公开(公告)号：CN105528637A

公开(公告)日：2016-04-27

申请号：CN201510836062.0

申请日：2015-11-26

Applicant: 江南大学

Inventor： 赵宇 ,  李可 ,  陈鹏 ,  王华庆

IPC: G06N3/08

Abstract: 本发明涉及一种基于线性内插型模糊神经网络的诊断方法。具体包括以下步骤：采用可能性理论和Dempster & Shafer证据理论信息融合得出神经网络的学习知识来训练BP神经网络。将sigmoid激活函数线性化，预测设备故障状态的可能性来判断设备处于哪种故障状态。该方法有效解决了模糊特征参量与设备故障类型之间的关系。

公开(公告)号：CN105528637B

公开(公告)日：2018-06-22

申请号：CN201510836062.0

申请日：2015-11-26

Applicant: 江南大学

Inventor： 李可 ,  刘义亚 ,  赵宇 ,  陈鹏 ,  王华庆

IPC: G06N3/08

Abstract: 本发明涉及一种基于线性内插型模糊神经网络的诊断方法。具体包括以下步骤：采用可能性理论和Dempster & Shafer证据理论信息融合得出神经网络的学习知识来训练BP神经网络。将sigmoid激活函数线性化，预测设备故障状态的可能性来判断设备处于哪种故障状态。该方法有效解决了模糊特征参量与设备故障类型之间的关系。

公开(公告)号：CN105260582A

公开(公告)日：2016-01-20

申请号：CN201510835989.2

申请日：2015-11-26

Applicant: 江南大学

Inventor： 赵宇 ,  李可 ,  陈鹏 ,  王华庆

IPC: G06F17/50

Abstract: 本发明涉及一种基于最小二乘映射的机械故障特征参量优化方法，将用于机械设备在线监测和故障诊断领域。具体包括以下步骤：根据所要诊断的机械设备计算提取特征参量，并在特征空间构造特征矢量，再构造特征矢量由特征空间映射到判决空间的误差向量和总均方误差，根据总均方误差最小原则选择变换矩阵，最后用变换矩阵构造出新的特征参量。