基于BP网络和专家系统的铝电解槽分层故障诊断

针对铝电解槽故障种类繁多和不易诊断的问题,设计了基于BP网络和专家系统的分层故障诊断系统,包括前层分类和后层预报;通过对槽电阻信号的频谱分析,提取了故障特征信息,并对故障进行分类;建立了基于BP网络的前层分类器,用于诊断特征显著的故障;制定了故障诊断和控制规则,完善了专家系统的知识库,根据前层分类结果对余下故障进行诊断;通过制定规则,将前层分类和后层预报相结合,实现了故障诊断系统的整体设计;仿真结果及理论分析表明,该系统可有效预报单一及复合故障,提高故障诊断的准确率,保证铝电解槽工作状况的稳定。     

基于GA特征选择和BP神经网络的模拟电路故障检测

针对模拟电路故障检测中存在测试节点数较多的问题,提出遗传算法与BP神经网络相结合的方法;利用遗传算法的全局、并行寻优能力对模拟电路的系统特征进行优化选择,从而减少BP神经网络输入层节点数;用MATLAB软件对仿真实例数据进行编程实验,直接使用BP神经网络,检测率为66.7%,采用遗传算法与BP神经网络结合的方法,检测率可为100%;结果表明,相对于传统的BP神经网络方法,该方法提高了模拟电路故障检测的平均正确率。     

基于改进BP神经网络的中央空调冷负荷预测研究

针对中央空调系统冷负荷预测中BP神经网络预测收敛慢,易陷入局部最优,精度相对低的缺点,采用了收敛速度快,全部搜索能力强的粒子群优化算法进行改进,同时对BP结构中的输入参数,添加控制误差反馈参数,形成了基于粒子群与控制误差回馈的BP神经网络预测技术;其预测精度较BP神经网络和粒子群BP神经网络分别提高5.94%和0.82%。     

基于VMTS的旋翼伺服作动器故障诊断过程可视化

为了解决直升机旋翼伺服作动器维修保障过程中训练资源有限,拆装难度高,故障率较高且难以确定故障点等难题,在直升机虚拟维修训练系统(VMTS, virtual maintenance training system)的基础上,提出了应用虚拟仪器检测,确定故障点的直升机故障诊断可视化设计方法;分析了故障诊断过程中仪器、工具、环境等对故障诊断的影响,实现了动态的建立仿真模型和数据处理;通过虚拟仪器和推理机的功能配合,解决了直升机维护中复杂多变的故障诊断难题,形成一个逻辑推理能力强的故障诊断系统;最后以直升机旋翼伺服作动器故障诊断为例,验证该方法的可行性。     

基于RTW的单相锁相环控制新方法研究

给出了一种基于DSP TMS320F2812和MATLAB实时代码生成工具(RTW)的单相整流器锁相环控制系统,介绍了MATLAB实时仿真控制系统的搭建过程和实际系统的硬件结构;并在此防控一体化控制平台上,介绍并改进了一种双坐标反馈方法设计锁相环的算法,首先利用Matlab/Simulink工具建立了算法模型,并给出了其仿真结果,结果显示功率因数基本为1;然后将仿真模型转换成实时代码,并将代码烧写到DSP控制实际系统中给出了实验结果,实验结果显示相位差为-2度左右,电流稳定在一定值,与仿真结果吻合,证明了这种由可视化模型生成代码的方法不仅缩短了开发周期,而且提高了系统的能观能控性。     

基于无线传感器网络的比例导引优化信息融合研究

在分析反舰导弹比例导引控制规律的基础上,将无线传感器网络信息融合思想引入到比例导引优化辅助决策控制过程中,通过将无线传感器网络信息融合中的数据、特征、决策概念对应于比例导引的具体数学模型,构建了基于无线传感器网络的比例导引优化信息融合辅助决策架构;利用VB6.0语言对基于无线传感器网络辅助决策的反舰导弹优化信息融合制导控制规则进行了模拟仿真,命中距离缩短约37.1%,命中时间节省约10.9%;仿真实验结果实现了反舰导弹自适应优化比例系数的比例制导律,验证了该方法的有效性。     

基于萤火虫群优化支持向量机的网络入侵检测方法

为了解决支持向量机(SVM)方法应用于网络入侵检测中存在的参数设置和由样本不均带来的分类面偏斜问题,文章提出了一种基于萤火虫群优化支持向量机(GSO-SVM)的解决方案;算法在进行参数寻优的同时增加了修正因子,实现对分类面的修正,并采用萤火虫群算法进行求解,提高算法跳出局部最优的能力;在DARPA数据集上的检测精度达到97.33%,优于SVM和SVDD方法;实验结果表明文章提出的方法能够有效提高入侵检测模型的泛化性,降低误报率和漏报率。     

基于机器视觉的数字化仪表字符识别

针对工业生产中测试仪表显示数据的自动识别问题,提出一种基于机器视觉的数字仪表数据识别方法;文章方法利用图像获取、图像去噪、阈值分割、光学字符识别等技术有效远程识别LCD/LED显示的数字信息。通过实验验证,该系统能远程实时识别具有LCD/LED显示的数字化仪表的显示数据,识别率能达到99%以上,并且能够实现超限报警及数据保存功能。     

基于北斗和ZigBee的环境质量监测系统设计

针对目前环境空气质量监测系统大多操作复杂、显示控制单一及不能远距离报警的弊端,设计了基于北斗和ZigBee的环境空气质量监测系统,该系统可以在远距离的情况下自动完成组网,实现对空气中的温度、湿度和烟雾空气指标的监测和预警功能;系统中的采集端主控模块完成对多种传感器采集的信息进行显示与参数的设置工作,采用数字式温湿度传感器和离子烟感实时采集空气中的监测对象,空气指标数据通过每个子模块中的ZigBee路由及终端节点组成的无线局域网进行数据的传输,所有信息汇总后由ZigBee协调节点模块经北斗卫星网络进行实时传输,从而实现对远程空气质量监控的目的;经实验证明该系统温度误差值小于2.5%,湿度误差值小于等于4%,具有传输稳定、使用领域广阔和覆盖面积大等优点,符合未来智能报警领域的发展趋势,具有一定的实用价值和可推广性。     

基于物联网技术的污水处理过程动态监控系统

针对污水处理过程复杂、区域广、监测点多、现场布线困难等特性,以CC2530为核心设计了无线传感器节点和汇聚节点,实现对污水处理过程中的设备状态、污水的进出口流量、PH值、COD等监测因子的实时采集,以Zigbee技术实现各无线传感器节点之间的数据传输,以GPRS技术实现汇聚节点与多平台对接;为确保监控系统所接信号不影响原控制系统的正常运行,特设计了高精度电流扩展模块、串口扩展模块等;经现场长时间运行表明,系统有很好的灵活性和扩展性,运行稳定可靠,通过对污水处理过程各参数的动态分析,为提高污水处理效率和节能环保起到重要作用。     

基于灰色神经网络模型的企业碳排放峰值预测

为预测企业碳排放峰值,帮助企业设计碳排放的减排路径,需要对企业碳排放峰值预测方法进行研究。当前采用基于TFDI模型的预测模型对企业碳排放峰值进行预测,预测过程中无法全面考虑企业碳排放影响因素,导致预测企业碳排放峰值出现误差。为此,提出一种基于灰色神经网络模型的企业碳排放峰值预测模型。该模型是以灰色模型为基础,与神经网络相融合构建的灰色神经网络,将模型中企业碳排放原数据进行叠加,并用微分方程表示,将VSTE算法作为灰色神经网络模型预测的基础算法,计算企业碳排放路径碳排放值,满足高斯分布随机函数,以此进行企业碳排放峰值的预测。实验结果证明,所提模型可以准确预测企业碳排放峰值,有效帮助企业设计碳排放减排路径。     

Neural Network Structure Optimization by Simulated Annealing

A critical problem in large neural networks is over parameterization with a large number of weight parameters, which limits their use on edge devices due to prohibitive computational power and memory/storage requirements. To make neural networks more practical on edge devices and real-time industrial applications, they need to be compressed in advance. Since edge devices cannot train or access trained networks when internet resources are scarce, the preloading of smaller networks is essential. Various works in the literature have shown that the redundant branches can be pruned strategically in a fully connected network without sacrificing the performance significantly. However, majority of these methodologies need high computational resources to integrate weight training via the back-propagation algorithm during the process of network compression. In this work, we draw attention to the optimization of the network structure for preserving performance despite compression by pruning aggressively. The structure optimization is performed using the simulated annealing algorithm only, without utilizing back-propagation for branch weight training. Being a heuristic-based, non-convex optimization method, simulated annealing provides a globally near-optimal solution to this NP-hard problem for a given percentage of branch pruning. Our simulation results have shown that simulated annealing can significantly reduce the complexity of a fully connected network while maintaining the performance without the help of back-propagation.     

基于改进蛙跳算法的无线传感器网络覆盖优化

针对传统算法在解决无线传感器网络覆盖优化上存在的覆盖率较低和节点分布不够均匀的问题,提出了一种改进的蛙跳算法;为了同时达到增加算法的种群多样性和加快算法收敛速度的目的,改进蛙跳算法分别增加了个体高斯学习机制和根据粒子群思想改进的更新策略,让族内最差个体在自身附近进行局部搜索,若无效,则使族内最差个体同时向族内最优个体和全局最优个体学习;在性能评估实验中,对改进的蛙跳算法分别进行了标准函数测试和无线传感器网络覆盖优化测试;测试结果表明,在6个标准测试函数中,改进的蛙跳算法与其他算法相比在4个测试函数上的收敛精度有了明显提高;在无线传感器网络覆盖优化中,改进的蛙跳算法也能够使节点分布更加均匀,使网络覆盖率达到了85.6%。      

基于灰色关联分析的BP神经网络对混流闭式冷却塔出水温度的预测

通过控制变量法对混流闭式冷却塔进行测试, 采用灰色关联分析法对影响出水温度的因素进行筛选, 将关联度较大的5个因子作为输入参数, 进而建立灰色_BP神经网络预测模型, 对混流闭式冷却塔的出水温度进行预测。操作参数包括进水温度、湿球温度、补水温度、循环水流量和风量, 输出值为出水温度。网络采用三层结构, 隐含层神经元数为4个, 迭代次数为30 000次, 使用不涉及训练阶段的实验数据来验证所建立的模型。结果表明, 灰色_BP神经网络模型比传统BP神经网络模型的预测结果更加准确, 其预测值与实际值的相关系数、平均相对误差、均方根误差, 分别为0.998 9、0.293 4%和0.152 9, 因而可认为灰色_BP神经网络是预测混流闭式冷却塔出水温度的有效工具。     

基于SFLA优化BP神经网络的语音信号分类

BP神经网络是一种多层前馈网络,数据经过网络的输入层、隐含层逐层处理后,由输出层进行输出,通过和期望输出的对比进行反向传播,调整网络参数使输出不断逼近期望输出;在使用BP神经网络对语音特征信号进行分类的过程中,会出现BP神经网络易陷入局部最优解、学习收敛速度慢的问题;针对此问题提出一种基于SFLA优化BP神经网络权值和阀值的方法,引入SFLA算法优化网络权值和阀值,利用SFLA优化后的BP网络模型进行语音特征信号分类;仿真结果表明,经SFLA优化后的BP神经网络与未优化的神经网络相比,不仅训练速度快, 而且误差小,语音特征信号分类的正确率平均提高1.31%。     

基于BP神经网络的传感器网络动态采样模型研究

能耗控制对于农业环境监测无线传感器网络系统具有重要意义。基于误差反向传播的多层前馈神经网络预测和阈值分析建立了一种土壤温度传感器网络动态采样模型,实现了基于土壤温度周期变化特征的采样频率实时调整方法,达到减少网络冗余数据,降低网络功耗的目的。以环境温度和空气相对湿度为BP神经网络实测输入,土壤温度为预测输出,通过判断输出是否进入阈值区间动态调整采样周期。仿真实验结果表明,对于具有周期性特点的土壤温度,BP网络模型对其预测值和实测值之间的均方根误差RMSE及绝对误差AE分别为0.83℃和0.54℃。相比于连续采样,阈值分析动态采样次数减少30%。     

基于遗传神经网络的旋转机械故障预测方法研究

许多大型旋转机械运行工况恶劣,非平稳、非线性特征明显,以及各种突发性、偶然性因素的影响,给基于振动信号处理的状态预测和状态维护分析带来困难。神经网络以其强大的处理非线性系统的能力在故障预测中得到广泛的应用,但由于其在追求高精度训练目标时易陷入局部极值,且收敛速度慢甚至发散。针对这个问题,提出了采用遗传算法对神经网络连接权值和阈值进行优化,这样不仅发挥了神经网络广泛的映射特性也使遗传算法的全局搜索优势尽显无疑。通过组合这两种算法,在提升网络学习的准确度方面,优点尤其突出,最终提高对旋转机械故障预测和寿命估计的性能,这在某环境模拟试验系统动力风机的轴承磨损故障预测中得到了验证。     

基于T-S模糊神经网络的飞机防滑刹车系统研究

航空业的发展对飞机防滑刹车系统提出了更高的要求,而传统PID+PBM控制器存在着低速打滑、刹车效率较低等问题;针对刹车过程中的不确定性和非线性问题,提出采用T-S模糊神经网络来进行防滑刹车控制器设计;在MATLAB/SIMULINK平台建立飞机刹车总体仿真模型,将设计的控制器与传统控制器进行对比仿真试验;仿真结果表明,基于T-S模糊神经网络的控制器解决了传统PID+PBM系统存在的问题,具有良好的控制效果,系统具有鲁棒性,能够适应变化的跑道情况,为飞机防滑刹车控制提供了一种新的方法。     

基于粒子群优化算法的测光红移回归预测

星系的红移在天文研究中极其重要,星系测光红移的预测对研究宇宙大尺度结构及演变有着重要的研究意义。利用斯隆巡天项目发布的SDSS DR13的150 000个星系的测光及光谱数据进行分析,首先根据颜色特征并基于聚类的方法对星系进行分类,由分类结果可知早型星系的占比较大。对比了三种不同的机器学习算法对早型星系进行测光红移回归预测实验,并找出最优的方法。实验中将星系样本中u, g, r, i, z五个波段的测光值以及两两做差得到的10个颜色特征作为输入数据,首先构建BP网络,使用BP算法对星系的测光红移进行回归预测;然后利用遗传算法（GA）优化BP网络各层参数,将优化后的GA-BP算法应用于早型星系的回归预测试验中。考虑到GA算法的复杂操作会影响预测效率,并且粒子群算法（PSO）不仅稳定性高且操作简单,因此将粒子群算法应用到星系样本中早型星系的测光红移回归预测实验中,进而采用粒子群算法优化BP网络（PSO-BP）。实验中将光谱红移作为期望值,采用均方差（MSE）作为误差分析指标来评判三种算法的精度,将PSO-BP回归预测结果与BP网络模型、GA-BP网络模型进行比较。由实验结果可知,BP网络的MSE值为0.001 92,GA-BP网络的MSE值0.001 728,PSO-BP网络的MSE值为0.001 708。实验结果表明,所用到的PSO-BP优化模型在精度上优于BP神经网络模型和GA-BP神经网络模型,分别提高了11.1%和1.2%;在效率上优于传统的K近邻（KNN）测光红移估计算法, 克服了KNN算法中遍历所有数据样本进行训练的缺点并且其泛化性能优于其它BP网络优化模型。