基于贝叶斯网络的不确定环境装备故障推理模型

针对不确定环境下装备故障传播及推理问题,提出了一种基于贝叶斯网络的故障推理模型,利用网络结构与概率分布有效表达装备中各部件故障状态、关联关系及传播方式。首先将模型中变量按照其对应部件在装备中所处地位及层次的差别进一步分为故障检测变量、故障原因变量与故障模式变量三个子集。其次,依据维修人员在故障推理过程中的思维方式,提出了一套符合故障推理任务的模型网络结构有向边取向规则。然后,分析故障推理模型中变量条件概率分布特点,明确其在不确定性表达及参数简化中的优势。最后,建立平视显示器的故障推理模型实例,结合贝叶斯网络推理能力进行故障预测及诊断分析,验证模型的有效性。     

基于神经网络的组合电路测试生成算法

介绍了一种基于神经网络的组合电路测试生成算法。该算法不同于传统的方法是它既不需要回退也不需要故障传播的过程。利用Hopfield神经网络模型将组合电路表示成双向的神经网络，通过故障注入，建立被测电路的约束网络，并构造网络的能量函数，将组合电路的测试矢量对应于神经网络能量函数的最小值点，从而运用遗传算法求解能量函数的最小值点来求得测试矢量。在一些基准电路上的实验结果表明本算法具有较高的故障覆盖率和较短的测试时间。     

关于状态差计数法输入概率的优化

建立在逻辑电路内容自测试的基础上,提出了一种新的优化伪随机序列输入概率的方法,首先找到了最难测故障在电路中的分布,建立了对应于最难测故障的电路模型,然后根据状态差计数法对这些电路模型的输出信号进行压缩,通过分析压缩后的数据,得出最难测的故障检测率,最后利用电路的原始输入概率与故障检测之间的关系,提出了一种优化输入概率的算法,求出了测试数字电路最佳的原始输入概率。     

基于距离向量的改进WSN路由算法

针对无线传感器网络多对一的路由特点和LEACH(low-energy adaptive clustering hierarchy, LEACH)协议簇建立阶段的信息交换特性,提出了一种基于距离矢量的改进路由算法。该算法不再从邻居节点开始初始化路由表,也不需要建立网络中任意两点之间的路由路径,在簇的建立阶段,通过簇首信息的广播,各簇首获得其他簇首的一些信息,这可以用来简化协议,从而降低了协议实现所需的能耗。在J-sim仿真平台上对算法进行了仿真研究。仿真结果表明本研究提出的改进路由算法能够显著延长网络的生命周期,并使死亡节点的分布更均匀;在考虑电路损耗、CUP损耗和状态转换等方面的能耗后,该算法仍具有改善无线传感器网络性能、延长网络生命周期的潜能。     

基于启发式规则与改进和声算法的配网快速故障恢复网络重构

网络重构是改变配电网运行状态最重要的手段之一,可有效提高配电网经济、安全以及供电可靠性.为此,提出融合启发式规则与网络重构的配电网故障快速恢复方法,采用宽度优先遍历的思想,确定故障隔离后非故障失电区,据此利用提出的启发式规则确定非故障失电区的故障恢复方式,以及实现非故障失电区与非故障带电区的连通;对接入了非故障失电区且除去了主动孤岛恢复部分的配电网络,构建以网络损耗最小为目标,以满足配电网安全运行为约束条件的网络重构模型,利用所提出改进和声算法对模型进行求解.通过69节点系统仿真,表明所提方法相比其他方法具有优越性,同时验证了所提出的配电网故障恢复网络重构模型的有效性.     

PMLSM的两种模型及比较

介绍了在理想状态下利用电磁场和电路的基本理论在四层线性模型的基础上所建立的PMLSM电路模型以及利用BP算法用C语言编制程序实现一个单输入层单输出层4隐含层的神经网络,然后用试验数据对网络进行学习训练而建立的PMLSM网络模型.以一台单边型PMLSM为例比较了这两种模型.     

PMLSM的两种模型及比较

介绍了在理想状态下利用电磁场和电路的基本理论在四层线性模型的基础上所建立的PMLSM电路模型以及利用BP算法用C语言编制程序实现一个单输入层单输出层 4隐含层的神经网络 ,然后用试验数据对网络进行学习训练而建立的PMLSM网络模型 .以一台单边型PMLSM为例比较了这两种模型     

基于长短期记忆网络的Vienna整流器故障预测

为了掌握Vienna整流器的健康状态,提出基于长短期记忆（LSTM）网络的Vienna整流器故障预测模型。通过对电容和功率MOSFET的退化与故障特征分析,建立Vienna整流器整体电路性能和关键元器件退化之间的关系,选择输出电压变化值ω为整流器的故障特征参数。在此基础上,构建基于LSTM的Vienna整流器故障预测模型,采用Adam优化算法训练预测模型,实现对Vienna整流器故障特征参数的预测。仿真结果表明,该模型预测结果的均方根误差为0.123 3,平均绝对百分误差为0.101 8,该模型的预测精度较高,能够较好地实现Vienna整流器的故障预测。     

基于网络树的模拟电路故障诊断

根据电网络理论中树的特性,提出了一种的子网络级的模拟电路故障诊断方法,给出了在大规模电网络中,网络树状态的两个判据及根据网络树状态判据的故障诊断算法。本方法避免了进行 Ｋ Ｃ Ｌ方程校验所带来的复杂计算,且大部分计算可于测试前进行,实时性强,便于在线实现。算法同时适用于线性电路和非线性电路。     

基于量子遗传算法的XOR/AND电路功耗和面积优化

通过研究量子遗传算法、XOR/AND逻辑展开式及其对应电路的功耗和面积关系,提出一种基于量子遗传算法的单输出XOR/AND电路功耗和面积同时优化的算法.从量子比特、量子叠加态的概念出发,结合XOR/AND电路的功耗估计模型,以XOR/AND门电路数衡量电路面积,利用染色体编码、适应度函数构造和量子旋转门调整等方法,有效实现了功耗和面积的折中.将提出算法与遍历算法和整体退火遗传算法进行比较,结果表明该算法高效、稳定、收敛速度快.对较大规模电路的测试结果表明,该算法的优化结果与极性为零时的XOR/AND电路相比,功耗和面积平均节省了81.7％和54.7％.     

基于图模一体化技术的配电网可靠性评估

数字电网发展对配电网规划提出了更高的要求,一种基于图模一体化技术的配电网可靠性评估方法,可在提高电网规划人员工作效率的同时,增强配网可靠性评估的可视化和提高精准化水平。该方法依托图模一体化技术,以可缩放矢量图形(Scalable Vector Graphics,SVG)作为可视化交互对象,将待规划馈线SVG模拟的规划内容映射至公共信息模型(Common Information Model,CIM)中,再进行解析,并构建配网拓扑数据模型。基于拓扑模型采用故障扩散遍历算法对规划态配电网的馈线和负荷点的可靠性指标进行求解。最后,通过模拟某地区的配网馈线规划改造,得出待规划馈线规划前后可靠性指标的变化,证明方法的有效性与实用性。该方法能有效提高规划人员对各类配网规划工程可靠性评估的效率,为配电网分析、配电网规划方案评估、配电自愈工程建设的效益评价等工作提供重要的支持。     

基于改进Prim算法的变电站巡检机器人路径规划

变电站巡检机器人主要代替人进行变电站设备巡检,全面实现变电站无人值守。通过GPS定位技术获取机器人及设备位置信息,并将其抽象成网状存储结构,利用改进Prim算法生成最小生成树,同时,设计遍历算法遍历最小生成树,使路径回溯花费最小,完成机器人巡检路径规划。仿真实验结果表明,算法具有数据结构简单、执行效率高的特点。     

关于AOE网中关键路径求解算法的研究

介绍AOE网中关键路径的相关概念,通过算法描述和实例,探讨基于拓扑排序求解、P矩阵的求解和广度优先搜索遍历（BFS）方法三种算法,求解AOE网中关键路径的实现过程,并进一步从算法的时间复杂度、数据结构形式及实现的容易程度等几方面分析三种求关键路径算法的优劣。     

汽车半主动悬架的神经网络控制及仿真

基于 1 /2汽车非线性模型和对角回归神经网络模型 ,应用模型参考自适应控制对半主动悬架系统进行了离线辨识 ,构成了非线性神经网络控制器 ,在线训练了神经网络控制器 ,并对半主动悬架进行了控制仿真 ,对仿真结果进行了分析、总结。     

A~＊路径规划算法的改进及实现

针对A＊算法在路径规划过程中因遍历节点多而导致搜索时间长和路径规划距离长的问题,对A＊算法进行了改进.改进算法采用两点间的欧氏距离作为估价函数,并以前向搜索和后向搜索交替进行的方式来减少路径规划时间.仿真结果表明,改进算法在搜索时间和距离上分别比A＊算法减少了0.0184s和42m,在搜索得到的路径长度和算法运行时间上明显优于A＊算法.     

移动机器人路径规划仿真平台设计

路径规划问题是智能机器人研究的关键问题之一。笔者开发了一个智能机器人路径规划的仿真平台,该系统可用作机器人离线路径规划研究。系统的路径规划器首先将障碍物体变换到位姿空间中,再在位姿空间中进行路径搜索,根据指定的机器人起始位置及目标位置产生准优化路径。主要应用时变势场法、遗传算法、栅格法3种规划算法对机器人行走路线进行了模拟。同时,提出了一个有效的引入遗传算法的（FNA）算法,并给出了仿真结果。     

工程图学虚拟实验设计方法

通过分析工程图学实验特点,比较了几种开发平台;通过实例验证,确定了工程图学虚拟实验系统开发设计的工具平台;深入分析探讨了系统中的实验立体构建方法,通过分析VRML场景中形体构造的原理,设计了实验系统的模型数据结构和模型实时变形时数据修改的算法,为工程图学虚拟实验系统的开发探索了途径。     

基于聚类的超闭球CMAC神经网络改进算法

针对CMAC神经网络的网络节点随输入维数的增大呈几何级数增加的问题,提出了基于模糊聚类的超闭球CMAC神经网络改进算法。该算法通过对输入数据进行模糊聚类确定网络节点数和节点值,并根据输入输出数据通过模糊推理优化算法计算神经网络初始权值。与原算法比较,该算法可有效降低神经网络节点数,提高系统的学习精度。对一个多步时延的非线性系统的辨识仿真结果表明了该算法的可行性与有效性。     

新型用户访问模式挖掘方法研究

用户访问模式反映了用户浏览网站的规律,可从中发现用户的访问兴趣。常用的模式发现方法则是从用户的访问日志中挖掘用户的频繁遍历路径。由于基于Apriori算法的频繁遍历路径挖掘方法需频繁访问数据库和产生大量的候选项,提出了新型的遍历路径树的数据结构,用以挖掘用户的频繁遍历路径,通过与传统算法比较,提高了挖掘效率。