基于深度学习与不平衡样本集的输电线路故障分类

针对输电线路各类型故障样本间的数量不平衡会造成人工智能算法对故障中的少数类样本识别精度不足的问题,提出了一种基于Borderline-SMOTE（BSMOTE）算法与卷积神经网络（CNN）相结合的输电线路故障分类方法。该方法首先利用BSMOTE算法对位于分类边界上的少数类样本进行过采样合成处理,改善样本间的不平衡度,然后将所提取的一维故障电流信号样本重构成二维灰度图像数据形式,并在Pytorch深度学习框架下搭建了CNN网络模型,利用模型的自主学习能力对灰度图像进行特征自提取与辨识,减少传统人工设计特征提取的工序,完成对输电线路故障类型的分类。实验结果表明该模型能够提高对少数类故障样本的识别能力,准确地判断故障类型,并对噪音具有较强的抗干扰能力。     

控制器模态不匹配的半马尔可夫系统的可达集分析

研究了控制器模态不匹配的半马尔可夫跳变线性系统的可达集。在不考虑有界转移速率约束的情况下,设计了模态与系统模态不匹配的控制器,得到了系统状态轨迹有界的充分条件。然后,分别研究了模态独立和模态依赖的控制策略,进一步讨论矩阵中含有不确定的概率和部分已知的矩阵情况。最后,通过算例和仿真结果验证了模态不匹配控制方法的有效性和优越性。     

基于Rough集的磨削参数决策系统

本文介绍了5层模糊神经网络的优缺点，提出了基于Rough集构造模糊神经网络的方法，并应用于多传感器的磨削参数决策系统，达到控制磨削加工质量的目的。     

一种基于分布约简的规则获取方法*

基于决策表分布约简定义规则的分布核与分布约简概念,提出一种基于分布约简的规则获取方法.首先确定条件类的分布核,进而采用启发式算法计算其分布约简,挖掘出最简产生式规则.该方法能适应决策表的不一致情形,且运用此方法所提取的规则集能够保持与原信息系统一致.     

不完备信息系统的规则提取研究*

粗糙集理论和D-S证据理论都是重要的不确定性推理方法,两者各有优缺点.现实生活中,不完备信息系统广泛存在.研究了将两种理论结合用于不完备信息系统以进行规则提取,并用实例进行了验证.     

快速的层次树集合分划编码算法*

设计了一个改进算法,它仅需对小波分解矩阵进行一遍扫描即可确定层次树集合分划编码(SPIHT)算法所需的所有D(i,j)和L(i,j)重要性并完成对所有(i,j)子系数的编码,使得按照SPIHT的排序方法编码时只需查找存放D(i,j)和L(i,j)的重要性及(i,j)子系数的编码表,从而大大提高了SPIHT的编码速度.     

粗糙集理论及其在图像处理中的应用*

首先描述了粗糙集理论的基本概念,包括粗糙集知识表示方法和粗糙集约简理论;叙述了粗糙集理论及其与其他非线性理论相结合在图像处理中的应用情况;最后指出了粗糙集理论应用于图像处理的基本思路,并指出将粗糙集理论与其他非线性理论相结合应用于图像处理,将会产生更加有效的结果.     

无线自组网络中的基于多个支配集的路由协议*

提出了一种在无线自组网络中建立多个连通支配集,使其分时共同承担网络中继传输的方法,以防止部分节点被过度消耗,维持网络中能量消耗的平衡.仿真实验表明,基于多个连通支配集的路由方法可有效防止部分节点被过度消耗、维护网络的能量消耗平衡、延长网络的寿命.     

粗轧过程中轧制力和宽展的预测与分析

 板带轧制数学模型是实现自动控制的基础,高精度的数学模型是提升产品质量和市场竞争力的重要保障。在热连轧粗轧过程控制中,轧制力和宽展是关键参数,其模型精度不仅会影响粗轧轧制规程的设定,而且会影响最终热连轧带钢产品凸度。以矩形板坯热连轧粗轧过程为研究对象,针对轧制变形区建立了三维运动许可加权速度场,在此基础上充分考虑自然宽展效应,基于刚塑性材料的第一变分原理,采用可变上限积分法对塑性变形、剪切功率和摩擦功率进行积分获得变形区总功率泛函。利用Matlab优化工具箱对总功率泛函进行最小化,得到了轧制力、宽度分布的理论解。最后利用理论模型计算数据回归得到了板坯宽展及速度场中的加权系数模型。将基于所提出模型的轧制力和宽展预测值与现场实测值及部分有关学者所建立模型的预测值进行了对比,结果验证了所建立模型的准确性。研究得到的宽展模型和速度场加权系数表达式可以方便、灵活、快速地应用到粗轧现场中,为更高质量热连轧带钢产品的生产奠定了坚实基础。     

纺牵—步法中粗旦丙纶长丝沸水收缩率初探

在纺牵联合一步法纺丝机上研究了丙纶切片的熔融指数对纤维沸水收缩率的影响，发现熔融指数高的切片，其纤维的沸水收缩率变化大。沸水收缩率随热定型的温度升高而下降。沸水收缩率可根据用户提供中心值（Ｍ）通过实验确定，一般以Ｍ±１．５为宜。