基于VPRS和RBF神经网络的WSN节点故障诊断

为保障油料供给的安全性,研究无线传感器网络(WSN)节点故障诊断的可行性策略,提出变精度粗糙集(VPRS)和RBF神经网络结合的故障诊断方法.该方法由运行中的汇聚节点实时获取子节点故障征兆,建立初始决策表,利用VPRS作为前端处理系统,对初始决策表进行约简,删除冗余的、不重要的属性征兆,并将约简后的结果输入RBF神经网络实现节点故障识别.仿真实验结果表明:对于具有显著不确定性的WSN节点故障诊断,该方法能够准确快速地得出诊断结果,鲁棒性和适用性更强.     

基于演化算法的自校正模糊控制

乙烯精馏塔系统的非线性、滞后性需要一种动态性能良好的自校正模糊控制器与之相对应,基于演化算法对模糊控制器的4个参数进行了动态校正,仿真效果良好?这种控制方法有效地克服了系统的不确定性,复杂性,改善了系统的动态性能,在精馏塔系统中有良好的应用前景?     

一种双隐层RBF神经网络的算法研究

针对RBF神经网络的结构和学习算法的缺点,提出了一种双隐层RBF神经网络(DRBF)模型,并结合网络结构的动态更新策略对网络结构进行实时更新,以梯度下降法对网络参数进行修正,即确保了网络结构的最简化,提高了网络的逼近精度和泛化能力,同时也加快了网络的训练速度.将本算法和传统RBF神经网络算法应用于非线性逼近和电信企业客户流失分类进行性能比较,实验仿真结果证明了本算法的有效性和高效性.     

基于自组织选取中心的广义RBF神经网络学习算法

根据RBF网络要学习的3个参数:基函数的中心、方差和权值,提出了广义RBF网络自组织选取中心的学习算法.该算法首先学习隐层基函数的中心与方差,然后学习输出层权值,仿真结果表明了该算法的有效性.     

动态演化下的无标度网络生成算法

当无标度网络上的动力学过程导致网络结构动态演化时,随机性会破坏网络的无标度属性.为了解释动态演化下的一些网络具有无标度特征,提出一种无标度网络生成算法(SFNGA),该算法能充分考虑到现实网络随机性强的特性,结合边度优化策略,加入出生率和死亡率等参数来模拟动态演化过程,在面对节点和边的随机增加或删除时,能保证动态演化下...     

基于RBF神经网络的WSN前端网络节点选取算法

为降低无线传感器网络(WSN)的能量消耗和减少节点采集信息冗余,提出一种基于RBF神经网络的WSN前端网络节点选取算法,通过将无线传感网络的分簇路由ERC协议与RBF神经网络联结起来,运用神经网络异或运算对WSN前端节点的选取,使得信息冗余节点休眠,减少网络中节点工作个数,降低节点能量损耗,从而延长网络寿命。经仿真测试,该算法可以有效选择节点,同时还验证了本算法在环境温湿度监测等方面的时效性。     

模糊基函数神经网络在线跟踪自学习算法研究

提出了一种用于分类的模糊基函数（FBF）神经网络在线跟踪自学习算法,通过带有遗忘因子的样本均值和样本协方差矩阵,保存了原始样本所包含的类可能性分布信息,并在此基础上产生新增样本的目标输出用于训练FBF网络,以实现分类边界的在线跟踪;给出了带有遗忘因子的样本均值和样本协方差矩阵的递推算法,以克服传统方法需要保存大量以往训练样本带来的困难。所提出的方法用于旋转机械的故障识别,结果表明是可行的和有效的。     

无线传感器网络节点自定位算法的研究

叙述了APIT定位算法的原理,提出了APIT算法的改进办法,并对改进算法的性能进行了评估。     

基于改进生成对抗网络的抽油机故障诊断方法

针对抽油机故障数据不足、样本分布不均衡的问题,提出一种基于自注意力机制的条件深度卷积生成对抗网络(CDCGAN:Conditional Deep Convolutional Generative Adversarial Networks)模型。该模型在CDCGAN的基础上引入自注意力机制,并在损失函数中加入约束生成图像分布的正则项,提高了生成图像的质量和多样性,有效地防止了模式崩溃的发生。采用Alexnet、VGG16等网络对生成的抽油机故障样本进行分类测试,实验结果表明,改进网络的生成数据质量更高,能够有效平衡抽油机故障数据,进一步提升了抽油机故障诊断的准确率。     

岩石应力松弛试验及两类岩爆研究

对岩石峰值载荷后的松弛试验发现具有两类岩爆 :一类是本源型岩爆 ;另一类是激励型岩爆 两类岩爆概念的提出 ,是对现有认识的发展 应力松弛行为与岩爆的强弱程度具有内在联系 ,可以引入松弛系数R来描述岩爆冲击倾向 ,当R >1时无冲击倾向 ;当 0 .75≤R≤ 1时 ,有轻微冲击倾向 ;当R <0 .75时 ,有严重冲击倾向 图 4,表 2 ,参 4     

一种基于神经网络的内模控制方法及其应用

根据具有非线性、强耦合、不确定性过程的控制需要，提出了一种基于神经网络的内模控制方法，该方法充分利用神经 自学习及非线性逼近能力，建立非线性、强耦合、不确定性过程的动态模型及逆模型，采用这种方法对冷轧过程中带材全局板形进行仿真实验控制，取得了理想的控制效果。     

基于人工神经网络的矿井自然发火预测模型及应用

指出了矿井自然发火及其预测对安全生产的重要性以及传统的预测方法存在的缺陷。应用神经网络建立了时间序列的自然发火预测模型,克服了传统预测方法必须事先构建函数的不足之处,提高了自然发火预测的精度。实际应用表明该预测模型的预测精度较高,具有较大的理论意义和应用价值。     

气固两相流化床中煤炭分层行为的研究

通过研究气固两相流化床中具有不同物性 (密度、粒度 )煤炭的分层规律 ,揭示了不同粒度和密度的煤炭在流化床中的分层机理 ,定量确定了能与流化床中的固有加重质混杂在一起的煤炭粒级 ,提出了气固流化床中煤炭的三级分布理论 图 3,表 4,参 7     

爆破烟尘絮凝净化方法

依据胶体脱稳原理 ,利用爆破烟尘气溶胶的特性 ,在工程爆破使用的炸药中添加絮凝剂和发泡助凝剂 ,使爆烟气溶胶中的部分微粒先相互“架桥”絮凝成许多蛛网状胶团 ,又与随后生成的泡沫粘结成捕尘“网”再去捕集其余的微粒 ,在爆烟的内部自发地完成捕尘过程 ,从而取得了较好的除尘净化效果 图 3,表 1 ,参 1 8     

金刚石产品的脉冲激光制备与应用

详细介绍了用脉冲激光法制备金刚石产品的发展过程 ,并总结了脉冲激光沉积 (PLD)、液体靶脉冲激沉积 (LYPLD)以及脉冲激光诱导液 -固界面反应 (PLIIR)等几种典型的实验方法、实验装置以及所取得的成果 在脉冲激光沉积法 (PLD)制备金刚石薄膜方面重点总结了最近比较新颖的液体靶脉冲激光沉积技术 ,而在金刚石纳米晶的制备方面综述了脉冲激光诱导液 -固界面反应法 ,此法在制备亚稳态纳米晶体方面显示出了较独特的优越性 图 4,参 1 6     

自组织逼近神经网络模型及其应用

针对动态范围较大的多峰函数逼近问题,提出了一种自组织逼近神经网络模型。仿真实例表明：这种模型对动态范围较大的多峰函数逼近问题较经典的BP模型优越得多,为解决复杂函数逼近问题提供了一条有效的途径。     

采区地质因素与生产能力间相关模型的灰色系统研究

本文应用灰色系统理论对贵州省水城矿务局木冲沟煤矿一采区地质因素特征指标进行定量化,并对采区地质因素特征指标与生产能力间的关系进行单因素分析,建立了木矿一采区生产能力与地质因素定量化指标间的关系模型,确定了最优的采区生产能力。图11,表1,参5。     

长壁开采工作面上覆岩层运动模式

基于煤系地层的层状岩体结构特征 ,对煤矿长壁开采工作面上覆岩层的活动特点和过程进行了深入的分析 ,由此提出了上覆层状岩体运动的 3种基本模式 ,并对离层的类型和控制特点进行了分析 此项研究对长壁开采条件下地表沉陷及岩层移动的控制具有指导意义 图 2 ,参 4