基于ESN神经网络的光通信网络安全态势辨识研究

光通信网络在传输信息时，很容易被非法攻击，发生信息窃取、篡改和删除等泄露行为。针对上述问题，为保证光通信网络安全，提出一种基于ESN神经网络的光通信网络安全态势辨识方法。该方法采用NetFlow技术设计采集器，采集NetFlow流量数据，并实施离散化处理。将NetFlow流量数据转换为流量灰度图像，并借助灰度共生矩阵提取图像特征，包括像素灰度分布的均匀程度、图像包含的信息量、图像的视觉清晰度、灰度共生矩阵元素排列的相似程度、图像局部灰度均匀性，作为NetFlow流量数据的特征。以5项特征为输入，利用ESN神经网络构建辨识模型，得出光通信网络安全态势类型。结果表明：与基于卷积神经网络的识别方法、基于贝叶斯的识别方法以及基于随机配置网络的识别方法相比，所研究方法应用下的杰卡德系数更高，说明该方法辨识准确性更高。     

基于分数阶LMS的AEM系统次级通道辨识

利用分数阶算法对经典LMS进行改进，并对发动机主动悬置系统的次级通道开展辨识，完成了不同分数阶次下的辨识试验，与经典LMS算法的辨识结果进行了对比，最后进行了振动主动控制试验。结果表明：在保证AEM系统振动主动控制效果的前提下，分数阶LMS相比于经典LMS具有更快的收敛速度，能改善算法的控制精度等优势。     

基于实测数据的气动辨识方法研究和对比

气动参数辨识是检验飞行器的真实气动特性与设计值的匹配性的重要方法。研究分析基于理论计算的方法和基于增广的扩展卡尔曼滤波算法,通过实测数据,对比2种辨识方法的估计结果,得到了扩展卡尔曼滤波法可以有效降低实测数据中的噪声影响,获取更加精确的估计结果的结论。同时结果证明实际辨识结果与设计值之间还存在一定误差,为后续修改设计气动参数值提供了依据。     

基于半监督学习的新能源运行错误数据辨识系统

为增强系统主机对于新能源运行错误数据的准确辨别能力，避免数据信息错误分拣，设计了基于半监督学习的新能源运行错误数据辨识系统。借助PT-LAB处理平台，平衡数据分辨模块与运行指令分析模块间的新能源运行错误数据传输关系，实现辨识系统的硬件运行环境搭建。根据半监督支持向量取值结果，求解UCI学习参数的计算数值，并根据参数向量之间的实时映射关系，确定数据库E-R图的连接形式，完成辨识系统的软件运行环境搭建。结合相关硬件设备结构，实现基于半监督学习的新能源运行错误数据辨识系统设计。对比实验结果表明，在半监督学习算法的影响下，系统主机对于待传输新能源运行错误数据的提取准确度超过了90.0%，能够较好地解决数据信息的错误分拣问题。     

基于非线性宏观方法的交通信号预测控制分析

为了提高城市路网设计效率，设计了一种基于非线性模型预测控制的城市路网交通流优化。采用预测控制方法，达到最大限度地提高路口的通行能力，并验证了迭代式识别在车辆流量模型的参数识别中的正确性。研究结果表明：随着迭代次数增多，网络各个路段排队车错误值逐渐降低，且保持不变。对网络交通系统的最大错误对比，以更好地体现了迭代识别正确性。虽然道路网的非线性宏观流量模型与道路模拟试验结果总体上是与道路交通流量的实际改变相一致的，验证了该方法在道路网络中的非线性大流量模型的识别性能。在随机扰动在系统中辨识算法可实现对系统期望输出的快速跟踪，具有较快收敛速度。