QoTa-MPR: QoS-oriented and traffic-aware multi-path routing protocol for internet of remote things

Telecommunication Systems - Internet of Remote Things (IoRT) is widely used in both military and civilian applications. However, due to the unique characteristics, which is characterized as...     

基于特征优选与深度学习的车载电源微小故障诊断方法

车载电源作为军队武器装备作训和应急的主要电能来源,其微小故障的准确诊断可有效预防严重故障的发生。然而实际监测数据往往存在冗余,且微小故障征兆难以有效提取,针对此提出一种基于递归特征消除(RFE)与栈式自编码神经网络(SAE)相结合的微小故障智能诊断方法。利用REF算法对所采集的特征变量进行重要度排序,以消除冗余并优选构建故障特征子集;再以该特征子集作为SAE深度网络的输入,微小故障类别作为输出,从而实现车载电源微小故障的有效诊断。仿真结果表明,与单纯SAE及浅层神经网络相比,所提方法的微小故障诊断准确率有明显提升,达到95.4%。     

Joint feature weighting and adaptive graph-based matrix regression for image supervised feature Selection

Matrix regression (MR) is a regression model that can directly perform on matrix data. However, the effect of each element in matrix data on regression model is different. Taking into consideration the relevance of every original feature in the matrix data and their influence on the final estimation of the regression model, we introduce an unknown weight matrix to encode the relevance of feature in matrix data and propose a feature weighting and graph-based matrix regression (FWGMR) model for image supervised feature selection. In this model, the feature weight matrix is used to select some important features from the matrix data and preserve the relative spatial location relationship of elements in the matrix data. In addition, in order to effectively and reasonably preserve the local manifold structure of the training matrix samples, a regularization term in the model is used to adaptively learn a graph matrix on low-dimensional space. An optimization algorithm is devised to solve FWGMR model and to provide the closed-form solutions of this model in each iteration. Extensive experiments on some public datasets demonstrate the superiority of FWGMR.     

嵌入改进SENet的卷积神经网络连续血压预测

提出了基于改进SENet卷积神经网络和自学习参数滤波器的连续血压预测方法。实验结果表明,改进SENet可以有效增加简单卷积神经网络对时序数据的预测能力,在卷积层数为二层、三层和四层时比简单卷积神经网络预测精度提升了34.8%、23.5%和36.0%,在此基础上利用自学习参数滤波器消除血压预测波形中的毛刺,最终得到平滑的连续血压预测结果。     

基于图形特征的双输入卷积神经网络风力机轴承剩余寿命预测

提出一种基于图形特征的风力机轴承剩余使用寿命（RUL）预测方法。首先,基于连续小波变换（CWT）对时域振动数据样本集进行预处理,得到用于预测的时频图形数据集。然后,采用双输入卷积神经网络（DICNN）从图形数据集中提取特征映射,用于构造高性能健康指数（DICNN-HI）来表征轴承各退化阶段的状态。最后,结合DICNN-HI,采用基于高斯过程回归（GPR）的分析方法进行RUL预测,并用PRONOSTIA滚动轴承数据集进行验证。结果表明,该方法具有较高的健康指数预测精度,能有效反映滚动轴承的劣化状态,有助于实现风力机轴承的RUL预测。同时,也可为其他旋转机械设备的剩余寿命预测提供重要的理论参考,具有一定的实用价值。     

基于复杂网络的多电机同步控制系统 故障诊断与切换容错研究

针对多电机同步控制系统的传感器故障问题,受复杂网络同步输出耦合矩阵概念的启发,基于其中的信息和结构冗余,设计表征不同传感器输出数据一致性的相似度矩阵,通过在线对矩阵中元素大小及特征值的判断实现对故障传感器的检测、定位与估计;依据故障诊断结果,通过引入可靠系数对均值反馈的加权修正,实现对故障传感器的隔离与系统的切换容错.所提方法的创新之处在于充分利用了数据驱动方法中便利的数据获取与基于模型方法中能反映机理特征的各自优势,实现了基于模型与基于数据方法的有机融合,避免了繁杂的理论推导,具有算法简单、不需要改变系统原有的拓扑结构、易于工程实现等特点,同时适用于多故障情形.仿真实验验证了所提方法的有效性.     

深度学习在故障诊断与预测中的应用

近年来,深度学习以其在特征提取与模式识别方面独特优势与潜力被广泛应用于众多领域,已取得显著进展,其在复杂工业系统故障诊断与预测中的研究属于新兴领域。对近年来深度学习及其在各领域发展的优秀综述文献以及主流的开源仿真工具平台进行了整理,同时介绍了五种典型的深度学习模型,包括自动编码器（Auto-Encoder,AE）、 深度置信网络（Deep Belief Networks,DBN）、 卷积神经网络（Convolutional Neural Networks,CNN）、 循环神经网络（Recurrent Neural Network,RNN）、生成对抗网络（Generative Adversarial Network,GAN）;从研究背景、实现流程及研究动态等三个方面就深度学习在故障诊断与预测中的应用研究进行了归纳总结,对近年来这一领域发表的相关论文进行了系统的综述;从研究实际出发探讨了深度学习在故障诊断与预测领域应用中存在的问题、挑战及解决方法,并对未来值得继续研究的方向进行了展望。     

基于融合模型的锂离子电池荷电状态在线估计

针对锂离子电池荷电状态（Stage of charge,SOC）在线估计精度不高,等效电路模型法估计精度与模型复杂度相矛盾的问题,本文对扩展卡尔曼滤波算法进行了改进,并以电池工作电压、电流为输入,对应等效电路模型法的SOC估计误差为输出,采用极限学习机算法,建立基于输入输出数据的SOC估计误差预测模型,采用物理–数据融合方法,基于误差预测模型,建立了等效电路模型法结合极限学习机的锂离子电池SOC在线估计模型。仿真结果表明,改进扩展卡尔曼滤波算法提高了算法的估计精度,而物理–数据融合的锂离子电池SOC在线估计模型减小了由电压、电流测量所引入的估计误差,克服了等效电路模型法估计精度与模型复杂度之间相矛盾的问题,进一步提高了SOC的估计精度,满足估计误差不超过5%的应用需求。      

Research on vulnerability and security technology of industrial Ethernet protocol

To solve the information security of industrial control system,the safety of industrial Ethernet protocol was studied deeply,the research status of protocol security protection was reported and the vulnerability of the five-major protocol was analyzed.Firstly,the architecture of industrial control system and industrial Ethernet protocol was discussed.Secondly,from the three aspects of external active defense technology,internal passive defense technology and protocol security improvement,a perfect industrial Ethernet protocol security protection model was put forward,and the main protection technology was discussed.Finally,the future development direction and research ideas of information security improvement of industrial Ethernet protocol were pointed out.     

基于SHPSO-GA-BP的成品汽油调和中加氢汽油组分辛烷值的预测

针对成品汽油调和配方建模中加氢汽油组分辛烷值难以实时获取，考虑遗传算法（genetic algorithm，GA）、粒子群算法（particle swarm optimization，PSO）优化反向传播（back propagation，BP）网络存在的问题，提出了一种串行混合粒子群遗传算法（serial hybrid PSO-GA，SHPSO-GA）优化BP网络，并用于辛烷值的预测建模。该方法首先将PSO算法的输出依据适应度值分为优劣2个种群，弃劣留优；然后对留优种群再进行GA的交叉变异操作，进一步优化种群，经过每一代PSO和GA的交替优化，并将最优种群用于BP网络参数优化；最后基于该方法和工业历史数据，建立了加氢汽油组分辛烷值的预测模型，仿真结果表明，较传统BP，以及改进的GA-BP、PSO-BP、PSO-GA-BP等方法，SHPSO-GA-BP由于将PSO与GA进行更优的深度融合，具有更好的预测性能，可以用于辛烷值的预测。