没有合适的资源？快使用搜索试试~
我知道了~
文库首页
开发技术
其它
基于不完备模糊规则库的信息融合故障诊断方法
基于不完备模糊规则库的信息融合故障诊断方法
研究论文
0 下载量
64 浏览量
2021-03-05
13:43:47
上传
评论
收藏
203KB
PDF
举报
温馨提示
立即下载
基于不完备模糊规则库的信息融合故障诊断方法
资源推荐
资源评论
故障诊断的信息融合方法
浏览：157
<p>对基于信息融合的故障诊断方法进行综述.首先简要阐述信息融合的基本概念以及信息融合与故障诊断的关系;然后介绍贝叶斯定理融合故障诊断,模糊融合故障诊断,证据理论融合故障诊断,神经网络融合故障诊断和集成信息融合故障诊断方法的诊断原理与步骤,并分析其特点和局限性;最后给出了信息融合故障诊断研究的若干发展方向.</p>
基于信息融合的发动机故障诊断
浏览：69
故障诊断技术是实现航空发动机视情维护、降低使用维护成本、保证飞行安全的重要手段，已成为航空动力技术领域的研究热点。本文围绕信息融合技术开展了航空发动机故障融合诊断研究，包括发动机气路部件性能故障诊断、传感器故障融合诊断、发动机部件故障定性融合诊断、定量融合诊断和发动机部件故障交叉融合诊断。
基于信息融合的数控机床故障诊断方法研究
浏览：13
基于信息融合的数控机床故障诊断方法研究，谭继文，文妍，由于数控机床结构的复杂性以及子系统间的耦合关系，增加了其故障诊断的难度。本文提出了一种基于多层次信息融合的数控机床故障诊
故障诊断的信息融合方法 (2007年)
浏览：35
对基于信息融合的故障诊断方法进行综述。首先简要阐述信息融合的基本概念以及信息融合与故障诊断的关系；然后介绍贝叶斯定理融合故障诊断、模糊融合故障诊断、证据理论融合故障诊断、神经网络融合故障诊断和集成信息融合故障诊断方法的诊断原理与步骤。并分析其特点和局限性；最后给出了信息融合故障诊断研究的若干发展方向。
基于模糊信息多级融合的故障诊断* (2008年)
浏览：156
进一步提高综合故障诊断的可靠性，提出一种基于模糊信息多级融合的故障诊断方法，在传统模糊信息融合故障诊断的基础上，将各级诊断数据重新融合后再进行系统的综合故障诊断．对船舶主动力系统故障诊断的应用表明，该方法较传统方法更准确有效，在局部传感器误检的情况下仍作出了准确的故障诊断，可为提高大型系统故障诊断的可靠性提供有益的借鉴．
模糊信息融合在带式输送机故障诊断中的应用
浏览：73
针对带式输送机故障诊断过程中单个传感器获得的信息具有不确定性和局部性的问题,提出了一种基于多传感器模糊信息融合的故障诊断方法。该方法将温度、粉尘和烟雾传感器所获得的带式输送机信息模糊化,经过融合中心的...
电信设备-基于专家规则库和多源故障信息的事件级故障诊断方法.zip
浏览：39
电信设备-基于专家规则库和多源故障信息的事件级故障诊断方法.zip
基于日志关联规则挖掘和模糊推理的集群系统故障预测方法
浏览：104
基于日志关联规则挖掘和模糊推理的集群系统故障预测方法，董婧，邱雪松，随着集群系统规模和复杂性的不断增长，故障的发生已经成为一种常态。故障预测是一种有效的可靠性主动管理和失效预防机制。针对现
论文研究-一种基于精简的模糊规则库的分类算法.pdf
浏览：82
结合模糊聚类和粗糙集提出了一种基于精简的模糊规则库分类算法。对于数值型样本数据,首先采用模糊聚类生成模糊规则库,然后运用粗糙集理论对样本属性进行约简,删除冗余规则,即可得到精简的模糊规则库,以方便进行分类...
基于信息融合的模拟电路故障诊断方法分析
浏览：41
基于信息融合的模拟电路故障诊断方法分析，记述了模拟电路故障诊断方法的应用
基于信息增量矩阵的故障诊断方法
浏览：57
基于信息增量矩阵的故障诊断方法
基于多源信息融合的异步电机故障诊断
浏览：25
针对异步电机的单一故障诊断模型易出现错判、误判问题,引入了1种基于改进证据理论的多源信息融合方法。通过采用蚁群神经网络、BP网络以及Elman网络分别作为电机故障诊断的初级模块,并将其输出结果作为证据理论的独立证据体,再由改进证据理论进行信息融合决策。仿真实例表明,该方法可充分利用不同数据源的冗余互补信息,具有更高的诊断准确性。
基于信息融合的故障诊断模糊专家系统的应用 (2004年)
浏览：28
随着设备故障复杂性的提高，以往所采用的专家系统故障诊断方法已无法给出准确的判断。根据实际应用的需要，提出了一种基于信息融合思想的模糊理论与专家系统相融合的方法来解决电厂设备的故障诊断问题。在吉林丰满水电数字仿真系统中的应用表明：该融合系统由于采用多传感器对设备进行在线监测，所以比传统诊断方法减少了错判和漏判的几率，增加了对判的比率。该方法简单易行，具有较强的通用性。为电厂的故障诊断提供了较好的模型
基于流向图的不完备故障诊断知识表示方法
浏览：119
基于流向图的不完备故障诊断知识表示方法，黄文涛，许志铭，现有的故障诊断知识表示方法在故障诊断信息不完备时，都具有一定的缺陷。本文在Pawlak所提出的流向图的基础上，研究运用流向图表示
基于证据推理规则的信息融合故障诊断方法
浏览：144
基于证据推理规则的信息融合故障诊断方法
论文研究-基于改进证据理论和神经网络的故障诊断模型.pdf
浏览：132
针对单一故障诊断方法精度低的问题，提出了一种基于D-S证据理论和神经网络相融合的决策层融合故障诊断模型。该方法利用证据理论来处理不精确的、模糊的信息，用神经网络来处理证据理论中的基本可信度分配问题。由于...
基于优化模糊Petri网的矿用变压器故障诊断
浏览：83
针对用于矿井中有煤尘而无爆炸危险的地方、以油浸式为主的变压器,提出了一种基于优化模糊Petri网的矿用变压器故障诊断模型。根据故障征兆与故障之间的关系,利用模糊产生规则来建立故障诊断模型;利用Elman网络算法的...
基于信息融合技术的电网故障诊断方法 (2009年)
浏览：61
利用采样数据间的相互关系，以电网元件相关先验概率为基础，通过D-S(Dempster-Sharer)证据理论对检测的故障信息进行融合，获取缺失数据发生的概率；同时，将概率的概念引入Petri网建模，将获取的状态概率值代入概率Petri网故障诊断模型进行故障的诊断，以解决电网故障诊断过程中的信息不完备问题．实例证明，该方法可扩充电网故障的诊断范围，保障电力系统安全运行．
基于信息融合和M-RVM的变压器故障诊断方法
浏览：52
针对仅以油中溶解气体数据为主要依据的变压器故障诊断方法信息量不足以及传统证据理论的缺陷问题，研究了基于信息融合和多分类相关向量机(M-RVM)的变压器故障诊断模型。首先，将油中溶解气体分析数据与电气试验数据作为诊断模型的输入特征量向量，更真实地反映变压器的故障信息。然后，采用4个M-RVM作为分类器，对故障进行初步诊断，并将诊断结果分别转化为证据融合所需证据体，同时引入兰式距离函数与光谱角余弦函数
基于K近邻证据融合的故障诊断方法
浏览：109
基于K近邻证据融合的故障诊断方法
基于智能信息融合的变压器故障诊断
浏览：4
提出将模糊理论、神经网络、遗传算法和信息融合技术相结合,建立基于智能信息融合的故障诊断模型,有效地利用已有的经验知识和各种状态信息,主客观证据相融合,应用到变压器故障诊断中,实例证明此方法是有效可行的,实现了对变压器更准确可靠的诊断。
基于时序信息的模糊Petri网电网故障诊断方法
浏览：184
模糊petri网电网故障诊断 Petri网仿真建模应用实例 科技发展提高了对系统性能的要求，加剧了系统姐成结构的复杂程度，促使研巧者 也不断提出了模糊Ｐｅｔｒｉ网（ＦｕｚｚｙＰｅｔｒｉＮｅｔ）、概率...
基于模糊Petri网和BP-ACO的变压器故障诊断
浏览：132
针对油浸式变压器的故障诊断问题,提出了一种基于模糊Petri网模型和蚁群优化BP神经网络(BP-ACO)的变压器故障诊断方法。首先,定义一个十元的模糊Petri网结构并根据产生式规则和推理算法构建了故障诊断模型。然后采用BP...
论文研究-基于入侵防御系统的完备化规则库.pdf
浏览：82
对于目前入侵防御系统（IPS）中规则库日益增大并且无法完备的特点，提出了一套完备化规则库系统。通过对网络操作行为的分解和对各种数据的挖掘，形成最基本最小的网络行为语言描述单元（网络行为描述DNA），再使用...
基于流向图法的不完备故障诊断知识表示
浏览：29
基于流向图法的不完备故障诊断知识表示，黄文涛，薛云飞，在现有的故障诊断知识表示方法中，广泛应用的产生式规则表示方法并不适合包含不完备信息的故障诊断问题，本文结合不完备信息下的
评论
收藏
内容反馈
立即下载
资源评论
资源反馈
评论星级较低，若资源使用遇到问题可联系上传者，3个工作日内问题未解决可申请退款~
联系上传者
评论
weixin_38710127
粉丝: 5
资源:
921
私信
上传资源 快速赚钱
我的内容管理
展开
我的资源
快来上传第一个资源
我的收益
登录查看自己的收益
我的积分
登录查看自己的积分
我的C币
登录后查看C币余额
我的收藏
我的下载
下载帮助
前往需求广场，查看用户热搜
最新资源
人工智能+深度学习+学习框架
6 多元函数微分学.zip
orangepi zero h3 kernel源码下载百度云链接，真实有效，可用！而且是我适配后的
尝试一下数据的传输，随便一个文件
如何使用C语言实现一个简单的文本编辑器，可以添加、删除和显示文本？
Oracle-RAC维护.doc
DigilentFTDO下载器制作工具
.gif动态图制作工具软件，ScreenToGif
CFA学习资料（2024最新考纲，包含全部十个科目的讲义、思维导图及练习题）
绘制爱心(1).zip
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
安全验证
文档复制为VIP权益，开通VIP直接复制
信息提交成功
