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。

基于粗糙集与模糊神经网络的车-地无线通信设备故障诊断研究

针对传统铁路列车车-地无线通信设备网络故障诊断模型结构复杂,诊断精度不高等问题,运用粗糙集理论(RS)、模糊系统(FS)和神经网络(NN)相融合的方法进行铁路列车车-地无线通信设备故障诊断研究。首先对原始样本数据进行模糊化处理,建立故障诊断样本数据表,基于粗糙集理论对故障样本数据进行约简,去除冗余属性,减少样本输入,然后利用约简后的数据训练神经网络,建立基于粗糙集与模糊神经网络车-地无线通信设备故障诊断系统模型结构;最后,将该模型运用于故障诊断中。试验结果对比表明,此方法简化了网络的结构,缩短了训练所需要的时间,提高了故障诊断的精度,从而验证了该方法的可行性。

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。

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.

一种新型模糊-粗神经网络及其在元音识别中的应用

为度量模糊粗不确定性信息,引入了模糊粗隶属函数.基于模糊粗糙集理论构建了一种新型的模糊-粗神经网络(FRNN),该网络融合了模糊信息和粗糙信息的处理能力.对5个元音字母的语音识别进行测试,结果显示FRNN网络不仅训练速度快,而且分类性能优于BP网络、RBF网络和贝叶斯分类器.

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。

基于粗糙径向基函数网络的船舶发电机励磁控制

粗糙集和神经网络的集成技术综合利用了粗糙集理论数据分析与决策规则自动提取的优点以及神经网络对非线性函数任意逼近的能力,为复杂非线性系统的建模辨识提供了一种新的途径。文中提出了一种基于粗糙径向基(radial basis function,RBF)网络的船舶发电机励磁神经比例–积分–微分(proportion-integral-differential,PID)自适应控制方法,通过粗糙RBF网络离线学习和在线辨识对神经PID控制器的参数进行自适应调节。仿真结果表明,该控制方法与传统PID控制相比具有超调量小、调节速度快等优点。

企业财务危机预警Rough-Fuzzy-ANN模型的建立及应用

本文提出了一种基于粗糙—模糊神经网络(Rough-Fuzzy-ANN)的企业财务危机建模和预测新方法,并给出了相应的算法,在通过以我国上市公司财务数据为基础进行的实证分析之后,结果表明,Fuzzy-Rough-ANN模型具有预测精度高,学习和泛化能力强,适应性广的优点;同时有效、可行,为企业财务危机的动态预警提供了一条新的途径。