A fault diagnosis model based on weighted extension neural network for turbo-generator sets on small samples with noise

In data-driven fault diagnosis for turbo-generator sets, the fault samples are usually expensive to obtain, and inevitably with noise, which will both lead to an unsatisfying identification performance of diagnosis models. To address these issues, this paper proposes a fault diagnosis model for turbo-generator sets based on Weighted Extension Neural Network (W-ENN). W-ENN is a novel neural network which has three types of connection weights and an improved correlation function. The performance of the proposed model is validated against Extension Neural Network (ENN), Support Vector Machine (SVM), Relevance Vector Machine (RVM) and Extreme Learning Machine (ELM) based models. The results indicate that, on noisy small sample sets, the proposed model is superior to the other models in terms of higher identification accuracy with fewer samples and strong noise-tolerant ability. The findings of this study may serve as a powerful fault diagnosis model for turbo-generator sets on noisy small sample sets.     

动态构造网管中被管对象的可视化扩展

随着互联网规模的不断扩大和网络应用的日益丰富,传统网管已经难以适应对大型、异构、动态变化的网络和种类繁多的网络应用的管理需要.动态构造的网络管理是一种新型的网络管理模式,被管对象的扩展是动态构造网管中的重要组成部分.提出了被管对象的可视化扩展方法.通过在管理人机交互界面上构造一棵MOS(被管对象集)树,并提供一系列的编辑工具,供设备厂商和应用开发商可视化定义其设备和应用所实现的MOS模块.这些模块以具有正确语法格式的MOS文件的形式提交给网管系统,由动态MOS编译将其加载到系统中,系统通过对其的访问实现被管对象和管理功能的关联及扩展.     

基于IFS和IPSO算法的干扰资源分配方法

针对多干扰系统同时干扰多部雷达的干扰资源分配问题,提出一种基于直觉模糊集(IFS)和改进粒子群优化(IPSO)算法相结合的干扰资源分配方法。利用己方无源探测系统获得的敌方雷达参数,根据IFS理论得到敌方雷达的威胁系数;整合数据库中战场的己方干扰系统与敌方雷达系统信息,从空域、频域、极化方式和干扰样式4个方面定义了匹配度,表示己方干扰系统对敌方雷达系统的干扰效率,得到匹配度矩阵,结合敌方雷达威胁系数建立干扰目标函数;提出一种自适应调整权重、异步变化学习因子、针对离散问题的IPSO算法,并引入补偿粒子进行盲区搜索,求解出最佳干扰决策。仿真表明,本文提出的干扰资源分配方法相较于传统算法最优解正确率更高,且实时性更好。     

基于信息融合技术的火灾报警方法研究

根据当今火灾探测的现状和实现火灾早期报警的需求,将多传感器数据融合技术应用在火灾报警系统中。在分析了信息融合系统的三级结构及火灾报警信息非结构特性的基础上,以感温、感烟和气体的火灾报警模拟量为输入,利用粗糙集和神经网络对多传感器信号进行融合,设计出一种快速、准确和有效的火灾探测系统,达到了提早报警和降低误报警频次的目的。     

多源知识融合处理算法

多源知识融合可有效提高判决结果的可靠性和置信度.借鉴信息融合的思路,分析了知识融合方法和一般模型.重点讨论了基于Bayes准则、基于D-S(Dempster-Shafer)证据理论以及基于模糊集理论的知识融合算法,给出了基于3种知识融合算法的具体处理步骤,并从算法特点和适用性、实用性等方面对3种知识融合算法性能进行了对比分析.通过知识融合在合成孔径雷达(SAR,Synthetic Aperture Radar)图像融合中应用的仿真实验,验证了知识融合算法的有效性.     

灰色犹豫模糊集的核与灰度的灰关联决策方法

首先,将犹豫模糊扩展为灰色犹豫模糊集。其次,用灰色系统“核与灰度”的方法代替了传统中预设决策者风险偏好的数据增补方法,在不改变信息域的前提下,提升了可信度。进而将“核与灰度”运算法则扩充到灰色关联度的决策中。最后,通过实例演示了方法的适用性和可行性,并与相关文献方法进行了对比研究与分析。     

模糊关系数据库的一种广义模型

提出了模糊关系数据库的一种广义数据模型ＧＦＲＤＭ,它是一般模糊关系数据模型的推广,可用来描述现实世界较为普遍的模糊对象。已提出的各种模糊关系数据模型在某种条件下可看作为本模型的特例。文中引入了广义模糊关系的概念,讨论了广义模糊关系代数的操作：广义模糊并、广义模糊交、广义模糊差、广义模糊笛卡尔积、广义模糊投影和广义模糊选择等。广义模糊关系中不仅每一个元组具有模糊性,而且元组的属性值（精确值或模糊值）也具有模糊性（可信度）,捕获了更多模糊数据的语义。广义模糊选择操作中允许用户自定义广义模糊比较运算以及指定阈限,从而增强了模糊查询的表达能力和灵活性。     

基于四面体单元的三维裂纹自动化建模

三维裂纹前缘布置结构化网格是一项耗时且困难的工作。以二次四面体单元虚拟裂纹闭合法（VCCM）为基础,提出基于几何特征的三维裂纹建模方法,阐述应用四面体单元在ABAQUS上进行三维裂纹建模的实现细节;应用Python编程语言结合NumPy和SciPy开源科学计算库开发参数化三维裂纹分析程序包,实现三维裂纹问题分析的全流程自动化;数值算例和文献中的结果吻合很好,表明本文建模方法是准确且可靠的,全模型采用常规四面体单元,提高了三维裂纹自动化建模的稳定性和鲁棒性。     

Al含量和冷速对TiAl合金全片层组织热稳定性的影响

研究Al含量和冷却速率对TiAl合金全片层组织在1150℃的热稳定性的影响.研究表明,Al含量在46at%～48at%范围的二元TiAl合金的Al含量越高,γ偏析程度越严重,铸造片层组织的热稳定性越差.Ti-48Al合金α单相区固溶处理后炉冷的粗片层组织的稳定性远远优于空冷的细片层组织,空冷细片层组织容易在晶界处发生不连续粗化转变,并且空冷片层晶粒内的魏氏片层(Lw)与基体的界面往往与晶界一同成为片层组织发生分解的起始部位.     

基于BP算法的模糊神经网络研究

提出了一种基于模糊集合与前馈神经网络结合的神经网络。这种模糊神经网络（ＦＮＮ）在处理模糊特征时，能较好地反映出输入值和输出值的隶属度关系。应用经典的ＢＰ算法对网络进行训练，为了加快网络的学习过程，我们介绍了一种调整权值和阈值的学习方法，并且采用了Ｃ语言编制软件，实验结果表明，ＦＮＮ技术是一种新颖、有效的方法，能促进智能神经网络的发展。