基于模糊分割的移动自组织网络故障检测算法

针对现有移动自组织网络故障检测算法精度较低、延时较大的问题,提出了一种基于模糊分割的检测算法ANFD(Ad hoc Networks Fault Detection)。ANFD算法以网络数据包与检测消息作为检测工具,通过模糊分割方法对接收到的信息进行处理,最终通过时频域方法进行故障分割,实施最终的故障识别。仿真试验证明,ANFD算法较之其他算法具有较高的故障检测精度、较短的响应延迟,并且具有较低的消息复杂度和内存消耗。     

基于环状检测器的WSN节点异常度双向多重检测方法

双向多重检测一直是WSN节点异常检测的难点,结合人工免疫原理提出了基于环状检测器的WSN异常度双向多重检测方法,引入人工免疫原理,设计了环状检测器,利用环状检测器能够实现对异常信号的分级,并根据小波包提取信息的异常特征信号,结合设计的环状检测器进行检测,无需知道异常信号的参数和特点,只要有正常的信号样本就能对WSN节点的早期故障进行检测,实时预警;以美国Crossbow公司生产的内置震动传感器的WSN节点进行测试,测试结果表明,环状检测器在选择合适的内径和外径后,能够准确地对WSN节点的异常进行检测,检测准确率高达95%以上,比传统系统准确率提高了35%左右,满足了WSN系统对WSN节点准确检测的要求,有效地解决了传感网络节点异常双向检测的问题。     

基于小波分析的RAIM算法卫星故障检测研究

作为一种传统的卫星故障诊断方法,RAIM在卫星故障监测中发挥着重要作用;文中基于奇偶矢量RAIM算法,提出一种基于小波分析的RAIM算法的卫星故障检测方法;首先利用Haar小波分解,对卫星故障信号进行小波变换处理,提取故障信号特征,通过在不同尺度的奇异性变化找到信号突变点,然后将检测结果反馈给RAIM算法进行故障检测,对不同条件下的卫星故障进行故障检测性能进行分析;仿真实验表明,该算法提高了系统故障检测的准确性,降低了误警率。     

高速移动错位下的列车通信参数精确检测

高速移动列车错位通信条件下,列车信号模糊程度增强,导致传统基于信号特征的列车通信参数检测算法无法准确分析列车通信参数,具有一定的局限性。提出一种基于改进卡曼尔滤波算法的高速移动错位下列车通信参数检测方法,分析了列车快速移动过程中最佳通信节点的定位,对最佳列车节点进行融合,获取最佳列车通信参数,采用改进的卡尔曼滤波算法,得到一系列递推检测算法,建立信号以及噪声的状态空间模型,依据前时刻的列车通信参数检测值和当前时刻的检测值,对高速移动错位下列车通信参数变量检测值进行修正,及时更新改进卡曼尔滤波算法检测噪声的协方差,实现高速移动错位下列车通信参数的准确检测。实验检测结果表明,所提方法的可准确检测高速移动错位下的列车列车通信参数,具有较高的效率和精度。     

基于RBF网络的断路器电流自适应保护研究

针对传统断路器电流保护方法存在受系统运行方式影响、整定困难、智能化低等问题,本文提出了基于RBF的断路器电流自适应保护算法,并给出了算法的模型。该算法融合了RBF神经网络的故障检测和电流自适应保护。首先通过RBF网络检测负载线路的电流故障,然后用电流自适应算法进行保护。在对神经网络进行训练时,利用PSO算法对RBF神经网络的参数进行优化以此来提高网络的泛化能力和学习能力;然后采用优化后的PSO-RBF神经网络对电流故障进行诊断。实验表明,该算法较大地提高了断路器智能化管理水平。     

基于优化YOLOv4算法的行驶车辆要素检测方法北大核心CSCD

随着车辆数量的急剧增加,带来了一系列管理问题,智能交通系统是一种有效的解决方式。由于传统的目标识别方式受天气、距离、角度、光照等因素的影响较大,且基于原YOLOv4算法的驾驶员面部、手部等信息检测的准确率不高,提出一种基于优化YOLOv4算法的检测定位方法。在给原YOLOv4网络增加一个更小的检测尺度的同时,使用模糊ISODATA动态聚类算法对先验框数目进行优化,并使用真实十字路口数据集进行实验。实验证明,优化后的网络在训练集中的类间平均准确率为98.56%,检测帧频为41.43帧/s,均高于原网络。     

结合危险理论的故障检测免疫模型

为了实现快速准确的网络故障检测与诊断,将危险理论与动态克隆选择算法相结合,提出了用于网络故障检测的危险理论免疫模型;并针对网络故障特点,对危险理论与动态克隆选择算法进行了改进;首先采用危险理论模型对抗原进行危险信号浓度识别,并利用成熟检测器检测已知故障类型,其次用改进的动态克隆选择算法对未知故障进行有效的学习;通过对多种网络故障类型检测的仿真实验,证明了新模型不仅具有更好的检测效果和动态适应性,而且能够提高检测效率与准确率。     

基于贝叶斯决策的电传飞控系统状态监测与健康管理

针对飞控系统早期故障信号的微弱性和不易检测性,提出了一种基于贝叶斯决策的飞控系统状态监测和健康管理新算法;采用最大似然估计法对故障特征向量概率密度函数进行参数估计,监测飞控系统故障特征概率密度分布相对于正常状态的偏离,将不易检测的故障信号转化为容易观测到的偏离信息,实现飞控系统状态的健康评估;以某型电液伺服作动器为例,采用上述方法对其进行状态监测和健康管理,仿真结果证明了该方法的可行性和有效性。     

结合卷积神经网络的浅海有源探测信道匹配

信道匹配方法在有源探测领域是一种重要的提升检测信噪比的方法。针对非确知海底参数环境下的有源探测信道匹配问题,提出一种结合卷积神经网络进行信道匹配的算法。该算法基于海底参数扰动开展声场仿真生成卷积网络训练数据;首先通过分类网络将信号按照海底底质类型分类,在每个分类区间内采用单独的卷积网络反演海底参数;然后结合声场模型估计信道传递函数,进行信道匹配,从而在非确知环境下抑制多途影响,提升回波检测能力。仿真与实验结果表明,该算法能够在不确知海底环境条件下,有效估计信道传递函数,实现信道最优化匹配,在实验条件下可提高回波检测信噪比4 dB左右。相比传统方法,该算法可以在海底参数不确知条件下对低接收信噪比的信号实现信道匹配,同时不需要高信噪比的实验参考信号,有效提高了信道匹配方法的环境宽容性。      

倒谱参数稀疏分解下的汉语音谎言检测

为了提高汉语语音的谎言检测准确率,提出了一种对信号倒谱参数进行稀疏分解的方法。首先,采用小波包滤波器组对语音信号进行多频带划分,求得子频带对数能量并进行离散余弦变换以提取小波包频带倒谱系数,结合梅尔频率谱系数得到倒谱参数;其次,依据K-奇异值分解方法分别利用说谎和非说谎两种状态下的语音倒谱参数集训练得到过完备混合字典,在此字典上根据正交匹配追踪算法对参数集进行稀疏编码提取稀疏特征;最终进行多种分类模型下的识别实验·实验结果表明,稀疏分解方法相比传统参数降维方法具有更好的优化性能,本文推荐的稀疏谱特征最佳识别率达到78.34%,优于其他特征参数,显著提高了谎言检测识别准确率。      

基于PLC的环境模拟系统温度控制算法的研究与实现

针对环境模拟试验温度控制系统中被控对象存在的非线性、时滞等特点,本文采用区间限幅PID控制算法和模糊PID控制算法对传统控制方法进行了改进。首先为了解决模拟量三通粗调阀调节缓慢的缺点,建立了区间限幅PID控制算法的控制规则表,并将其在PLC中实现。其次提出用模糊PID控制算法来解决电加热器的非线性、大时滞性问题,并结合实际控制经验建立了模糊控制规则表,然后将模糊PID控制算法在PLC中进行实现。最后将限幅PID和模糊PID控制算法应用于某大型环境模拟试验控制系统,实验结果表明利用改进算法对温度控制具有良好的稳定性及精确度。     

基于改进神经网络算法的PM2.5污染信号分析检测

当前为了保证污染信号分析的精度,在对PM2.5污染进行检测的过程中,需处理的数据量过大,导致经典神经网络方法遇到矛盾数据时,需要花费大量的数据校验时间,收敛速度下降,检测效率大幅降低,提出一种基于改进神经网络算法的PM2.5污染检测方法,在分析标准神经网络算法的基础上,允许信号跳变精确度范围内,在层与层之间引入容错性变量,同时在计算阈值的过程中融入松弛变量,提高收敛速度;避免神经网络陷入局部最优解。采用改进神经网络算法,通过不断调整网络的权值以及污染阈值,对PM2.5污染信号进行高效检测。以飞利浦公司的新一代检测系统为测试器材,测试结果表明,采用所提方法得到的PM2.5污染检测效率明显提高。     

电机温度时滞耦合系统自抗扰控制仿真研究

电机温度过高会造成绝缘性能老化,电机安全性能下降。电机控制系统是典型的非线性系统,电机温度也因此具有时滞性和耦合性的特点,难以建立准确的数学模型。传统的方法对电机温度的控制精度较差,从而导致电机温度失控。为此,提出基于BP神经网络自抗扰控制算法的电机时滞耦合关系下温度控制方法。将BP神经网络与PID控制方法相结合建立电机温度网络自抗扰控制器模型,利用梯度下降法修正电机温度控制器模型的权值系数,从而实现了BP神经网络自抗扰控制器参数的实时调整。实验结果表明,利用BP神经网络自抗扰算法进行电机时滞耦合关系下温度调整,能够有效提高控制的精确度,缩短了控制过程中的时间延时。     

Asymmetric delay feedback stochastic resonance detection method based on prior knowledge particle swarm optimization

For the adjustable parameters stochastic resonance system, the selection of the structural parameters plays a decisive role in the performance of the detection method. The vibration signal of rotating machinery is non-linear and unstable, and its weak fault characteristics are easily concealed by noise. Under strong background noise interference, the detection of fault features is particularly challenging. Therefore, a type of weak fault feature extraction method, named knowledge-based particle swarm optimization algorithm for asymptotic delayed feedback stochastic resonance (abbreviated as KPSO-ADFSR) is proposed. Through deduction under adiabatic approximation, we observe that both the asymmetric parameters, the length of delay and the feedback strength, impact the potential function. After adjusting the asymmetric parameters of the system, the output signal-to-noise ratio (SNR) is used as the fitness function, and the setting of the relationship between the noise intensity and barrier height is used as the prior knowledge of the particle swarm algorithm. Through this algorithm, the delay length and the feedback strength are optimized. This method achieves global optimization of system parameters in a short time; it overcomes the shortcomings of the traditional stochastic resonance method, which has a long convergence time and tends to easily fall into local optimization. It can effectively improve the detection of weak fault features. In the bearing rolling body pitting corrosion failure experiment and steel field engineering experiment, the proposed method could extract the characteristics of a weak fault more effectively than the traditional stochastic resonance method based on the standard particle swarm algorithm.     

智能故障指示器实现技术研究

传统故障指示器在现场只记录采集信息,不能有效进行现场故障分析和判断,故障分析判断的延迟较大,故障判断的准确率较低。论文引入周期滤波方法,消除工频信号对采样的影响,利用微分符号统计和最大值统计方法,获得小电流接地系统暂态过程的纯净波形和峰峰值,采用基于聚类分析的故障判断策略,及时准确地判断供配电网络故障,上报故障集控中心综合处理,提高电网运行的可靠性,同时实现故障指示器采集信息的现场分析处理。     

开放网络环境下软件安全性测试技术研究

在开放网络环境下软件容易受到攻击,导致软件故障,需要进行安全性测试,针对无监督类测试方法开销较大和复杂度较高的问题,提出一种基于半监督自适应学习算法的软件安全性测试方法。首先采用模糊度量原理构建软件安全测试的半监督学习数学模型,分析软件产生安全性故障的数组特征,然后通过软件故障的熵特征分布方法进行软件的可靠性度量,在开放式网络环境下建立软件可靠性云决策模型,实现安全性测试和故障定位。最后通过仿真实验进行性能验证,结果表明,采用该方法进行软件安全性测试,对软件故障定位的准确度较高,测试的实时性较好,保障了软件的安全可靠运行。     

基于GA参数整定的时变时滞系统灰色预测控制

针对一类数学模型未知且存在时变时滞的复杂系统,提出一种基于遗传算法参数整定的灰色预测控制方法。该方法采用BP神经网络对系统的时变时滞进行辨识,利用灰色预测算法对系统的输出进行预测,进而使用基于遗传算法整定PID控制器对系统进行输出反馈控制。该方法将灰色预测算法与遗传算法相结合,有效提高了控制器的自适应性。通过仿真实例,结果表明该方法能够对具有大时滞、大惯性、模型不确定等特点的复杂系统进行有效地控制。该方法是可行的、有效的。     

机载位移传感器故障检测与信号重构

为了避免机载系统故障诊断与重构中单纯增加余度数目所带来的问题,针对电传飞控系统中应用较多的位移传感器,提出了一种基于特征的检测电路、检测方法以及信号重构方案。方案基于位移传感器工作时两次级线圈回路电压和值恒定的特征,实现了对初级、次级回路的一次断线检测,在检测到次级线圈一次断线时,又利用正常工作特征并根据另一次级线圈所获得的信息对断线信号进行重构。分析和测试表明,所提出的位移传感器故障检测以及重构算法仅需增加极少的硬件电路,且检测及重构方法实时性高,在不增加传感器余度数目的条件下,能大大提高系统的可靠性。     

LabSView平台下电动起吊推车控制系统设计

针对当前电动起吊推车控制方法,采用模糊人工控制准确定位和智能控制性不好的问题,在LabSView平台下进行电动起吊推车控制系统优化设计,提出基于多线程串口非线性严格反馈的电动起吊推车控制系统设计方法。控制系统分为硬件设计和软件设计两大部分,系统总体构架分为数据采集模块、控制陀螺仪模块、执行器模块、上位机通信模块和人机交互模块等,根据模糊PID控制律进行电动起吊推车控制算法设计,以ADSP-BF537作为主控芯片进行控制器硬件设计,在LabSView平台下进行控制算法程序加载,实现软件开发设计。系统测试结果表明,采用该系统进行电动起吊推车控制,灵敏度较高,控制收敛误差较低,鲁棒性较好。