灰色系统优势分析模型

本文首先在文[1]的基础上给出了“关联矩阵的行列完全可比性”概念,指出了此情况下作优势分析应注意的问题;根据文[1]优势分析的思想及定义,给出了系统最优序列、准最优序列的完善定义,进而改进了关联度定义,论证了在此义下“行列完全可此性”定理,为作优势分析提供了方便方法。     

基于改进扩展关联模型的飞机组件测试性研究

多信号流图模型是一种简单而有效的系统建模方法,已广泛地应用于测试性分析和故障诊断领域;为了减少飞机维修过程中组件的不必要更换,提高维修效率,对多信号流图模型的建模方法进行研究,以飞机音频管理组件(AMU)为例,建立多信号流图模型,构建故障一测试关联矩阵和故障一故障关联矩阵;为与实际出现的组件故障信息相匹配,对故障一故障矩阵进行改进,构建了实际故障信息一故障关联矩阵,对组件模型进行测试性分析;由实际维修经验可知,该信号模型可快速地定位故障,给出相应的维修措施,减少通常维修中采取的不必要措施,降低了人为因素的影响,大大地缩短了维修时间.     

考虑外部环境信息的电网故障识别与原因分析方法

为提高电网故障诊断方法对于外部环境信息的利用率,并在故障识别的基础上实现对故障原因的分析,设计了一种考虑外部环境信息的电网故障识别与原因分析方法。首先,针对各故障判别依据权重固化的问题,分析了断路器和保护告警信息的差异性与可信度,利用层次分析法(analytic hierarchy process,AHP)权重分析方法赋予可信度较高的信息较大的权重,从而降低误报、漏报信息的影响,提高故障诊断的准确度。其次,针对现有故障诊断方法缺乏故障原因分析功能的缺陷,引入了外部环境信息(计及信息类型及其告警等级)作为故障原因分析的判据,应用模糊综合评判(fuzzy comprehensive evaluation, FCE)法进行环境因素对电网的危害评估,判断该故障是否由外部因素导致,继而实现故障原因的辨识。最后,建立保护动作告警信息漏报、误报以及断路器据动、误动故障场景下的故障算例进行仿真验证。研究结果表明,所提方法能够有效利用多种故障相关信息,提高故障识别结果的准确性,并能够进一步分析出故障原因。所提方法可有效提高电网故障诊断工作效率,保障供电可靠性。     

基于双重故障模式的微型电网电压自愈控制方法研究

针对故障干扰容易造成电网负荷损失的问题与负荷裕度较小且分布不均等问题,提出双重故障模式的微型电网电压自愈控制系统等效处理微型电网运行模式。通过有向图路径矩阵及其关联矩阵确定供电路径计算传输功率,构建网络故障关联与拓扑矩阵然后对双重故障形成关联,实现负荷裕度损失较小的条件下进行微型电网电压自愈控制的目的。实验表明,故障检测过程中负荷裕度提升值较高且分布均匀,紧急负荷补偿能力较高,故障定位下的微型电网负荷性能得到提升且具有良好的稳定性。     

Leslie素矩阵的一个充要条件

Leslie矩阵模型在带年龄结构的种群动力学中具有重要地位,研究成果表明当Leslie矩阵为素矩阵时,目标种群将趋向一稳定的年龄分布。该文给出了一个无需通过烦琐的矩阵幂运算来判定Leslie矩阵是素矩阵的充分必要条件,它为Leslie模型的实际应用提供了很大方便。     

基于混合自适应遗传算法的工作流挖掘优化

针对目前工作流挖掘算法采用局部策略而无法保证最优挖掘以及算法对噪声敏感的情况,提出了基于混合自适应遗传算法的工作流挖掘优化算法。首先定义了基本工作流网以及变迁的使能和点火规则,描述了过程模型;然后提出了过程模型转换成基本工作流网的算法,给出了衡量事件日志与过程模型的符合性的适应值评价函数;最后根据进化阶段以及个体相似度设计了混合自适应的交叉率和变异率。仿真试验结果表明,该算法与α算法相比具有更高的鲁棒性和对噪声的抗干扰性;与基本遗传算法相比,该算法能显著提高解的质量和收敛速度。     

基于Web日志的自适应站点优化研究与应用

论文主要从理论上分析了一种自适应网站性能优化算法,该算法首先以Web站点的URL为行、以用户的UserID为列,建立URL_UserID关联矩阵,元素值为用户的访问次数;接着对行向量进行分析获得频繁闭相关页面集;最后,对频繁闭相关页面集进一步处理发现频繁访问路径。Web站点可根据频繁路径自动改进链接结构,提高Web站点对所有用户的整体服务性能,提高客户访问的效率。     

基于FPN推理的多Agent网络故障诊断系统的研究

多Agent诊断系统是一种分布式系统,现已在故障诊断中得到广泛应用.提出一种基于FPN推理的多Agent网络故障诊断模型,该模型利用各部分Agent模块来完成故障诊断过程中的信息搜集与分析,故障的确定以及对故障的处理,其中故障的确定由模糊Petri网推理算法来完成.该模型综合了FPN推理算法的并行性以及多Agent技术对故障诊断与处理的智能性的特点,为实现网络故障的快速诊断提供了一条全新的思路.     

基于关联规则的分布式通信网告警相关性研究

描述了基于数据挖掘的通信网告警相关性分析.在分布式数据库中直接运用序列算法效率很低,因为这需要大量的额外通信.为此提出了一种有效的分布式关联规则挖掘算法--EDMA,它通过局部剪枝与全局剪枝来最小化候选项集数目和通信量.在局部站点上运用先进的压缩关联矩阵CMatrix统计局部项集支持数.此外还利用项目剪枝与交易剪枝共同来减少扫描时间.最后仿真验证了EDMA比其他经典分布式算法有更高的运算效率、更低的通信开销以及更好的可扩展性.