基于BP算法的液压泵在线状态监测及故障诊断

以液压泵振动信号的５个时域信息；峰值，峰峰值，均方根值，方差和波形系数作为最小诊断参数组合，用ＢＰ神经网络进行信息融合，提出一液压泵的神经网络在线状态监测及故障诊断系统。     

基于ANFIS的蒸汽发生器水位实时控制系统的设计

从蒸汽发生器的水位特性出发，对其水位高度控制原理进行了深入细致的研究。鉴于控制对象的模糊性、不确定性和非线性，采用自适应神经元模糊推理(Adaptive neuron fuzzy inference system，ANFIS)技术，建立了模糊控制规则库，实现了对蒸汽发生器水位的智能控制。本文详细阐述了ANFIS技术的结构、控制方式和系统的主要功能，完成了软、硬件的综合设计，并进行了仿真研究。控制系统的硬件采用了DSP芯片，以保证系统的实时性；软件采用了模糊一神经网络算法，以克服系统模型的不确定性。仿真结果表明，该控制系统工作稳定可靠，具有较高的控制精度和较强的鲁棒性。     

关于稀疏分布存贮模型中A连接权阵的讨论

Ｋａｎｅｒｖａ的稀疏分布存贮模型由于对寻址地址采用了稀疏编码，对数据采用了分布式存贮，从而解决了大维数向量的输入问题，ＳＤＭ实际上是一个由输入层，中间层和输出层组成的三层前向网络，其中神经元间的互迦权值在输入层与中间层是预置的（用矩阵Ａ表示），中间层与输出层的连接权阵Ｃ由外积法得到，文中假定在相同的学习规则下，就信噪比意义而言，Ａ的均匀预置能使ＳＤＭ获得最优性能，从而为Ａ的预置提供了理论依据。     

浅议信息时代高校校报的发展

在以网络为代表的新媒体无孔不入的今天,传统的报纸面临着巨大的压力,同样新媒体对高校校报的冲击无疑也是巨大的。如何在竞争激烈的新媒体时代继续引领校园舆论,是所有高校校报人所引以深思的问题。列举了信息时代以网络为核心的新媒体对高校校报的冲击,特别是在读者获取信息的方式、读者阅读兴趣、读者阅读习惯等方面的巨大影响;分析了高校校报和网络媒体在内容、形式等方面各自的长处和特点,并初步提出了高校校报机构调整和加深内涵建设等应对措施。     

航路网络生成及优化

空中交通流运行的安全性和成本取决于航路网络结构。基于节点度实现航路网络枢纽节点和干线节点分层,利用全局耦合生成主干网络,运用距离连接概率实现干线节点社区化,采用连接概率生成社区网络;采用DBSCAN聚类算法,基于角度和距离实现航路网络优化;以中国大陆空域为例,实现了主干航路网络和局部干线航路网络的生成及优化,验证了方法的可行性。在与相关研究对比,基于节点度的枢纽节点选取更加客观合理,所构建的分层航路网络结构符合机场点的分布特性,采用DBSCAN聚类算法优化效率明显提高。     

基于网络编码的空间DTN中CGR改进算法

随着空间通信技术的发展,卫星节点的增多,以及容延迟容中断通信需求的不断提高,空间DTN (DelayTolerant Network,容延迟网络)环境中各通信节点间的路由技术日益重要,相继出现了多种适用于DTN的路由技术.基于空间DTN的结构与特点,对CGR(Contact Graph Routing,接触图路由)算法以及基于编码的路由算法进行了分析比较,然后针对空间DTN中CGR算法的缺点和不足,研究提出了基于NC(Network Coding,网络编码)的空间DTN中的CGR改进算法(NC-CGR),并通过仿真实验平台对算法性能进行了分析评估.仿真结果表明,相比于CGR算法,NC-CGR算法在链路传输时延、传输包裹数目、中继缓存大小、链路丢包率等不同条件下的适应性方面均表现出较大优势,更适用于具有复杂拓扑、带宽受限、高动态特性的空间DTN环境.     

离散拓扑业务模型中多媒体LEO网络性能分析

针对快速发展的多媒体卫星网络,提出一种新的低地球轨道卫星网络性能的定量研究模型。该模型考虑了星座动态拓扑变化和全球业务需求变化的复杂特点,建立了离散时间下的业务和拓扑映射关系;依据马尔科夫过程理论和卫星链路带宽约束条件,对实时和非实时两种类型业务采用概率分析方法,推导出定量计算阻塞概率、排队时延等网络性能参数的公式。大量仿真结果表明理论分析方法的正确性和有效性。该研究方法可用于多媒体低地球轨道卫星网络QoS路由管理和资源分配设计的参考。     

基于神经网络的维修保障流程影响度分析方法

针对维修保障能力的主要影响因素分析及其影响度的量化问题,以维修保障业务流程作为分析对象,通过建立业务流程参数与装备使用能力的关系函数,建立影响因素和影响度的分析方法,并给出影响程度、关键要素、关键影响要素以及综合影响度定义.以流程数量、效率和稳定性作为分析指标,利用MATLAB软件基于神经网络实现对关系函数的逼近求解,为装备制造企业提供确定关键流程和主要影响因素的系统实现.以某航空装备制造企业维修保障业务流程为例给出具体应用,与专家评价方法相比该方法可获得更为客观的分析结果.      

A new global version of M(3000)F2 prediction model based on artificial neural networks

A new version of global empirical model for the ionospheric propagation factor, M(3000)F2 prediction is presented. Artificial neural network (ANN) technique was employed by considering the relevant geophysical input parameters which are known to influence the M(3000)F2 parameter. This new version is an update to the previous neural network based M(3000)F2 global model developed by Oyeyemi et al. (2007), and aims to address the inadequacy of the International Reference Ionosphere (IRI) M(3000)F2 model (the International Radio Consultative Committee (CCIR) M(3000)F2 model). The M(3000)F2 has been found to be relatively inaccurate in representing the diurnal structure of the low latitude region and the equatorial ionosphere. In particular, the existing hmF2 IRI model is unable to reproduce the sharp post-sunset drop in M(3000)F2 values, which correspond to a sharp post-sunset peak in the peak height of the F2 layer, hmF2. Data from 80 ionospheric stations globally, including a good number of stations in the low latitude region were considered for this work. M(3000)F2 hourly values from 1987 to 2008, spanning all periods of low and high solar activity were used for model development and verification process. The ability of the new model to predict the M(3000)F2 parameter especially in the low latitude and equatorial regions, which is known to be problematic for the existing IRI model is demonstrated.