基于一种改进的云神经网络涡扇发动机故障诊断

在基于数据驱动的涡扇发动机地面定检系统中,为了提高航空发动机的故障诊断性能,提出一种改进的基于云神经网络的航空发动机故障诊断方法;首先,把云模型和BP神经网络相结合,得到进行故障诊断与检测的模型结构,然后用余弦式改进自适应遗传算法并对网络模型进行优化,得到改进后的云神经网络模型;通过对实际数据的实例仿真表明,该方法对于航空发动机地面稳态的故障诊断是可行的,并且提高了故障诊断系统的诊断精度。     

基于遗传算法的云小波寻优

针对定性概念与定量表示之间不确定性转化的模糊性和随机性问题,并为避免小波网络陷入局部极小、过拟合现象,将云模型、遗传算法和小波神经网络相结合,不但解决了定性定量之间的完好转换,而且通过遗传算法的全局优化搜索得到了网络的最优参数。仿真实验验证了这种新方法对于空气增压机故障诊断的有效性。     

小波神经网络在齿轮故障诊断中的应用

提出了基于小波分析和SOM网络相结合的故障诊断方法,利用小波分析技术采集拖拉机齿轮故障特征信号,然后利用SOM神经网络对采集到的故障数据进行建模诊断.实验表明,该方法能有效提高齿轮故障诊断的准确率.     

基于SE-CNN的服务机器人运动系统云端故障诊断方法

研究并设计了一种基于服务机器人云平台的故障诊断系统.传统算法只关注服务机器人某一时刻的状态数据,所提取的特征信息有限,因而难以较好地完成故障诊断任务.在这种背景下,提出了基于时间序列关联特征的故障诊断方法.首先,对采集的服务机器人数据进行归一化和后向差分预处理,消除数据量纲并获取数据变化特征;其次,利用滑动窗口来生成时间序列样本,保证每个样本包含足够的特征信息;然后,应用卷积神经网络(CNN)挖掘时间序列的关联特征,并在网络中引入通道注意力网络(squeeze-and-excitation network,SENet),构建了一种SE-CNN模型.该模型能够自适应调整特征通道的重要程度,聚焦于更有效的特征通道,从而提高了诊断精度.对比实验与实际场景下的综合测试证明了本文提出的故障自诊断方法的可行性和有效性.     

基于神经网络自学习的模拟电路故障诊断方法

由于传统方法在模拟电路故障诊断中应用效果不佳,不仅错误诊断数量较多,而且故障诊断用时较长,无法达到预期的故障诊断效果,提出基于神经网络自学习的模拟电路故障诊断方法。将模拟电路等效为一个双端口网络,利用便携式模拟仪器采集双端口网络运行数据,通过小波变换信号提取模拟电路信号时域特征和频域特征,利用神经网络自学习模型卷积运算信号特征,诊断并识别电路故障。经实验证明,设计方法错误诊断数量占总样本数量的比例较小,诊断用时较短,在模拟电路故障诊断方面具有良好的应用前景。     

移动无尘检修车间设备运行故障诊断方法设计

移动无尘检修车间内最重要的除尘设备是否出现故障，是整个车间设备运行是否正常的关键，因此，针对其除尘设备，构建了一种由智能终端、云平台以及远程监测系统组成的故障诊断系统，首先，介绍了该系统的整体设计构架；其次，对选择系统硬件设备和设计系统软件部分；之后，提出基于小波分析的故障检测方法，并以清灰系统中出现的漏气故障与不喷吹故障对其进行测试验证；然后测试系统硬件是否正常运行；最后，将故障诊断系统用于移动无尘检修车间进行现场测试。综合实验结果表明：由智能终端、云平台以及远程监测系统组成的故障诊断系统能够对移动无尘检修车间内的设备运行实时数据进行采集显示并能够对故障进行正确诊断。     

基于XJTUOM和Geomagic Studio的相似材料模型数据采集与提取

针对传统的物理测量或机械测量方法测量相似材料模型时易使模型变形且采集数据点有限、操作复杂、效率低等问题,介绍了一种采集并提取相似材料模型点云数据的方法。该方法采用XJTUOM三维白光面扫描系统采集相似材料模型的点云数据,并利用该系统的点云预处理软件对采集到的点云数据进行拼接和对齐处理,然后采用Geomagic Studio点云处理软件对预处理后的点云数据进行数据提取操作。试验结果表明,该方法获取数据量大,测量效率高,点云数据采集和处理精度高,抗干扰能力强。     

基于小波包特征熵的飞机液压系统故障诊断方法研究

为精确诊断飞机液压系统故障,提出了一种基于小波包特征熵的神经网络故障诊断新方法。对采集到的飞机液压系统压力信号进行小波包分解,提取小波包特征熵,然后构造信号的小波包特征熵向量,并以此向量作为故障样本,利用ART1神经网络进行训练,实现智能化故障诊断。试验结果表明,训练成功的ART1网络能够很好地诊断出飞机液压系统是否发生故障,为飞机液压系统故障诊断开辟了新的途径。     

小波变换在液压油缸泄漏故障诊断中的应用

针对液压油缸泄漏故障诊断中压力信号特征提取的难题,提出了通过监测压力信号,基于小波变换能量特征和BP网络的故障诊断方法。该诊断方法将压力信号进行小波分解后得到的各频带信号能量作为特征向量,输入到BP网络分类器中进行故障识别和分类。实验结果表明,该诊断方法能有效识别无泄漏、轻微泄漏、严重泄漏的三种状态,是液压油缸泄漏故障诊断行之有效的方法。     

基于正态云神经网络的齿轮泵的故障诊断研究

为了提高齿轮泵故障诊断的正确率,将正态云神经网络应用于其故障诊断中。将正态云模型和神经网络融合在一起构造了正态云神经网络,构造了云神经网络的结构,并且给出了各层的算法。通过云变换进行了系统的结构辨识,然后通过训练可以获得优化的人工神经权值和阈值,最后,将测试数据输入正态云神经网络,根据正态云神经网络的输出向量可以判断出齿轮泵的故障。进行了基于正态云神经网络的齿轮泵的故障仿真实例分析,结果表明,正态云神经网络能够准确地诊断出齿轮泵的故障,并且具有较高的故障诊断效率。     

Hybrid Cloud Architecture for Higher Education System

As technology improves, several modernization efforts are taken in the process of teaching and learning. An effective education system should maintain global connectivity, federate security and deliver self-access to its services. The cloud computing services transform the current education system to an advanced one. There exist several tools and services to make teaching and learning more interesting. In the higher education system, the data flow and basic operations are almost the same. These systems need to access cloud-based applications and services for their operational advancement and flexibility. Architecting a suitable cloud-based education system will leverage all the benefits of the cloud to its stakeholders. At the same time, educational institutions want to keep their sensitive information more secure. For that, they need to maintain their on-premises data center along with the cloud infrastructure. This paper proposes an advanced, flexible and secure hybrid cloud architecture to satisfy the growing demands of an education system. By sharing the proposed cloud infrastructure among several higher educational institutions, there is a possibility to implement a common education system among organizations. Moreover, this research demonstrates how a cloud-based education architecture can utilize the advantages of the cloud resources offered by several providers in a hybrid cloud environment. In addition, a reference architecture using Amazon Web Service (AWS) is proposed to implement a common university education system.     

云计算及其安全在美国的发展研究

文章分析研究了美国政府对于云计算的积极推动与发展应用,着重分析了云安全和云标准两大影响云计算发展的瓶颈,详细介绍了美国政府、军方和业界围绕云安全和云标准进行的研究、实践和探求,向读者呈现云计算在美国的发展应用概貌.     

对APT攻击的检测与防御

本文对APT攻击进行描述,指出APT攻击对企业造成的危害及企业对此类威胁防御的迫切需求。针对此问题,给出了防御APT攻击的利器"金山KingCloud私有云安全系统",并对该系统如何保证用户IT生产环境安全稳定进行了详细说明。     

云计算及其关键技术研究

在分析现有定义的基础上对云计算提出了较全面的参考性定义,并给出了云计算的六大特征、四种部署模式和三种服务模式.此外,通过对云环境中三种角色的责任分析和对主流云计算产品的研究,抽象出了支撑云计算的关键技术,最后指出云计算对未来软件市场发展的影响.     

云计算架构与企业“云”应用研究

云计算是物联时代的热点话题,国内外知名的大企业都在进行云计算架构的相关研究。谷歌、微软、华为均在部署并架构自己的云计算平台,云服务无疑将成IT企业未来的赢利模式。文中主要对云计算架构进行技术分析与应用研究,并对构建企业“云”应用所面临的挑战加以分析,提出了应对方法与实践过程,以便为物联时代企业构建可靠、高效的云服务提供技术支持。     

多层云计算平台的架构模式磁

论文从三个方面介绍了企业多层云计算平台的研究,首先介绍了当前的四种云计算模式,其次提出企业多层云计算平台的架构,第三部分对当前常用企业云计算平台和多层云计算平台运算速度进行了比较,最后分析了多层云计算平台的优点和问题。     

分布式云的研究进展综述

云计算作为全新的计算模式,将数据中心的资源包括计算、存储等基础设施资源通过虚拟化技术以服务的形式交付给用户,使得用户可以通过互联网按需访问云内计算资源来运行应用.为面向用户提供更好的服务,分布式云跨区域联合多个云站点,创建巨大的资源池,同时利用地理分布优势改善服务质量.近年来分布式云的研究逐渐成为学术界和工业界的热点.文中围绕分布式云系统中研究的基本问题,介绍了国际国内的研究现状,包括分布式云系统的架构设计、资源调度与性能优化策略和云安全方案等,并展望分布式云的发展趋势.     

云计算安全研究

云计算代表IT领域向集约化、规模化与专业化道路发展的趋势,是IT领域正在发生的深刻变革.但它在提高使用效率的同时,为实现用户信息资产安全与隐私保护带来极大的冲击与挑战.当前,安全成为云计算领域亟待突破的重要问题,其重要性与紧迫性已不容忽视.分析了云计算对信息安全领域中技术、标准、监管等各方面带来的挑战;提出云计算安全参考框架及该框架下的主要研究内容;指出云计算的普及与应用是近年来信息安全领域的重大挑战与发展契机,将引发信息安全领域又一次重要的技术变革.     

基于异步数据云的云备份平台

随着信息化技术的发展,信息系统安全在企业管理中显得越来越重要。在分析了云存储技术架构的基础上,提出了一种新的基于异步数据云的系统备份平台,将逻辑数据云与物理数据云接入网络,提供稳定、高效的数据备份功能,并针对不同备份对象制定备份策略,从而达到备份资源优化的目的。在浙江中烟备份系统的应用实施,充分说明该平台是一种适用于跨地域、大数据量的数据备份方案。