基于神经网络的导弹并行测试系统安全性模糊综合评价研究

针对传统导弹并行测试系统安全性评价主观因素突出的缺点,提出基于神经网络的导弹并行测试系统安全性模糊综合评估模型.首先建立了导弹并行测试系统安全性评价的指标体系,其次介绍了基于IA- BP神经网络的模糊综合评价模型,并详细介绍了模型应用的方法和步骤,最后通过实例分析,得出结论.结果表明基于IA- BP神经网络的模糊综合评价方法具有运算速度快、通用性强的特点,利用该方法对导弹并行测试系统的安全性进行评价具有可行性和客观有效性.     

现场总线系统分布式智能预测控制的实现

对于采用现场总线系统控制的复杂对象，应用智能预测控制的方式对其进行分布式控制，将现场总线的特点与智能预测控制方法相结合，使各子系统之间的参数以及控制动作协调一致，以实现对整个系统的优化控制．提出了在现场总线系统中构建该方法的步骤，并给出了一个采用该控制方法获得较好控制效果的具体实例。     

基于FIX和现场总线的管控一体化系统的实现

本文介绍了一种基于FIX组态软件和现场总线的管控一体化系统，根据管控一体化系统的特点，提出了CAN现场总线和以太网综合应用的控制方案，以及采用SHCAN2000型现场总线控制系统的设计与实现。     

基于现场总线思想的煤矿综合监控系统设计

提出了现阶段煤矿监控系统向现场总线技术过渡的一种方式，介绍了一套在现场总线技术思想指导下设计的煤矿综合监控系统。     

基于LonWorks技术的智能社区系统的构建

本文简要地阐述了智能建筑和智能社区的产生过程和发展现状，分析研究了现场总线技术用于构建智能社区的实现方法，从而跨出了目前智能社区以分布式控制系统体系结构为主的框架，提出了以现场总线技术构建智能社区的思路，进而构建了一种新型的基于LonWorks现场总线技术的智能社区系统。     

现场总线控制系统在柴油机试验站的应用

本文介绍了一种基于现场总线体系结构的柴油机试验自动测试系统。根据现场总线控制系统和柴油机试验流程特点，提出了柴油机试验流程现场控制方案，以及采用SHCAN2000系统的设计与实现。     

一种锅炉现场总线监控系统的设计与研究

本文阐述了一种锅炉现场总线控制系统的设计理论和实现方法，从硬件和软件两方面分别做了论述，从实际运行结果来看，该系统提高了控制的安全性、稳定性和经济性，具有广阔的应用前景。     

基于现场总线的门式起重机监控系统实现

文章介绍了对大型门式起重机采用现场总线的二级计算机进行分散控制、集中管理系统的硬件、软件、系统性能和要求，以及基于神经网络的数据融合监控策略。     

基于FIX和现场总线的管控一体化系统的实现

本文介绍了一种基于FIX组态软件和现场总线的管控一体化系统。根据管控一体化系统特点．提出了CAN现场总线和以太网综合应用的控制方案，以及采用SHCAN2000型现场总线控制系统的设计与实现。     

基于FF现场总线的地铁杂散电流监测系统

对基于FF现场总线的地铁杂散电流监测系统进行了研究，从网络结构和软、硬件设计了进行了详细的介绍，提出了FF现场总线应用于地铁杂散电流监测系统的设计方案。     

基于神经网络的入侵检测系统的实现

入侵检测是近十几年来出现的一种主动保护自己以免受黑客攻击的新型网络安全技术。入侵检测被认为是防火墙后的第二道安全阀门,文章从神经网络特点和机制入手,介绍了神经网络的基本概念及其算法理论,提出基于神经网络入侵检测方法,并给出了基于神经网络的网络入侵检测系统模型结构。仿真实验结果表明,运用神经网络检测入侵,可以达到较高的准确检测率,是一种有效的入侵检测手段。     

一种改进的仿生算法研究与分析

本文对仿生算法中的神经网络和遗传算法进行了分析和总结,针对神经网络方法训练速度慢,识别效率低,以及遗传算法选优时的过早收敛的问题,结合神经网络方法和遗传算法各自的特性,提出了相应的改进算法。在不破坏单个神经元的输入权值的基础上,采用数据预处理的方法来减少输入层的个数,从而提高进化学习的能力。     

基于优化自组织聚类神经网络的入侵检测方法研究

提出一种将自组织聚类神经网络运用于入侵检测的方法。在这种方法中采用自适应谐振学习算法进行训练;当网络的平均误差不再有意义地减少时,用遗传算法对网络继续进行训练得到最佳权值。用神经网络和遗传算法使网络结构和网络连接权值同时进化,收敛性好,自适应性强,适合于实时处理。仿真结果表明该网络取得良好检测效果。     

基于Boosting RBF神经网络的入侵检测

提出一种新颖的基于boosting RBF神经网络的入侵检测方法。将模糊聚类和神经网络技术相结合,提出基于改进的FCM算法和OLS算法相结合的FORBF算法,为了提高RBF神经网络的泛化能力,采用Boosting方法,进行网络集成。以“KDD Cup 1999 Data”网络连接数据集训练神经网络并仿真实验,得到了较高的检测率和较低的误警率。     

混合型多概念获取系统的设计与实现

本文主要描述了一个增量式混合型多概念获取系统ＨＭＣＡＳ，它提出了一个基于概率论的符号学习与神经网络学习相结合的学习算法，能从隶属于某个概念集的实例集中归纳出满足用户精度要求的，以浊合型判定树表示的概念描述。在ＨＭＣＡＳ中，符号学习与神经网络学习具有结合紧密的转换灵活等特点，具有较高的学习效率和较强的归纳能力以及增量学习能力。ＨＭＣＡＳ的神经网络学习可选择ＢＰ网络或ＦＴＡＲＴ网络，其推理机制提供了混     

飞控系统传感器故障诊断的神经网络方法研究

BP神经网络对于飞行控制系统传感器故障诊断是一种有效的故障模式识别方法;在标准BP神经网络的基础上,提出了一种新的BP改进算法——自适应FMBP算法(SAFMBP),用以消除标准BP网络收敛速度慢及易陷入局部极小等缺点,并且建立了飞行控制系统仿真模型和传感器常见故障模型,采用基于神经网络模式分类的故障诊断方法,应用改进的BP神经网络(SAFMBP)进行飞控系统传感器的故障诊断,最后给出了仿真诊断实例。     

基于神经网络的网络故障诊断

针对传统故障知识库冗余度高和稳定性难以两全的缺陷，提出了RSFBP算法，综合运用神经网络方法和粗糙集理论，实现对学习样本净化处理。实验表明，利用该方法实现的系统在进行网络故障诊断时可以取得较好的效果。     

基于模糊神经网络的倒立摆控制系统

在分析模糊控制、神经网络控制的基础上,根据倒立摆的特点,提出了模糊神经网络的控制结构。使用了遗传算法和BP算法相结合的方式来优化模糊神经网络,并以固高公司的倒立摆做实验,对实验结果进行了深入的研究和分析。     

模块化免疫神经网络平衡态检测模型*

基于神经网络原理、免疫系统和遗传算法的相关机理,构造了一个网络安全平衡器。该平衡器建立了抗原与抗体平衡态检测的数学模型、抗原与抗体的促进和抑制函数,提出了安全平衡态的概念,给出了抗原与抗体浓度的计算公式和模块化多层分类处理模型,利用促进、抑制函数和遗传算法适应度函数使已受攻击的网络再次达到一种新的安全平衡状态,这为网络安全提供了一个新的途径。理论证明网络安全方案是有效的。     

基于LM算法的成品油流量温度补偿研究

针对油品体积易受环境温度影响,导致LTC体积流量计测量准确度下降问题,给出了一种基于BP神经网络的油品体积温度误差补偿方法,采用Levenberg-Marquardt(LM)算法进行训练,利用神经网络良好的非线性映射能力,根据实际工作参数训练网络,得到体积修正补偿系数,算法通过可编程序控制器PLC实现,从而达到油品流量误差的智能补偿。应用温度误差补偿方法,保证了测量的正确性,并提高油库生产的计量精度和生产效率。