基于多标签随机森林的固体氧化物燃料电池系统并发故障识别

为了快速准确地识别SOFC系统的并发故障,将多标签技术和机器学习算法相结合,实现了复杂非线性系统中并发故障数据稀少情况下的故障快速识别。研究了多标签随机森林故障识别方法,通过集成多个随机森林,系统地提升了并发故障的识别率。针对并发故障识别的多维标签输出的特殊性,采用F1-Measure准则来评价多维标签识别精度,从而实现对并发故障的识别精度评价。实验结果表明:多标签并发故障识别框架能够在并发故障训练数据稀少的情况下,高效地识别故障样本。     

基于特征聚类与特征选择算法的SOFC系统故障定位

提出一种基于DBSCAN特征聚类的改进随机森林特征选择算法对SOFC系统的故障进行定位。该方法通过DBSCAN聚类算法挖掘变量间的相关关系,将变量聚类,再挑选出特征选择结果。实验表明:该方法不仅可以筛选出与故障强相关的特征,还能尽可能地减少特征间的冗余,可以高效、快速、准确地对故障进行定位。     

基于信息熵和用户行为一致性的协同过滤分组推荐

在仅以输入评分矩阵作为唯一算法输入的协同过滤推荐算法研究中，针对数据的质量不同带来的差异性对推荐结果的影响这一问题，包括对数据质量方面的重视与关注、如何刻画质量差异性以及如何针对不同质量数据的用户组别进行分组推荐建模等问题。提出针对数据质量的刻画，综合考虑用户行为一致性和用户信息熵两个指标对数据质量进行评价并对用户进行分组。对于不同组别的用户在分析其历史行为的基础上可以进行更精准的推荐建模。实验结果表明，数据质量的差异性确实对推荐精度的提升有着重要的影响，同时论证了对用户进行分组推荐的必要性。实验结果同时表明，运用用户行为一致性和用户信息熵两个指标的综合刻画带来的精度提升效果最为显著。     

基于多模式-监督分类的SOFC系统多故障识别

针对固体氧化物燃料电池(SOFC)系统的高维、非线性及多工况等特点,提出了基于PCA-HSVM的SOFC故障识别策略。首先,利用PCA提取故障特征信息,然后在降维后的特征空间里采用层级法构建HSVM多分类模型。实验结果表明:PCA-HSVM能够更加准确、快速地识别故障类型。     

时延不对称Hopfield神经网络的稳定条件及其应用

本文对具有时延的不对称Ｈｏｐｆｉｅｌｄ型神经网络平衡点的稳定性进行了分析，得到了网络平衡点全局渐近稳定的一些充分条件，最后我们说明了分析结果在网络设计和参数选择中的应用。     

在WinCC中实现串行通讯的两种方法

为了在WinCC组态软件中实现与串口的通讯,文中介绍了两种方法:一是在WinCC中调用VB编写好的串口通讯程序,进行数据交换,实现对串口的访问;二是在WinCC图形编辑器中调用ActiveX控件MSComm,编写全局脚本VBS实现对串口的访问。这两种方法很好地解决了组态工程师被WinCC所束缚的串行通讯操作限制问题,拓宽了工程师使用WinCC的灵活性,提高了组态效率。     

基于TM1300的实时视频采集压缩卡的设计

本文介绍了一种基于TMl300的H．263实时视频采集压缩卡的设计。文中首先介绍了该视频采集卡的硬件结构原理，然后实现了系统软件的设计，并对H．263视频编码算法进行了优化。     

基于小波包最佳基包解的特征表示

特征提取是信号识别与分类中的重要一环，对提高系统的准确、改善系统性能起着关键的作用。利用小波包变换对信号进行特征提取是近年来发展起来的一种新的特征表示手段，在许多领域中已获得了成功的应用。论文首先回顾了采用小波包变换对信号进行分解的过程，并在此基础上研究了基于小波包变换的特征表示与提取方法。     

智能语音报警系统在工业监控系统中的应用

首先从系统结构分析,将故障分为三种类型;然后利用TDC3000系统,将多媒体技术引入监控系统,对来自应用层的信号进行实时有效的故障诊断,并将专家系统等技术运用到故障诊断中,使报警系统智能化,确保报警的可靠性.     

不对称时延Hopfield神经网络的全局指数稳定性及收敛速度的估计

本文通过构造适当Ｌｙａｐｕｎｏｖ泛函的方法,对具有时延的不对称Ｈｏｐｆｉｅｌｄ型神经网络平衡点的指数稳定性进行了分析,得到了平衡点指数稳定的充分条件,同时我们也对其指数收敛速度进行了估计．