暂无评论
针对电网故障诊断中存在的信息具有不确定性的问题,依据元件故障、保护动作和断路器跳闸之间的内在逻辑关系,由Noisy-Or和Noisy-And节点组成贝叶斯网络和采用类似训练多层前馈神经网络的误差反传算
基于粗糙集理论和贝叶斯网络的电力变压器故障诊断方法
基于粗糙集与神经网络的故障诊断研究一篇杂志论文,可以下来看看
论文研究-基于粗糙集的民航飞机故障诊断规则获取方法.pdf,
针对现有的故障诊断技术在应用于电力变压器故障诊断中,存在的冗余信息过多、诊断结果不准确等不足之处,将粗糙集理论与信息融合技术相结合,先利用粗糙集理论对故障系统前期数据进行最大限度的约简,再采用证据理论
建立一个完整的案例推理系统, 提出一种高效的案例检索方法和一种案例调整策略. 在案例检索过程中, 提 出一种基于贝叶斯粗糙集的属性权重确定算法, 在此基础上利用最邻近法检索出与当前案例最相似的一组案例
针对复杂系统发生故障时告警信号间的时序约束关系,提出一种时间贝叶斯Petri网模型(TBPN),并基于该模型提出一种复杂系统的溯因故障诊断方法。该方法首先对观测到的告警信息建立时间Petri网,随后将
基于贝叶斯网的分层网络故障诊断,王占孔,王学丽,本文以SNMP网络管理模型的管理信息库(MIB)为基础,在不同层次上构建了用于故障判别与定位的贝叶斯网络。对MIB变量采用自适应自回归(
基于贝叶斯网络的Internet故障诊断技术研究,田春岐,李光耀,随着Internet服务种类的增多,服务出现故障的情况也日益凸显。服务故障起因非常复杂,从终端故障到网络故障、从软件故障到硬件故障�
为了提高旋转设备故障诊断的准确率,提出了基于粗糙集和最小二乘支持向量机(LSSVM)的旋转设备故障诊断方法,讨论了如何进行数据选择、离散及约简方法,用粗糙集提取出旋转设备故障诊断的关键征兆属性,降低数
暂无评论