诊断推理中人工神经网络与基于案例推理的结合

对基于人工神经网的诊断方法与基于案例推理的方法(Case-Based Reasoning, CBR)的结合进行了研究,提出了两种结合方案.针对CBR系统建立案例库索引这一难点,方案一利用人工神经网诊断分类器的诊断结果对案例库进行索引;方案二用人工神经网为待诊断对象建立模型,对正常的状态作出预测,通过预测值与实际测量值的差异对案例库进行索引.在作出最后诊断之前两种方案都利用CBR的推理结果对神经网的诊断结果进行检验和修正,从而给出更为精确、便于解释的诊断结果.经过实验对比验证,人工神经网与CBR方法的结合有效的弥补了它们在诊断推理应用中通常存在的局限.从诊断准确率、诊断速度以及诊断系统的自学习性等方面,都取得了优于传统人工神经网方法和CBR方法的性能,较好的完成了诊断推理工作.     

基于产生式规则的合理药疗医嘱智能系统研究

目的 从人工智能角度构建一种基于产生式规则的用药审查系统,以利临床合理用药审查.方法 用产生式规则作为合理用药的知识表示方式,并用数据表进行存储,使用宽度优先搜索的数据驱动推理算法进行规则搜索和匹配.结果 该系统很好地实现了治疗过程中的用药审查,达到临床合理用药目的.结论 用药审查系统具有知识和控制分离、产生式规则模块性等优点.     

基于中成药知识图谱的知识推理及智能推荐

目的/意义构建中成药说明书知识图谱,实现基于知识推理的智能推荐。方法/过程基于Py2neo结合Neo4j图数据库搭建知识图谱的技术,整理1 380种中成药信息并构建数据库,基于三元闭包算法实现知识推理,运用概率模型计算中成药推荐评分。结果/结论共形成实体概念11 103个,语义关系24种。构建了中成药智能推荐知识图谱,搭建中成药智能推荐平台实现中成药的准确推荐。实现中成药与知识图谱领域结合,为中医辅助诊疗提供方法借鉴,为进一步开展中成药知识可视化研究提供参考。     

基于支持向量机的化工过程故障诊断

引入了基于统计学习理论的支持向量机技术，以连续搅拌釜式反应器——CSTR模型为例，研究了非线性化工复杂反应过程的故障诊断问题。实验结果表明，支持向量机方法与传统故障诊断方法相比，具有更好的精度、速度以及适应性。     

焦炉立火道温度的智能集成软测量方法及其应用

在分析焦炉立火道温度特性的基础上,提出了一种基于线性回归(LR)和监督式分布神经网络(SDNN)的立火道温度智能集成软测量方法。通过特性分析提出了典型蓄热室的选取原则,并利用级数验证了选取的有效性。为反映蓄顶温度与立火道温度的关系,首先分别建立了一元、二元和十二元LR模型,并通过智能集成将3个模型的输出进行有机融合;然后在对样本监督式聚类后,利用SDNN获得各个子网的综合输出;最后由专家协调器协调LR和SDNN的输出,得到立火道温度的软测量值。实际运行结果验证了该方法的有效性。     

一种基于RBF神经网络的传感器故障诊断方法

针对传感器故障，提出了一种基于RBF神经网络的集成故障诊断方法，用RBF神经网络建立传感器故障模型，对系统的状态和故障参数进行在线估计，然后将故障参数与修正的Bayes分类算法（MB算法）相结合，进行传感器故障在线检测、分离和估计。对连续搅拌釜式反应器（CSTR）的仿真结果表明，该集成故障诊断方法能够对多重传感器进行故障进行快速准确的分离和估计，并对传感器故障具有容错性。     

改进的ANFIS方法在化工过程故障诊断中的应用

针对复杂的化工过程,在原有的自适应神经模糊推理系统(ANF IS)的基础上,结合主元分析和神经网络,提出了一种改进的自适应神经模糊推理故障诊断系统,并且分别将ANF IS和改进的ANF IS方法应用于TE(T ennessee E astm an)模型的故障诊断。两种方法均具有较高的精度,但改进的ANF IS具有运算速度快、结果清晰的优点,所以更适用于实际工业中。     

基于灰色理论的机械设备智能状态预测

提出了基于灰色理论并与神经网络有机结合的机械设备智能状态预测方法,着眼于机械设备“内在”规律的研究,根据机械设备自身历史数据建立动态微分方程,并预测自身的发展,具有数据量小,计算简单、预测准确的特点,该方法已在实际工程中应用,结果表明方法是行之有效的。     

PCA在过程故障检测与诊断中的应用

讨论了基于主无分析（PCA）的过程故障检测与诊断的原理,运用T^2统计、Q统计方法,结合贡献图对一典型过程进行了仿真分析,结果表明PCA方法可对简单传感器故障进行检测与诊断,并指出了该方法中的不足,提出了将PCA方法同基于过程动态模型的故障诊断方法相结合的研究思路。     

脉象人工神经网络分析系统模型

提出一种以人工神经网络为手段的脉象智能分析系统模型。由于脉象模糊性处理的要求,作者建立了其人工神经网络辨识系统。并且不以单一脉本身为处理对象,而考虑它是否是某些足以将其区分的特征的组合,设计了与此相适应的网络系统结构;通过对采样数据的实际处理,按照各特征网络训练的要求,形成了样本数据库;探讨了神经网络用于脉象分析的特点,系统分析结果证实了人工神经网络用于脉象分析的可行性和优势     

基于小波网络的非稳态故障诊断方法

针对现有ＢＰ网络在故障诊断中存在的缺陷，提出了利用小波函数构造故障诊断神经元网络，利用变尺度算法进行网络训练，加快了网络的训练速度。并交结果运用到一个ＣＳＴＲ非稳态故障诊断的过程中，仿真实例表明，小波网络较ＢＰ网络具有更好的故障诊断能力。     

基于支持向量机的故障诊断方法

提出了基于支持向量机的故障诊断方法和步骤。诊断实例表明，与神经网络故障诊断方法相比，诊断小样本分析的支持向量机故障诊断方法具有分类能力强、推广能力好的特点。     

基于改进的遗传算法优化支持向量机的精馏塔故障诊断

针对支持向量机（SVM）参数的选取困难,提出了利用改进的遗传算法（IGA）对其参数进行优化。IGA采用代沟选择和可变交叉概率,确保当前种群中最适应的个体总是被连续传播到下一代,并使进化后期优化的对象比较容易稳定,计算效率提高。将基于改进遗传算法优化的SVM（IGA-SVM）训练算法应用于某醋酸共沸精馏塔的故障诊断,仿真实验结果表明：对比标准GA-SVM算法,IGA-SVM算法对故障数据能够得到较优的分类辨识结果,且该算法训练速度更快,便于工程应用,对精馏塔的故障诊断有显著的指导作用。     

IPCA在故障检测与分离中的应用

针对现有ＢＰ网络在故障诊断中存在的缺陷，提出了利用小波函数构造故障诊断神经元网络，利用变尺度算法进行网络训练，加快了网络的训练速度。并交结果运用到一个ＣＳＴＲ非稳态故障诊断的过程中，仿真实例表明，小波网络较ＢＰ网络具有更好的故障诊断能力。