导读:本文包含了模糊积分融合论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:模糊,积分,神经网络,永磁,故障诊断,目标,鱼群。
模糊积分融合论文文献综述
田富国,汪庆华,贾康,邓东花[1]（2019）在《BP神经网络与Sugeno模糊积分融合的转子系统故障诊断》一文中研究指出目的针对BP神经网络对转子故障诊断方法存在的局限性,提出一种融合Sugeno模糊积分和BP神经网络的转子故障轴心轨迹识别诊断方法。方法首先利用轴心轨迹图像的不变矩为特征向量,提取常见旋转机械转子故障特征,随后利用多个BP神经网络对故障类型进行识别,最终采用Sugeno模糊积分对BP神经网络识别结果进行决策,从而构建转子故障诊断模型,并应用于转子系统故障的诊断。结果通过机械故障仿真模拟实验平台采集了6种常见转子系统故障信号,利用matlab2012a软件编程建模仿真处理,试验表明,该模型有效地提高了转子系统多类别故障的识别正确率。同时,该方法对同一故障类型识别所需样本少,大大节省了数据获取和处理的时间。结论该方法提出并用于转子系统故障诊断中,诊断准确性高,可靠性强,利用样本数据量少,节约时间,对小样本数据的故障诊断有着良好的效果。(本文来源于《装备环境工程》期刊2019年10期）
马生全,彭德军,赵志青,沈君[2]（2018）在《Sugeno型模糊复集值积分在分类器融合中的应用探析》一文中研究指出提出Sugeno型模糊复集值积分概念,概括其基本性质,以Sugeno型模糊复集值积分为工具,重点研究在分类器融合中应用的细节问题,并以2个具体实例给出操作实施步骤进行。结果显示:这种Sugeno型模糊复集值积分融合算法具有明显的优越性,采用双向隶属评价和模糊推理方法来进行案例最终分类,体现了分类的客观性、全面性,达到分类的较佳效果。(本文来源于《模糊系统与数学》期刊2018年06期）
常志朋,陈立荣[3]（2017）在《多源异构数据环境下基于模糊积分融合的公租房退出方法》一文中研究指出为有效解决公租房退出问题,提出一种基于多源异构数据的模糊积分融合退出方法,该退出方法首先给出一种多源异构数据的同构化方法,然后针对常用模糊测度确定方法原理复杂、计算困难的问题,提出一种原理简单、易于计算的模糊测度确定方法,该模糊测度确定方法利用单个属性的相对重要程度和两两属性之间的交互度计算单个属性的全局重要程度,最后,根据模糊测度的单调性和有界性通过专家逐级打分计算各子属性集的重要程度。实例验证表明所提出的退出方法可行、有效。(本文来源于《运筹与管理》期刊2017年07期）
李强,寇建华,徐贺,白冰[4]（2017）在《基于极限学习机与模糊积分融合的机器人地面分类》一文中研究指出为了提高移动机器人地面分类的准确率,采用奇异值分解和功率谱密度估计两种方法对振动信号进行特征提取。针对极限学习机的隐层节点冗余问题,给出改进的算法,并采用改进的极限学习机对地面分类。针对模糊积分参数耗时和积分函数不确定的问题,给出改进的方法,并基于2种特征采用改进的模糊积分对2个改进的极限学习机进行融合。在四轮移动机器人左前轮轮臂上安装叁向加速度计和z向传声器,使之在沙、碎石、草、土、沥青地面上分别以5种速度行驶,采集车轮与地面相互作用的加速度和声压信号。根据改进的极限学习机和模糊积分融合算法,分别对每种速度下的5种地面进行分类,分类平均准确率为95.22%。实验验证了算法的有效性。(本文来源于《哈尔滨工程大学学报》期刊2017年04期）
荆盼盼,袁桂华,张瑞芳,张英杰,李振凯[5]（2016）在《基于模糊积分融合理论的电网故障诊断策略研究》一文中研究指出针对电力系统自动化水平不断提高、广域测量技术高速发展的现状,提出一种综合电气故障信号电气量、开关量的多数据源信息融合的电网故障诊断方法。该方法将电气量诊断结果和开关量诊断结果相结合,对电气量采用小波分析提取故障奇异度、故障诊断度;开关量采用时序贝叶斯网络理论建立诊断模型进行诊断,得到各个元件的故障表征。最后,通过模糊积分理论对求得的元件故障概率进行多源信息的融合得出电网故障诊断决策。仿真计算表明,该策略能够将电气量和开关量的故障诊断信息进行融合,得到精确的故障诊断结果。(本文来源于《山东电力技术》期刊2016年11期）
张永强,马宪民,梁兰[6]（2016）在《基于RBF的模糊积分多传感器数据融合的刮板输送机电机故障诊断》一文中研究指出刮板输送机是煤矿井下重要的开采设备之一,简要分析了现阶段刮板输送机的故障诊断现状,针对刮板输送机故障种类繁多,相互影响大且不易诊断的问题,根据多传感器数据融合理论,提出了RBF和模糊积分相结合的刮板输送机故障诊断数据融合方法。在特征级采用RBF,可以对同类传感器采集的数据进行快速学习和收敛,得到同源数据对每一类故障的模糊测度,以便在高维空间内进行同源数据的线性可分。决策级采用模糊积分理论利用该模糊测度通过模糊积分计算,获得刮板输送机故障信息的预测结果,该方法具有较好的容错性,简化了冗余信息,降低了故障相互影响的关联性。刮板输送机减速器电机故障的诊断研究表明,文中所提出的方法有助于克服故障类型的不确定性,在整体上确保故障数据的完备性,正确地判定故障的类型,提高了故障诊断的准确性。(本文来源于《西安科技大学学报》期刊2016年02期）
邹晴,钮焱,李军[7]（2015）在《基于模糊积分的多分类器融合文本分类研究》一文中研究指出提出一种基于模糊积分的多神经网络分类器融合文本分类方法,利用Sugeno模糊积分作为融合工具,将BP神经网络、RBF神经网络及采用K-means算法的RBF神经网络等多种文本分类器相结合,取得了更加优化的中文文本分类结果。(本文来源于《湖北工业大学学报》期刊2015年02期）
米丽萍[8]（2015）在《基于模糊积分的多源信息融合及目标融合识别方法》一文中研究指出针对目标融合识别问题,在引入模糊测度和模糊积分这两个基本概念的基础上,提出了一种基于模糊积分的多源信息融合及目标融合识别方法.给出了一种模糊测度的构造方法,建立了基于模糊积分的通用信息融合算法流程,在此基础上,详细给出了基于模糊积分的融合识别原理及求解过程.实验结果证明了模糊积分运用于多源信息融合及目标融合识别的可行性与有效性.(本文来源于《中北大学学报(自然科学版)》期刊2015年02期）
吴东娅,卢焕章,李鑫[9]（2014）在《基于动态模糊积分的决策层融合识别算法》一文中研究指出模糊积分是一种常用的信息融合方法,融合中最关键的问题是确定反映各信源重要程度的模糊测度。在此将该算法用于多传感器目标识别系统,首先介绍了Choquet模糊积分以及模糊测度的定义,再建立了基于动态模糊积分的决策层融合目标识别模型,将该过程转化为多个传感器的身份识别结果关于各自重要程度的广义Lebesgue积分。目前已有的确定模糊测度的方法几乎都只利用了训练样本的先验知识,适应性较差,难以全面地反映问题。该文在此基础上提出了一种基于动态模糊积分的决策层融合算法,可在判决过程中对结果进行动态的自适应修正,并给出了具体衡量各传感器重要程度的标准和方法。(本文来源于《现代电子技术》期刊2014年22期）
刘芳璇,崔晶,李益民[10]（2014）在《基于算法融合模糊微分积分滑模的无速度传感器永磁同步电机运行研究》一文中研究指出为研究永磁同步电机(PMSM)在无速度传感器工况下的速度跟踪估计,以PMSM的工作原理为基础,建立了内埋式PMSM的数学模型。基于模糊微分积分滑模(FDI-SMC)鲁棒性强的优点,提出了在鱼群-蚁群(AFSA-ACA)融合算法优化滑模控制器参数条件下采用旋转高频电压注入法对电机转速进行估计的无速度传感器控制方案,并分析了电机在高低速运行时特点。仿真结果表明,采用融合算法优化控制器结构参数并结合高频注入法的模糊微分积分滑模控制系统在高、低速工况下运行时稳定可靠,并具有较好的鲁棒性,能够实现速度跟踪估计。(本文来源于《组合机床与自动化加工技术》期刊2014年10期）
模糊积分融合论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
提出Sugeno型模糊复集值积分概念,概括其基本性质,以Sugeno型模糊复集值积分为工具,重点研究在分类器融合中应用的细节问题,并以2个具体实例给出操作实施步骤进行。结果显示:这种Sugeno型模糊复集值积分融合算法具有明显的优越性,采用双向隶属评价和模糊推理方法来进行案例最终分类,体现了分类的客观性、全面性,达到分类的较佳效果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
模糊积分融合论文参考文献
[1].田富国,汪庆华,贾康,邓东花.BP神经网络与Sugeno模糊积分融合的转子系统故障诊断[J].装备环境工程.2019
[2].马生全,彭德军,赵志青,沈君.Sugeno型模糊复集值积分在分类器融合中的应用探析[J].模糊系统与数学.2018
[3].常志朋,陈立荣.多源异构数据环境下基于模糊积分融合的公租房退出方法[J].运筹与管理.2017
[4].李强,寇建华,徐贺,白冰.基于极限学习机与模糊积分融合的机器人地面分类[J].哈尔滨工程大学学报.2017
[5].荆盼盼,袁桂华,张瑞芳,张英杰,李振凯.基于模糊积分融合理论的电网故障诊断策略研究[J].山东电力技术.2016
[6].张永强,马宪民,梁兰.基于RBF的模糊积分多传感器数据融合的刮板输送机电机故障诊断[J].西安科技大学学报.2016
[7].邹晴,钮焱,李军.基于模糊积分的多分类器融合文本分类研究[J].湖北工业大学学报.2015
[8].米丽萍.基于模糊积分的多源信息融合及目标融合识别方法[J].中北大学学报(自然科学版).2015
[9].吴东娅,卢焕章,李鑫.基于动态模糊积分的决策层融合识别算法[J].现代电子技术.2014
[10].刘芳璇,崔晶,李益民.基于算法融合模糊微分积分滑模的无速度传感器永磁同步电机运行研究[J].组合机床与自动化加工技术.2014
论文知识图
