集神经网络在图像分割中的应用

提出了粗糙集神经网络用于图像分割的方法.该方法利用粗糙集约简理论对分割后的图像区域特征进行约简,以降低特征向量维数,抽取出规则,然后根据这些规则构造神经网络隐含层的神经元个数,从而确定粗糙集神经网络的结构.粗糙集神经网络中每个神经单元的输入为区域值,输出为决策分类值,此时权值预设为各规则粗糙隶属度值,然后用BP算法迭代,最终实现图像的分割.试验证明,该方法大大缩短了训练时间,提高了精度,并且得到优于常规的分割图像以及满足图像处理的实时性要求.

基于粗糙集神经网络的网络安全态势评估方法

为克服多源数据融合中存在信息高维、冗余和噪音等大量不确定性因素给网络安全态势评估带来的复杂影响,提出一种基于粗糙集神经网络的网络安全态势评估方法。该方法既利用粗糙集理论在机械学习、处理冗余信息和特征提取等方面的能力,又结合神经网络处理噪音和任意逼近能力构造出由指标层、离散层、规则层、决策层组成的态势评估模型,并与BP神经网络方法进行对比研究。仿真实验结果表明,所提方法偏差较少,更能客观、准确地分析网络安全状况。

基于粗糙集神经网络的综合传动故障诊断

针对综合传动装置在道路试验过程中大量采集的油样,建立了油液分析数据库。采用粗糙集理论的信息约简,根据粗糙集理论能处理不精确、不完整、不一致的数据的特点,结合神经网络强大的线性逼近和模式识别的功能,建立了粗糙集神经网络模型。将该模型应用于综合传动装置的模式识别,取得了满意的诊断结果。研究结果为在不完整征兆信息下的机械故障诊断提供了新的方法和思路。

基于粗糙集-神经网络编队协同空战决策系统

为了提高空战决策的实时性和准确度,将粗糙集理论和神经网络引入到编队协同空战战术决策研究中,提出了应用SOM网络-粗糙集-BP网络集成进行编队协同空战战术决策的方案:应用SOM网络离散化决策系统输入数据的连续属性值;利用粗糙集数据分析方法,从数据中提取出规则将输入映射到输出的子空间上;在这个子空间上用BP网络进行逼近。2∶4编队空战实例仿真结果验证该方案的可行性,在数据充分的条件下,该方案可以推广应用于其它空战决策系统。

粗糙集与神经网络故障诊断组合方法应用

利用粗糙集理论对知识的约简能力及模糊神经网络的分类能力,构建粗糙集—神经网络故障诊断组合模型(RNN),具有良好的拓扑结构,学习速度大为提高。应用电力变压器实例验证,RNN模型诊断速度快,故障诊断正确率高。

基于粗糙集-神经网络的三相SPWM逆变电路故障诊断研究

以三相SPWM逆变电路为研究对象,利用MATLAB仿真软件建立故障仿真模型。针对故障诊断中冗余及不完整的信息常使诊断规则误报、漏报的现象,采用粗糙集-神经网络对三相逆变电路进行故障诊断,优化了神经网络结构,提高诊断速度。仿真实验表明该方法取得了良好的故障诊断效果。

用动态层次聚类算法改进粗糙集-神经网络建模过程

用动态层次聚类算法取代原先用于粗糙集-神经网络建模方法中的模糊-C-mean一般聚类算法,统一处理粗糙集理论中的离散与连续属性.从而使性能卓越的粗糙集-神经网络模型的应用范围得到了极大的拓展,使之具有了普遍性意义.

神经网络的企业能力集扩张模型研究

如何借助于不确定性推理技术和原理(概率推理、证据推理、模糊推理、信息推理、包含度推理等)研究不确定情形下的能力集扩张问题,仍是能力集扩张理论中很值得研究的内容之一。关于不确定情况下的能力集扩张问题,目前的文章主要是研究企业已有能力集或实需能力集是不确定的情形,没有解决两者都是不确定的情况,正是基于此目的,采用模糊粗集神经网络方法研究此种情况下的企业能力集扩张过程,解决模糊的市场需求、粗糙的已有能力集等不确定性影响因素,帮助决策者将企业能力集扩张到企业管理决策问题满意解所需的能力集。

大学生创新能力培养下激励模型构建与应用

在掌握自主创新概念的基础上,分析影响大学生自主创新性学习激励的表征因素,分别从目标激励、成就激励、榜样激励、情感激励等方面建立指标,通过RS-ANN方法构建大学生创新性学习实现的激励模型,并将该模型应用于大学生创新激励数据进行实例验证,为综合评价大学生创新性学习的实现程度和有效推进高校自主创新性教育奠定基础。

基于RSNN的煤自燃预测方法

本文提出一种基于粗糙集神经网络 (RoughSetNeuralNetwork ,RSNN)的煤自燃预测方法 .该方法针对综放面采空区 ,在已测到的漏风强度Q和煤体温度TC 的基础上 ,利用RoughSet(RS)的约简理论对测量数据约简 .在此基础上构建了一种基于粗糙集的神经网络 (RSNN) ,然后利用该RSNN预测最小浮煤厚度 .实测数据验证表明 ,该方法比常规AMAX预测方法简便且精度高 .该方法为基于网络的远程煤矿安全生产监测监控系统奠定了良好的基础 .

航电武器系统精度评估研究

针对航电武器系统完成空空和空地任务精度评估的需要,对航电武器系统评估系统进行了方案设计,建立了航电武器系统基于统计的评估数学模型、基于粗糙集神经网络算法的评估数学模型,设计并实现了航电武器系统评估软件。运用该软件对航电武器系统进行评估研究,根据不同的评估信号采用不同的方法进行评估,仿真结果表明,算法是合理和有效的。评估系统已成功应用于航电武器系统的辅助设计、系统综合、性能在线测试、靶试评估和故障定位。

基于多源信息融合的矿岩可爆性评价及应用

在数据挖掘的基础上,采用粗糙集对矿岩可爆性数据进行了数据级融合,除去冗余属性,然后采用BP神经网络进行特征级融合,从而建立基于多源信息融合的矿岩可爆性评价模型。对原始数据进行了离散归一化处理,应用粗糙集对决定矿岩可爆性指数的6个因素进行了属性约简,剔除了平均合格率,而保留了漏斗体积、大块率、小块率、岩体声波速度和波阻抗等5个因素,并对约简的准确性进行了验证。分别建立了矿岩可爆性评价的BP神经网络模型和粗糙集-BP神经网络模型,前者对矿岩可爆性指数的预测值与实际值的平均偏差为8.33%,而后者为6.75%。利用建立的粗糙集-BP神经网络模型预测某矿山井下采场的矿岩可爆性指数为78.43,计算出采场的炸药单耗为0.65 kg/m3,而现场试验值为0.67 kg/m3,进一步验证了该模型的正确性。

物联网框架下PM2.5高精度测试模型仿真分析

对空气中的PM2.5颗粒污染物进行准确测试,有利于控制大气污染。PM2.5颗粒较小,在风速、大气环境等复杂因素的影响下,PM2.5污染物扩散过程在空气中呈现高度的随机性,污染物扩散过程无法约束,污染物在空气中呈现实时不均匀分布。传统的物联网环境下空气PM2.5污染物检测方法,仅仅对小区域的PM2.5测试结果进行测试,通过把不同区域的结果进行加权求平均,完成大区域检测,没有考虑扩散过程中颗粒物的扩散不均匀造成小区域测试结果的实时变化,测试结果不准。提出采用多信号融合估计算法的物联网框架下PM2.5高精度测试模型。建立粗糙集神经网络模型,将所有的物联网框架下PM2.5输入到该模型中,输出的结果是PM2.5高精度测试结果。针对PM2.5高精度测试结果来自于不同的区域,利用多信号融合估计方法对数据进行约束融合,得到PM2.5高精度测试非线性约束下的结果。实验结果表明,利用改进算法进行物联网框架下PM2.5高精度测试,能够极大的提高测试的准确性。

基于RS-ANN的汽车发动机故障诊断分析

利用粗糙集理论对知识的约简能力及神经网络的分类能力,构建粗糙集-神经网络(RS-ANN)故障诊断组合模型;并将该模型应用于汽车发动机故障数据进行实例验证,该模型诊断速度快,故障诊断正确率高.

基于RS-ANN知识员工离职模型及预警研究

以相关文献作为研究基础,确定知识型员工离职的相关因素,利用粗糙集理论对知识的约简能力及神经网络的分类能力,构建粗糙集—神经网络(RS-ANN)员工离职预警模型;并将该模型应用于员工离职预警数据进行实例验证,该模型预警速度快,离职预警正确率高。

基于DSP的车型检测器设计及其算法的研究

车型分类是高速公路自动收费和交通流量统计的重要依据,它是智能交通(ITS)的一个重要组成部分。本文针对车型检测器硬件结构和处理算法两方面提出一些具有创新性的设计方案,介绍了由LC振荡电路和TMS320F2812处理芯片构成的车型检测器的硬件结构,为克服LC振荡电路频率不稳定的固有缺陷提出了基频更新算法。并提出了利用一维数学形态滤波方法过滤实际应用中的噪声信号的方法,最后简单介绍了基于粗糙集BP神经网络车型分类算法。

车辆碰撞信号准确挖掘过程的仿真分析

研究车祸中车辆碰撞信号的准确检测问题。针对车辆在完成碰撞的过程中,车辆碰撞部位随机性很大,碰撞过程较短,声音信号的采样周期和间隔很小,碰撞信号与外部的干扰声音信号经常形成交叉冲突,造成瞬时碰撞信号很难被准确采集。传统的检测算法很难在碰撞中对短促碰撞信号与外界声音信号进行区分,造成检测度不高,提出了一种粗糙集神经网络的车辆碰撞声音信号检测方法。采集车辆声音信号,对信号进行预处理,从而获取粗糙集神经网络参数。建立粗糙集神经网络模型,对车辆碰撞信号进行深度挖掘检测。实验结果表明,提出的算法能够有效提高车辆碰撞声音信号检测的准确性。

高新技术项目投资风险的评价模型

粗糙集具有强大的数值分析能力,而BP神经网络具有准确地逼近收敛能力,所以将粗糙集和BP神经网络串行结合,建立一种基于粗糙集-BP神经网络的高新技术项目投资风险评价模型。把粗糙集作为模型的前置系统进行属性约简,消除样本冗余,减少BP神经网络输入维数和隐含层神经元权值连接的个数,从而达到提高BP神经网络训练速度、运行速度和评价精度的目的。最后,仿真研究表明运用该混合模型能取得较满意的结果。