基于优化神经网络的采集终端软件可靠性预测

采集终端软件的可靠性是评价软件系统生命周期的一个重要指标。针对多种神经网络和支持向量机等方法在软件系统可靠性评价中存在的参数优化困难、软件系统预测模型的低准确率问题,提出基于SAGFA-BPNN的建模方法。该方法采用PCA对实验数据降维处理,剔除影响模型准确率的冗余和干扰样本;在优化SA和GA的基础上,给出退火遗传融合优化算法(SAGFA),并发挥其全局寻优能力,以及BPNN非线性映射能力,提出SAGFA-BPNN网络,及基于它的建模方法,以提高训练速度、全局寻优能力及准确度。文章还应用该方法对采集终端软件的可靠性进行了预测,预测结果表明,该方法可以有效地提高模型的准确度。     

基于状态观测器的双馈风电机组变流器开关管开路故障检测

针对双馈风电机组变流器可靠性较差,一旦变流器开关管发生故障,整个风电机组可能遭到严重损坏甚至导致停机的问题,提出一种基于状态观测器的双馈风电机组转子侧变流器开关管开路故障检测方法.根据双馈风电机组拓扑结构,结合其感应电机和变流器进行整体建模;构建状态观测器以实现对转子侧电流的在线估计并生成残差;将残差与设定的阈值比较,判断是否有故障发生.仿真结果证明该方法可行且有效.     

基于EWMA的宽带载波模块功耗测试方法

针对常规宽带载波模块功耗测试方法误差较大、不能代表功耗曲线特征的问题，提出基于指数加权移动平均法（Exponentilly Weighted Moving Average,EWMA）对宽带载波模块功耗检测数据进行处理，对多次采样得到的功耗值进行评估，在此基础上对其静态功耗和动态功耗进行估计。结果表明，与传统方法相比，基于EWMA方法得到的宽带载波模块功耗值误差更小，预测精度更高。