模糊系统和神经网络系统都是处理不精确的、模糊的信息,它们都是直接利用数值化了的信息来建立特定的非线性映射,但是两者在信息储存和表达、非线性映射层次上是不同的。随着计算机的飞速发展,人们对非数值信息处理的要求...[继续阅读]

    根据模糊系统和神经网络连接的形式和功能,两者结合的形态可以归纳成5大类。9.9.2.1松散型结合在系统中,对于可用If—then规则来表示的部分可用模糊系统描述;而对很难用If—then规则来表示的部分,则用神经网络,两者之间没有直接联...[继续阅读]

    模糊系统的表达能力容易被人理解,而神经网络具有极强的自适应能力,模糊神经网络系统的建模就是根据模糊系统的结构,决定等价结构的神经网络;使神经网络的每个层,每个节点对应模糊系统的一部分。综合二者的长处,提高整个故...[继续阅读]

    在3.6章中已讨论了分形特征提取和以分形维数和分形维数隶属度为特征向量的故障诊断方法,也就是分形模糊诊断方法,把分形几何和模糊分析融合并与神经网络相结合形成的分形模糊神经网络系统是我们最近开发的一种最新的智能诊...[继续阅读]

    利用小波包分析,把信号分解在互相独立的频带之内,各频带内的能量值形成一个向量,该向量对不同的故障对应不同的值,因此可以作为神经网络的输入特征向量。和已经获得成功运用的故障信号的FFT频谱向量相比,该方法统计的能量理...[继续阅读]

    小波和神经网络的紧致型结合,即用小波函数或尺度函数作为神经网络的激励函数,形成神经元,称为狭义上的小波神经网络,这也是通常所说的小波神经网络(Wave-net)。小波神经网络的形成可从函数逼近的角度加以说明。故障诊断的实质...[继续阅读]

    对式9.10-5中对给定的m和K,用小波神经网络逼近的函数表达为:该小波神经网络的构造见图10-7。在该网络中,只有权值Ck待定,它的确定可通过网络的学习得到。事实上,对给定的训练样本,最佳的权值Ck可用最小均方误差得到式中很明显...[继续阅读]

    小波神经网络是以局部函数作为激励函数,其作用机理和采用Sigmoid函数的多层感知器基本相同。但由于激励函数的局部化特征,小波神经网络对局部间差异较大的函数逼近能力更强。这种特性尤其适用于非均匀性数据对的逼近。图9...[继续阅读]

    上面讨论的小波神经网络都是基于一维问题展开的。实际上,对多维问题,小波神经网络同样可以表示。多维问题的小波分解是:其中X=[x1,x2,…,xn],i表示第i个输出单元,Ci,k表示m尺度上隐层和输出层间的权矩阵。多维小波神经网络可用图...[继续阅读]

    如何针对一个具体的故障诊断问题设计神经网络,目前无规律可寻。各种神经网络系统的设计主要是根据设计者的经验和反复实验来进行的。这样不仅设计效率低,而且还不能保证设计出的神经网络结构和权值等参数的组合是优化的...[继续阅读]