广西教育科学研究项目(201204LX506)
- 作品数：3 被引量：8H指数：1
- 相关作者：罗芳琼黄胜忠阮帅更多>>
- 相关机构：广西科技师范学院广西师范大学更多>>
- 发文基金：广西教育科学研究项目柳州师范高等专科学校科研基金更多>>
- 相关领域：自动化与计算机技术矿业工程更多>>
- 基于优化的粗神经网络在地质样品元素的预测研究
- 2014年
- 在神经网络中引入粗糙集理论和模糊聚类方法,实现建模预测。首先用粗糙集和模糊聚类进行属性约简,去掉冗余的属性。然后根据模糊逻辑规则获取合理的网络输入层、隐含层和输出层,建立优化的粗神经网络预测模型。该模型可以有效地去除神经网络中输入层的冗余神经元,合理地确定隐含层神经元的数目,使神经网络提高收敛性能,获得更好的非线性逼近能力。仿真实验结果说明:优化的粗神经网络预测模型,可提取有用信息,简化网络结构,减少训练时间,提高预测精度。在地质样品元素的预测实验中,取得了良好的效果。
- 黄胜忠罗芳琼陈旭明
- 关键词：粗糙集模糊聚类神经网络
- 基于RBF神经网络的连续采煤机故障诊断研究被引量：7
- 2013年
- 为了能够提高连续采煤机故障诊断的效率和精度,深入地研究了基于改进遗传算法的RBF神经网络在其中的应用。分析了连续采煤机的主要故障类型;分别研究了RBF神经网络的基本原理和改进遗传算法的基本原理;进行了连续采煤机故障诊断的实例分析,仿真结果验证了该故障诊断技术的有效性。
- 罗芳琼
- 关键词：RBF神经网络连续采煤机故障诊断
- 优化的粗神经网络在机械故障中的预测研究被引量：1
- 2013年
- 为了尽早发现机械故障,做到防患于未然,实施安全生产,在神经网络中引入粗糙集理论和模糊聚类方法,实现建模预测。首先用粗糙集和模糊聚类进行属性约简,去掉冗余的属性。然后根据模糊逻辑规则获取合理的网络输入层、隐含层和输出层,建立优化的粗神经网络预测模型。该模型可以有效地去除神经网络中输入层的冗余神经元,合理的确定隐含层神经元的数目,使神经网络提高了收敛性能,获得更好的非线性逼近能力。应用车床的机械振动采样数据进行仿真实验,结果说明:优化的粗神经网络预测模型,可提取有用信息、简化网络结构,减少训练时间,提高预测精度。在机械振动位移的采样数据预测实验中,取得了良好的效果,对于减少机械故障、实现安全生产、提高经济效益具有重要意义。
- 黄胜忠阮帅陈旭明
- 关键词：粗糙集模糊聚类神经网络机械故障
