多重加权双向联想记忆模型及决策性能研究

Ｃ Ｃ Ｗａｎｇ等利用Ｋｏｓｋｏ的双向联想记忆模型（Ｂｉｄｉｒｅｃｔｉｏｎａｌ ａｓｓｏｃｉａｔｉｖｅ ｍｅｍｏｒｙ,ＢＡＭ）,构造了由多个ＢＡＭ构成的多重ＢＡＭ（Ｍｕｌｔｉ－ＢＡＭ）决策模型,使之可以应用于多证据推理,获得了Ｍｕｌｔｉ－ＢＡＭ的决策性能。作者在此基础上,通过对各ＢＡＭ引入不同的权值来模拟各专家不同的权威度,构建了相应的多重加权ＢＡＭ（Ｍｕｌｔｉ－ＷＢＡＭ）模型,证明了该模型在同、     

卫星通信中16QAM信号的数字预失真研究

高阶信号通过功放时发生非线性失真,需对功放进行线性化补偿,功率回退法是最简单直接的线性化方法,但功放效率不高。数字信号处理技术的发展使得数字预失真技术成为补偿功放失真最有效的方式之一,在一定程度上促进了高阶调制信号在卫星通信中的应用,缓解频谱资源紧张问题。以16QAM信号为对象,着重研究了预失真器模型的两个关键因子——非线性阶数和记忆深度——对预失真性能的影响。仿真结果表明,相较于非线性阶数,记忆深度对预失真性能的影响更大;而且功率回退法和数字预失真方法的结合使用可以取得更好的预失真效果。     

基于KPCA-BLSTM的航空发动机多信息融合剩余寿命预测

复杂航空发动机在运行过程中易出现多退化信息而导致寿命预测不精确的问题,为此提出基于核主成分分分析（KPCA）和双向长短时记忆（BLSTM）神经网络的多信息融合寿命预测模型。首先采用KPCA 对多维退化数据集进行降维处理和信息融合,得到能够表征设备退化的低维特征数据集;然后利用BLSTM 神经网络模型对带有多维退化信息的航空发动机剩余寿命进行预测,得到监测数据与剩余寿命的映射关系;最后采用C-MAPSS 航空发动机退化数据集对提出的多信息融合寿命预测模型进行仿真验证,并与其他三种模型结果进行对比。结果表明：KPCA-BLSTM 能够对多维退化信息下的剩余寿命进行精准预测,本文提出的预测模型的误差与得分优于其他三种模型,而且预测精度更高。     

一种基于神经网络的航空发动机剩余寿命预估方法

针对航空发动机剩余寿命预估中模型建立困难且计算精度低等问题,提出了一种基于卷积神经网络和长短期记忆神经 网络进行航空发动机剩余寿命预估的方法。利用卷积神经网络中的卷积层与池化层提取传感器数据中的特征,并依据卷积层提 取出的特征,利用长短期记忆神经网络进行时间序列预测,并使用全连接层输出航空发动机剩余寿命。在NASA的C-MAPSS提 供的涡扇发动机退化仿真数据集上对该方法进行了验证。结果表明：基于卷积神经网络和长短期记忆神经网络的航空发动机剩 余寿命预估方法,可以在保证预测精度的前提下,对航空发动机剩余寿命进行较为保守的预估,在保证资源不被浪费的情况下,尽 可能提前发出故障预警信号,从而提高飞行的安全性,进而为航空发动机健康管理系统提供有用信息。该预测方法在对称指标和 非对称指标上均优于此前提出的方法。     

利用混合模型LSTM-DNN进行全球电离层TEC map的中短期预报

近年来,基于深度学习技术的长短期记忆(long short-term memory,LSTM)网络相关预报算法在空间天气的预测方面得到广泛应用,但存在预测误差随时间堆叠的缺陷,因此只能进行有限的短期预测.为解决这一问题,文章将太阳风参数、太阳黑子数、地磁活动水平指数Ap以及磁暴环电流指数Dst作为预报因子加入模型,建立...     

模糊神经网络控制器

自１９６５年美国学者Ｌ．Ａ．Ｚａｄｅｈ教授提出模糊集合论以来,模糊系统理论得到很大的发展。１９７４年英国剑桥的Ｅ．Ｈ．Ｍａｍｄａｎｉ首次应用模糊控制实现了对蒸汽机的控制,引起人们对模糊控制的极大热情。近２０年来,模糊控制经历了重大的发展与演变,现已深...     

基于ResNet-LSTM的航空发动机性能异常检测方法

为了实现数据驱动的航空发动机性能异常的智能检测,提出了一种基于残差网络（ResNet）-长短期记忆网络（LSTM）的发动机性能异常检测方法。采用发动机性能数据图像化方法,在数据降维的同时,完备保留数据的关联特征和时序特征;以残差单元构建发动机性能异常检测模型,在加深网络结构的同时,消除深层网络梯度消失问题,提高发动机性能图像空间关联特征的提取能力。同时,引入LSTM,提出基于ResNet-LSTM的发动机性能异常检测模型,通过ResNet与LSTM的融合,强化异常检测模型对时序特征的提取,提升发动机性能异常检测的准确率;通过发动机运行数据进行验证。结果表明：在训练集上,该方法的异常检测准确率为94.95%,比基于ResNet18、ResNet34、ResNet50异常检测模型的分别提高10.87%、8.00%、3.23%;在测试集上,该方法的异常检测准确率为92.15%,比基于ResNet18、ResNet34、ResNet50异常检测模型的分别提高11.81%、9.45%、3.78%。     

金属磁记忆微观机理试验研究

金属磁记忆检测机理中指出:地磁场环境中受载荷作用的铁磁试件,其内部会发生具有磁致伸缩性质的磁畴组织定向和不可逆的重新取向。将未经磁化且弯曲不同角度的无取向硅钢片和未经磁化且施加不同载荷的20#钢压缩试件制作成金相观察试样,利用B itter粉纹法观察受力程度不同的硅钢片和20#钢试件的磁畴结构,对比同种材料不同载荷试样的磁畴结构照片,分析应力对磁畴的影响。试验表明:未受力或应力集中较小时,晶粒内磁畴以片状畴为主,同一晶粒内畴壁相互平行,随着应力集中程度的增加,磁畴结构出现迷宫畴。且应力集中程度越大,迷宫畴个数越多,同时畴壁长度和间距发生改变。     

重庆古镇寻踪

记忆中的古镇已经慢慢隐出都市之中。而都市——这个不知从什么时候开始出现的词,听到就会使人联想到人潮喧嚣、高楼林立、华灯辉煌。古道、古街、古城渐渐消失于城市之中,新古街道、新老房子却不断在城市中被复制。记忆中的形态还完璧保留着,气味似乎却已经俨然不同了。