组合电路测试生成的神经网络建模研究与实现

针对组合电路的测试生成,采用神经网络进行了建模平台的研究与实现.通过建立神经网络基本单元库,对于注入故障的组合电路采用神经网络编译器自动生成神经网络模型,以完成组合电路基于神经网络算法的测试生成.实验验证表明了建模平台的有效性.     

数字电路多故障测试生成的神经网络方法研究

本文深入研究基于Ｈｏｐｆｉｅｌｄ神经网络的数字电路多故障测试生成方法,该方法利用电路基本逻辑门和Ｈｏｐｆｉｅｌｄ网络的特性,建立多故障测试生成的神经网络模型,通过求解网络能量函数的最小值点获得给定多故障的测试矢量。文中提出了加速测试生成的技术策略,为多故障的测试提供了一种可能的新途径。     

遗传优化三值神经网络多故障测试生成算法

对于复杂的大规模集成电路,传统的测试生成算法已不再适用,研究新型有效的数字集成电路测试生成算法具有十分重要的理论价值和实际意义。提出了一种基于遗传优化的三值神经网络多故障测试生成算法。该算法利用三值神经网络的相关定理、定义,推导出了数字电路逻辑门的三值神经网络能量函数,由此构成了三值神经网络的约束网络。用遗传算法求解出了约束网络能量函数的最小值点即多故障测试矢量。遗传算法中的适应度函数是与具体应用问题的主要接口,它的构造直接影响问题求解的效率。在研究了其他遗传算法适应度函数的基础上,提出了新的适应度函数,并用软件实现了算法,在国际基准电路上的仿真实验结果表明了该算法的正确性。     

一种电路测试的最优神经网络与遗传进化方法

针对数字电路中信号线的单故障与多故障,本文首先建立电路测试的最优神经网络模型,然后设计一种两子群体竞争进化的遗传算法求网络能量函数的最小值点而获得给定故障的测试矢量,实验结果表明该方法能降低电路对应的神经网络规模并减少测试生成的计算量.     

一种基于Tent混沌系统的音频加密方法

提出了一种使用Tent混沌系统和Chen混沌系统相结合的音频数据加密方法,首先由Chen混沌系统产生Tent混沌系统中参数的值,然后由Tent混沌系统生成一个混沌序列作为加密因子序列,把音频数据与加密因子序列进行异或操作,实现对音频的加密。     

基于混沌-现代谱估计正弦信号检测方法

介绍了测量正弦信号的频域方法--传统谱估计方法及现代谱估计方法.在此基础上提出了将现代谱估计方法与著名混沌系统(杜芬振子系统)构成混合检测系统,共同检测微弱正弦信号方案.给出仿真系统框图及仿真结果.结果表明用此方法在估计正弦信号时,幅度测量精度被提高,此方法是进一步发展弱信号检测的有效途径之一.     

基于混沌映射的级联逆变器均衡控制策略的研究

当级联型逆变器级联单元较多时,存在各单元利用率不平衡问题.提出基于混沌映射的随机均衡控制方法,指出在基于随机函数的均衡控制下,各单元工作的概率相等,介绍了an混沌映射法、logistic混沌映射法及帐篷映射法实现均匀分配,并给出了仿真结果,证明了该方法是有效的.     

基于神经网络的电路多故障测试及并行实现

对数字电路的多故障测试生成,首先构造被测电路的约束电路结构,并建立测试生成的神经网络模型,然后采用遗传进化算法计算约束电路对应神经网络能量函数的最小值点而获得给定多故障的测试矢量,该方法具有易于实现和有良好的内在并行性等特点.同时给出了算法的并行实现方案.     

一种混沌神经网络在图像压缩中的应用

本文介绍了神经网络在图象压缩领域的应用，并且对前馈神经网络模型及其学习算法进行改进。在改进的模型中，隐层的每个神经元都附加上一个基于Logistic映射的伴随神经元。能够产生混沌现象。同时论述了这种混沌神经网络用于图像压缩的模型、原理、算法及关键技术。并通过仿真实验将这种模型应用于图像压缩中。其中的关键是算法，激活函数和压缩率等参数的选择。在固定压缩率和激活函数的条件下。将这种模型和最常用于图像压缩的标准BP网络模型进行了比较，结果表明这种混沌神经网络在压缩率。失真率等方面性能更好。从而使得重建图像效果更好。     

基于混沌理论的滚动轴承故障信号检测

针对滚动轴承早期故障信号十分微弱的问题,提出采用Duffing混沌振子对故障微弱信号进行检测的方法。对Duffing方程进行改进,实现对任意频率微弱信号的检测。分析微弱周期信号相位角对检测系统的影响,提出采用多相位混沌振子阵列来消除微弱周期信号相位角对检测系统的影响。通过仿真实验,确定检测系统由3个混沌振子构成。使用该检测系统成功检测出轴承外圈故障微弱信号,相比传统的混沌振子检测系统,缩小了检测盲区,提高了检测信噪比。     

采用学习向量量化神经网络法研究机构的选型

利用学习向量量化(LVQ)神经网络具有的强大的非线性运算和相似特征聚类功能,提出了一种机构选型的决策方法。设计者只需将设计要求模糊量化,转换为特征因素集输入训练好的神经网络,即可从一组机构中决策出较为满意的一种机构。采用LVQ完成评价决策的推理过程,可以有效解决专家知识表达和积累问题,提高选型结果的合理性,并在一定程度上简化了机构的选型决策过程。实例表明,采用LVQ网络进行机构选型是合适的,相对于BP网络具有更好的模式分类识别特性。     

反求工程中基于点云数据集的CAD建模研究

提出了一种新的基于神经网络的点云数据重构CAD光顺造型的新算法。首先对点云数据平滑处理;然后进行特征线提取,并以特征线为基础对曲面进行分割。该方法能直接从神经网络的权值矩阵得到曲线的控制顶点／曲面的控制网格,通过神经网络的权值约束实现曲线段／曲面片之间的光滑拼接。同时对恢复的隐式表面的初始逼近网格自适应性优化。实验效果表明,该方法能够得到精确的逼近结果,同时能满足反求工程的实时需求.     

蚂蚁算法在时序电路测试生成中的应用研究

数字集成电路的发展对测试提出了日益紧迫的要求 ,测试已成为妨碍LSI/VLSI付诸应用的瓶颈问题。尤其时序电路的测试生成 ,理论上是个没有完全解决的问题。通过结合电路的结构信息 ,提出了基于蚂蚁算法的时序电路自动测试生成 ,该算法分初始化和故障检测两个阶段实现。实验结果表明 ,基于蚂蚁算法的测试生成能取得较好的故障覆盖率 ,并且测试生成所耗费的CPU时间非常短 ,说明这是个值得探索的方法。     

一类基于径向基函数神经网络的离散混沌系统控制

以OGY法作为混沌控制策略对径向基函数(RBF)神经网络进行训练,通过参数扰动模型输出得到控制混沌运功的小扰动信号作为混沌控制器。并以Henon映射的混沌行为为基础进行仿真模拟,结果表明该方法的有效性。     

基于LVQ神经网络的混沌时间序列分类识别

学习向量量化 (L VQ)是一种自适应数据分类方法 ,文中研究了利用这种神经网络对 Jeffcott转子碰摩模型的非线性混沌时间序列进行分类识别 ,得到了满意的效果。分析结果表明 ,该方法可以实现对这类混沌信号和其它响应信号数据的聚类 ,对非线性信号分类识别提供了一种较为直接的处理方法     

神经网络在异常检测中的研究与应用

现存的入侵检测系统缺乏从先前所观测到的进攻进行概括并检测已知攻击的细微变化的能力.这里描述了一种基于过程的入侵检测算法,该算法利用人工神经网络的特点,具有从先前观测到的行为进行概括进而判断将来可能发生的行为的能力.本算法主要用于检测新型的网络入侵攻击.     

采用汽车功率流一般算法设计任意功率流的汽车变速装置（Ⅱ）

本文为设计一个任意型汽车变速装置推荐了一个汽车功率流的一般算法。开发了汽车变速装置静态和瞬变状态的状态运动方程式。采用本算法不用人工手算而是采用计算机进行。对于汽车变速装置的运动特性只考虑推导其角速度和转矩，不考虑振动和噪音的影响。汽车变速装置限定的基本元件有：行星齿轮传动，离合器，制动器，轴，普通齿轮和惯性件，该变速装置限定于由这些元件组成。该变速装置的一般算式产生于变速装置的各档和换档状态。采用基于这些算法开发的软件可以设计具有一任意功率流的汽车变速装置。所提供的这些算式，设计双行星齿轮传动和仿真结果和实验结果比较表明十分吻合。     

采用汽车功率流一般算法设计任意功率流的汽车变速装置

本文为设计一个任意型汽车变速装置推荐了一个汽车功率流的一般算法。开发了汽车变速装置静态和瞬变状态的状态运动方程式。采用本算法不用人工手算而是采用计算机进行。对于汽车变速装置的运动特性只考虑推导其角速度和转矩,不考虑振动和噪音的影响。汽车变速装置限定的基本元件有：行星齿轮传动,离合器,制动器,轴,普通齿轮和惯性件,该变速装置限定于由这些元件组成。该变速装置的一般算式产生于变速装置的各档和换档状态。采用基于这些算法开发的软件可以设计具有一任意功率流的汽车变速装置。所提供的这些算式,设计双行星齿轮传动和仿真结果和实验结果比较表明十分吻合。     

集成神经网络在设备诊断中的应用

本文从诊断工程实际出发 ,从信息融合的角度提出了集成神经网络的概念 ,并讨论了实现的策略。诊断实例表明 ,集成神经网络的建立 ,充分利用了各种信息 ,可有效提高确诊率