搜索结果: 1-5 共查到“人工智能 故障检测”相关记录5条 . 查询时间(0.118 秒)
针对无刷直流电机驱动系统功率开关管故障诊断存在由于特征提取效果差而导致识别准确率低等问题，提出一种基于二维卷积神经网络2D-CNN（two-dimensional convolution neural network）自适应特征提取的故障检测方法，避免人工提取特征的复杂性及不确定性。以相电流作为故障敏感信号进行FFT预处理，并将一维数据转换为矩阵形式作为2D-CNN的输入数据，然后利用Adam优化...
使用免疫克隆选择机理的故障检测器优化
免疫算法 克隆选择 优化
2009/7/10
免疫算法产生的检测器集中，存在集合边界不清晰和个体分布不均匀的缺点。提出了一个免疫克隆选择检测器优化算法。通过对原检测器中个体的抗体克隆、变异和克隆选择操作，实现对检测器分布状况的优化。与其他免疫优化算法的对比仿真结果表明其不但具有较快的收敛速度和较好的稳定性，而且优化效果更为令人满意。
一种采用非己空间变异搜索的故障检测算法
变异搜索 阴性选择算法 故障检测
2009/6/30
针对故障检测中,现有阴性选择算法的不足,提出了一种基于非己空间变异搜索检测器的故障检测算法。该算法以非己空间为基础,依据生物遗传中变异的机制,以及体现免疫系统克隆选择的原理来训练检测器,对能检测出异常变化的经典阴性选择算法作了新改进。最后通过仿真表明了非己空间变异搜索算法在计算复杂度明显下降的同时,对故障检测的有效性和准确性有极大的提高。
一种基于滑模—神经网络观测器的故障检测和诊断方法
2007/12/13
Abstract本文针对一类非线性系统，提出了一种用于故障检测和诊断的滑模观测器方法．其
中，观测器中的滑模项保证了该系统在无故障情况时的鲁棒性，并且系统运行的滑动区域提供了故障检测的条件．当检测出故障之后，观测器中的故障估计部分被启动，利用RBF神经网络估计故障，从而能在线辨识故障的形态．仿真结果验证了该方法的有效性．
一类基于神经网络非线性观测器的鲁棒故障检测
2007/12/12
Abstract针对一类仿射非线性动态系统，提出了一种基
于神经网络非线性观测器的鲁棒故障检测与隔离的新方法．该方法采用神经网络逼近观测器
系统中的非线性项，提高了状态估计的精度，并从理论上证明了状态估计误差稳定且渐近收
敛到零；另一方面引入神经网络分类器进行故障的模式识别，通过在神经网络输入端加入噪
声项来进行训练，提高神经网络的泛化逼近能力，从而保证对被监测系统的建模误差和外部
扰动...