输入信息不完整的置信规则库推理方法

现有的关于置信规则库的研究大多集中于参数优化问题上,而对于数据采集困难导致输入信息不完整,从而使得置信规则库系统难以正常运行的问题研究较少.为了使置信规则库系统能在输入信息不完整的情况下继续运行,提出了一种输入信息不完整的置信规则库推理方法.首先,从经验或利用数据统计的方法从历史数据获取前提条件属性分布情况;然后,对于缺失的前提条件属性利用分层抽样的方法得到多个候选值,并与其他前提条件属性组合成多个输入,对每个输入分别利用置信规则库推理方法进行推理;最后利用ER算法将所有输入的推理结果进行融合.在汽车发动机故障诊断的仿真实验中,将本方法与其他几种方法进行对比分析.实验结果表明:本方法在有充足历史数据的情况下,推理累积误差明显小于其他方法.而且通过多组实验,发现本方法对不同的分布情况有很好的适应性;本方法在尽量降低计算复杂度的基础上减少了推理误差,给不完整输入信息的置信规则库推理提供了一种新思路.     

哈希索引的扩展置信规则库推理方法

由于扩展置信规则库在推理过程中需要遍历规则库中所有的无序规则,所以当规则库很大时,扩展置信规则库系统的推理效率不高。鉴于此,提出使用局部敏感哈希算法构建置信规则索引的优化方法。首先用局部敏感哈希算法为规则库中的所有规则生成特殊的局部敏感哈希值,该哈希值能尽量保持原始规则之间的相似度,因此相似的规则有较大的概率得到相同的索引值;然后通过对输入数据的处理,在索引表中找到与输入数据邻近的规则,并有选择地激活这些规则,从而提高该系统的组合推理效率;最后通过选用非线性函数拟合实验和输油管道的泄漏检测仿真实验,对基于局部敏感哈希索引的扩展置信规则库系统进行检测和验证。实验结果表明,局部敏感哈希算法能够有效地优化扩展置信规则库系统的推理效率,并能够提高输出结果的准确率。     

置信规则库专家系统学习优化问题的研究

针对基于证据推理的置信规则库专家系统(RIMER)的学习优化问题,在训练参数仅为规则的置信度、权重的基础上,通过增加前提属性参考值及输出参考值为训练参数来实现局部扩展训练和全局训练,并使用MATLAB中FMINCON函数对参数进行优化求解.分别将该专家系统应用在发动机故障诊断和数据逼近中,并对其进行训练优化.结果表明,与局部扩展优化相比,全局优化时,RIMER系统能更好地模拟实际系统,对参数的优化程度越深,RIMER系统的精度越高.     

基于故障样本的滚动轴承故障诊断置信规则库研究

滚动轴承是使用非常广泛的机械零件,现有技术对滚动轴承故障诊断存在局限性。为提高滚动轴承故障诊断的准确性,通过利用历史数据,提出基于故障样本的置信规则库的方法,首先对滚动轴承的典型故障进行分析,获取其振动数据作为样本;然后提取时域特征参数和时频参数,对参数进行特征融合,提取征兆参数,建立故障诊断的置信规则库;通过实验平台获取滚动轴承异常数据,验证建立的置信规则库的有效性和准确性。     

基于预警系统的反应堆非能动设备故障的研究

在已有的核电智能诊断方法研究的基础上,为提高核电故障诊断的及时性,提出了以专家系统置信规则库技术为基础的基于时间周期性触发的预警系统。在运行过程中,预警参数超过阈值,系统进入预警状态,应用预警系统中的专家系统置信规则库,完成故障的定位与识别。采用故障机理模型与核电模型相结合的方式,通过报警时刻核电运行参数的研究,构建置信规则库。以此为基础进一步构建预警参数集合及预警阈值集。预警系统的研究对象为反应堆非能动设备故障,通过在核电模型中人为引入故障,预警系统能够在故障发生时进入预警状态,故障识别结果与引入的故障一致,验证了预警系统的有效性和可靠性。     

置信规则库参数学习的并行差分进化算法

为解决置信规则库中现有参数学习方法主要是串行算法且不适用于求解大数据下参数优化模型的问题,结合群智能算法中的差分进化算法和集群系统中分布式方法,提出了基于消息传递接口的并行参数学习方法。以输油管道检漏问题为例,对比分析了本算法与现有参数学习方法在收敛时的误差,并在不同结点数的集群系统中分析了本算法的加速比和效率。实验结果表明,并行的参数学习方法是有效可行的。     

基于混合PAES的置信规则库推理算法

目前对置信规则库（BRB）的研究主要是关于BRB系统的参数或结构的单目标优化。然而,BRB系统中提高推理准确性和减少系统复杂度往往是两个相互冲突的目标。因此,设计合适算法来寻找到两个目标上的最优解具有重要意义。鉴于此,该文提出基于混合Pareto存档进化策略（M-PAES）的置信规则库推理方法（M-PAES-BRB）,通过最小化系统的均方根误差和系统复杂性来寻找到近似的Pareto最优前沿。该算法采用了改进型M-PAES算法来构建多目标优化模型,通过重组和变异操作生成候选解。该文选取两个标准时间序列,Mackey-Glass和Box-Jenkins作为实验数据,对M-PAES-BRB的可行性及有效性进行分析。实验结果表明,相比于模糊规则库的多目标优化方法（FRBSs）,该文方法的推理准确性更高,同时系统复杂度更低。     

基于置信规则库的油浸式变压器故障诊断

针对油浸式变压器的故障诊断问题,提出了基于置信规则库(belief rule base, BRB)的有效诊断模型,通过模型结构简化和模型参数优化来提高BRB建模的效率和精度.首先,合理约减故障气体类型和减少训练模型参数以实现对BRB模型结构的简化.其次,提出一种具有自适应更新策略的人群搜索算法(seeker optimization algorithm with adaptive update strategy, AUS-SOA),对简化BRB模型的参数进行优化.然后,根据简化模型和优化参数建立AUS-SOA-BRB诊断模型.实验结果表明,AUS-SOA-BRB模型具有较高的诊断精度,也验证了所提建模方法的有效性.     

基于表格查寻的卡车后倒模糊控制系统

基于表格查寻学习算法对有界区域内的卡车后倒系统进行了仿真设计 ,建立了新的控制规则库 ,实验结果表明 ,新的表格查寻规则库明显优于已有的表格查寻规则库。     

帕累托分布参数的一种新联合置信域（英文）

基于充分统计量建立帕累托分布在完全样本下参数的一种新联合置信域.通过置信域的平均面积,定义参数的估计效率,并通过蒙特卡洛模拟与经典置信域进行比较,结果显示新的置信域比经典置信域更精确.最后,实例分析验证了所获得的结果.     

基于混合自适应遗传算法HEV系统参数的优化

选择优化算法是混合动力电动汽车系统参数优化的一个重要内容.针对基本遗传算法存在着易早熟、收敛速度慢的缺陷,提出了一种混合自适应遗传算法.测试结果表明,该算法既具有良好的全局收敛性,又具有较快的收敛速度.将该算法应用到混合动力电动汽车系统参数优化问题中,取得了较为满意的优化结果和收敛效果.根据优化结果,对一辆串联式混合动力中巴的发动机/发电机组进行了优化设计.     

基于知识库的动态蚁群算法

针对蚁群算法收敛速度慢、易陷入局部极值等问题,将其与知识库结合,提出了基于知识库的动态蚁群算法.知识库包括算法知识、规则知识和案例知识,存储了定性或定量的算法参数、参数选择方法和历史数据.基于知识库和问题特性,本算法产生初始状态并动态调整参数,在运行过程中根据赌轮法选择算子并适时引入扰动,在不影响搜索过程随机性的前提下较快地收敛于全局最优值.分别用本算法和其他主流算法解决TSPLIB中的Eil51和CHN144实例,比较优化性能、时间性能和鲁棒性3个指标,结果表明本算法均有明显优势.     

数据挖掘在火电厂运行参数优化目标值确定中的应用

提出了基于语言值关联规则挖掘的电厂运行参数优化目标值确定方法,通过挖掘某电厂300 MW机组历史运行数据,发现机组各运行参数间的关联关系,并据此确定参数最优值。首先利用FCM算法软化划分边界,将连续值转变为离散值,再用语言值关联规则挖掘算法进行挖掘,得到机组运行效率较高时对应的参数运行区间作为最优值区间以指导机组优化运行,理论分析表明挖掘结果能够正确反映机组运行规律。     

D-S证据理论中冲突证据的合成方法

针对高度冲突证据的合成问题,分析了D-S合成方法及其改进方法的不足,提出了一种新的改进方法。新方法仍利用D-S合成公式,但针对该公式要求参与合成的各证据需具有相同重要程度的要求,考虑到融合系统中各证据的重要程度可能不同,直接利用公式合成可能得到与实际相悖的结论,因而引入证据权的概念,给出了证据权的具体算法,通过证据权对已有的基本可信度分配函数进行修正得到了重要性相同的新的证据的基本可信度分配模型。最后通过算例比较表明新方法的合成结果更为理想。     

改进的LDPC码译码算法

通过将串行置信度传播机制与归一化BP_Based译码算法相结合,构造出一种改进的LDPC码译码算法。该算法按照校验节点的一定顺序进行置信度传播,改善了置信度传播的收敛特性;同时应用归一化BP_Based算法的置信度更新计算法则,有效降低了译码复杂度,适合硬件实现。在AWGN信道下进行性能仿真。仿真结果表明,本文构造的串行归一化BP_Based算法的译码收敛速度明显快于常用LDPC码译码算法的收敛速度,可以显著提高译码性能。     

新型LDPC码译码器

通过研究LDPC码奇偶校验矩阵的结构特点和LDPC码译码算法数据流程的特性,设计出一种新型LDPC码译码器。译码器包含可扩展的存储器阵列、结构精巧的地址控制单元和功能强大的时序控制状态机,具备可灵活扩展译码码长、硬件实现复杂度低和硬件资源利用率高的优点。构建通信系统,对硬件译码器进行性能测试,测试结果表明,译码器的译码性能与理论仿真值基本吻合,证明设计的正确性。     

基于鱼群算法和Ｈｏｐｆｉｅｌｄ网络的ＰＩＤ参数寻优

提出1种融合了人工鱼群算法与Hopfield神经网络的PID参数优化算法．该算法前期利用鱼群算法快速随机的群体性全局搜索能力生成问题较优的可行解域,后期利用Hopfield神经网络硬件易实现简单快速的优点得到最优解,有效弥补了Hovfield网络对初始值过于依赖容易陷入局部极值的缺陷．将该算法用于某发动机PID控制中的参数寻优,结果表明新混合算法的整定效果好于Hopfield神经网络,且该算法简单易实现．     

基于改进的文化蚁群算法求解最优路径问题研究

针对传统方法不能够有效的求解GIS最优路径问题,在文化算法的基础上提出了一种基于实际路况求解两地之间最优距离的蚁群优化算法.引入了表示天气、路况、驾驶员个人偏好等诸多不确定因素,并将改进的蚁群算法融入到文化算法当中,使蚁群算法具有群体空间和信仰空间并行进化的机制.群体空间采用改进的最大最小蚁群算法,从而有效的提高算法最优解的搜索能力和速度.通过模拟计算结果表明改进的算法求解实际最优路径在速度和精度上优于传统最优路径算法.