包装机械故障诊断的新方法——神经网络专家系统(PMNS)

提出了一种基于知识与模糊神经网络专家系统故障诊断方法,设计了包装机械故障诊断的神经网络专家系统的知识获得、知识库、推理机制等主要功能模块,并实现了基于改进型神经网络的包装机械诊断专家系统。     

一种改进的模糊神经网络控制器学习算法

提出了一种改进的模糊神经网络混合学习算法,运用遗传算法优化构成隶属函数的网络结构,运用最小二乘法进行解模糊,具有更高的学习精度和更快的收敛速度,解决了在多变量系统中采用模糊神经网络时学习收敛慢且易陷入局部极小点的问题。     

基于免疫网络调节的改进遗传算法

借鉴生物免疫中的独特性网络调节理论,将进化个体对应为免疫系统中的抗体,群体适应度量作为抗原,提出了一种改进遗传算法,实现了个体群在群体收敛性和个体多样性之间的动态平衡的调整,模拟实验表明新算法的收敛性能更佳。     

反向物流网络设计的改进MILP模型

针对反向物流网络设计的问题,给出了一个考虑流通、设施数量和规模限制,寻求运输、处理和固定投资综合成本最优化的多种废品回收MILP模型,并进一步在模型中考虑了政府行为对模型结构的影响.最后通过运算实例证明了模型的有效性,并分析说明了相应政府行为对废品回收工作的影响.     

Multi-Head Attention Graph Network for Few Shot Learning

The majority of existing graph-network-based few-shot models focus on a node-similarity update mode. The lack of adequate information intensifies the risk of overtraining. In this paper, we propose a novel Multi-head Attention Graph Network to excavate discriminative relation and fulfill effective information propagation. For edge update, the node-level attention is used to evaluate the similarities between the two nodes and the distribution-level attention extracts more in-deep global relation. The cooperation between those two parts provides a discriminative and comprehensive expression for edge feature. For node update, we embrace the label-level attention to soften the noise of irrelevant nodes and optimize the update direction. Our proposed model is verified through extensive experiments on two few-shot benchmark MiniImageNet and CIFAR-FS dataset. The results suggest that our method has a strong capability of noise immunity and quick convergence. The classification accuracy outperforms most state-of-the-art approaches.     

基于长短期记忆神经网络的风力发电功率预测方法

风力发电过程具有较强的随机性,导致风力发电功率的预测准确度不高。针对上述问题,提出了一种融合深度学习算法的风力发电功率预测方法。以历史风力发电功率数据作为输入,建立风力发电功率预测模型,实现对未来一个时间刻度的风力发电功率预测。算例结果表明,与传统时序预测方法相比,基于长短期记忆神经网络的风力发电功率预测结果在各项指标中误差更小,验证了上述方法在风力发电功率预测中的可行性和有效性,提升了风力发电功率预测的准确性。     

基于长短期记忆网络的风电机组齿轮箱故障预测

针对风电齿轮箱状态监测数据的多变量动态时空关联性特点,提出了一种基于长短期记忆(long short-term memory,LSTM)网络的齿轮箱故障预测方法,主要包括离线建模和在线监测两个阶段。首先,以齿轮箱油温为目标预测变量,充分考虑其与其它相关输入变量之间在时空维度上的重要关联信息,对历史监测数据进行训练学习,建立齿轮箱正常运行时的油温监测LSTM模型,通过对预测残差进行评估计算设定相应的检测阈值;然后,将训练好的油温监测LSTM模型用于在线测试,通过模型残差分析和阈值比较实现齿轮箱故障状态的检测和预测;最后,通过风电场测试数据对所提出的方法进行验证。结果表明,相比于其它传统方法,该方法表现出更好的预测性能,能够较早预测故障的发生。     

Dual-Port Content Addressable Memory for Cache Memory Applications

Multicore systems oftentimes use multiple levels of cache to bridge the gap between processor and memory speed. This paper presents a new design of a dedicated pipeline cache memory for multicore processors called dual port content addressable memory (DPCAM). In addition, it proposes a new replacement algorithm based on hardware which is called a near-far access replacement algorithm (NFRA) to reduce the cost overhead of the cache controller and improve the cache access latency. The experimental results indicated that the latency for write and read operations are significantly less in comparison with a set-associative cache memory. Moreover, it was shown that a latency of a read operation is nearly constant regardless of the size of DPCAM. However, an estimation of the power dissipation showed that DPCAM consumes about 7% greater than a set-associative cache memory of the same size. These results encourage for embedding DPCAM within the multicore processors as a small shared cache memory.     

一种使用矢量网络分析仪的阻抗测量改进方法

基于反射法理论提出了一种使用矢量网络分析仪测量集总参数元件阻抗的方法,引入阻抗匹配电路,拓宽了矢量网络分析仪的阻抗测量范围.通过对匹配电路二端口网络模型中参量A的分析,给出相应的被测元件的阻抗计算式,消除了夹具对测量结果的影响.采用矢量网络分析仪直接测量法和该阻抗测量法分别测量了5种不同阻值的金属膜电阻,结果表明,该阻抗测量方法的测量精度高于矢量网络分析仪直接测量的精度,可在30 kHz～100 MHz频率范围内实现几欧至千欧阻抗的精确测量.     

一种改进的形状记忆合金驱动器自适应控制算法的初步研究

针对形状记忆合金驱动器的非线性迟滞特性,提出了一种改进的自适应控制算法。该算法以MKP逆模型为前馈补偿器,通过选择性自适应律调整模型参数,从而实现动态磁滞补偿,以达到实时准确控制。采用仿真实验对其性能进行了初步验证。结果表明,该算法具有收敛速度快、运算负荷小、抗噪能力强等优点,适合于实时控制应用。     

敏捷性组织的神经网络描述

敏捷性组织的网络构成具有拓扑性特征。网络工作特征符合神经网络技术的基本假设，本文试用神经网络思想研究敏捷性组织网络的联想记忆模型。     

一种改进模糊神经网络及其在故障诊断中的应用

构造了一种改进模糊神经网络模型，该网络由四层神经元构成，第二层为模糊化支，文中给出了该层的通用隶属函数表达式。计及否定规则的影响，提出了扩展通用隶属函数的概念，并结合汽轮发电机组振动故障的不同特征征兆，给出了其具体表达式。在该网络的第二层与第四层间建立了部分直接连接关系，根据不同征兆对故障诊断结果的重要度不同，赋予了部分连接的优先权值，阐述了建立部分连接的依据和优先权值的确定方法，给出了网络的具体学习算法，并从单故障和多故障识别两个角度，比较了该模型与某改进BP网络的诊断结果，证明了该模型具有较强的故障识别能力。     

Structural Complexity of Fault-Tolerant Memory for Computerized Measurement Systems

Estimates are made of the hardware costs and functional reliability of a structural model for a fault-tolerant memory for computerized measuring instruments, which realizes an error-correcting code providing correction of errors of a given multiplicity and the detection of the maximum number of uncorrectable errors. __________ Translated from Izmeritel'naya Tekhnika, No. 7, pp. 13–16, July, 2005.     

基于卷积神经网络与门控循环单元的气液两相流流型识别方法

提出了一种基于卷积神经网络(CNN)与门控循环单元(GRU)的垂直管道气液两相流流型识别方法。该方法基于电阻层析成像(ERT)系统的重建图像,对其填充处理后进行离散余弦变换(DCT),求取最大、最小 DCT 系数的差值,选取一定帧数长度数据作为网络输入,对流型进行识别。分析了输入序列长度对CNN-GRU、CNN 及 GRU 网络分类准确的影响,确定了最佳输入向量维度分别为 60、65 及 50,使用实验数据对3种网络进行训练、测试,结果表明,CNN-GRU网络分类准确率最高,平均流型识别准确率可达 99.40%。     

Identifying and Verifying Vulnerabilities through PLC Network Protocol and Memory Structure Analysis

Cyberattacks on the Industrial Control System (ICS) have recently been increasing, made more intelligent by advancing technologies. As such, cybersecurity for such systems is attracting attention. As a core element of control devices, the Programmable Logic Controller (PLC) in an ICS carries out on-site control over the ICS. A cyberattack on the PLC will cause damages on the overall ICS, with Stuxnet and Duqu as the most representative cases. Thus, cybersecurity for PLCs is considered essential, and many researchers carry out a variety of analyses on the vulnerabilities of PLCs as part of preemptive efforts against attacks. In this study, a vulnerability analysis was conducted on the XGB PLC. Security vulnerabilities were identified by analyzing the network protocols and memory structure of PLCs and were utilized to launch replay attack, memorymodulation attack, and FTP/Web service account theft for the verification of the results. Based on the results, the attacks were proven to be able to cause the PLC to malfunction and disable it, and the identified vulnerabilities were defined.     

基于烟花算法与长短时记忆网络的模温预测方法研究

针对传统神经网络模型预测模具温度准确度低,网络超参数选取困难等问题,提出一种基于烟花算法优化长短时记忆网络的模温预测模型,为铸造成型模温自动控制提供基础。首先根据铸造过程生产工艺选取影响铸造系统的主要变量,利用灰关联分析得出各变量灰色关联度并去除关联度小的变量,建立模具温度影响因子变量的数据集;其次采用烟花算法对长短时记忆网络进行优化,建立模具温度预测模型;最后与BP神经网络和长短时记忆网络预测效果进行对比。实验结果表明基于烟花算法优化的长短时记忆网络的模温预测方法绝对误差小于2. 4℃,平均绝对百分比误差小于0. 12。     

基于GRU神经网络的自相关过程残差控制图

为提升自相关过程监控的效率,提出基于门控循环单元(gated recurrent unit,GRU)神经网络的自相关过程残差控制图。采用受控下的自相关过程数据对GRU网络进行离线训练与测试,对预测误差进行监控,形成控制用残差控制图。采用训练好的GRU网络预测当前过程波动,利用控制用残差控制图判定当前过程是否失控。运用蒙特卡洛仿真法,与基于一阶自回归模型、BP神经网络以及支持向量回归构建的残差控制图进行性能对比。研究表明,过程受控时,所提残差控制图与其他3种的稳态平均运行链长相差不大,即4者的性能表现相当;而在均值偏移异常过程中,所提残差控制图的平均运行链长远小于其他3种,对自相关过程均值偏移具有较好的监控性能。     

无线 ATM 网络越区切换的改进方案和性能分析

目的提出一种实用于 WATM 网络的越区切换方案. 方法在分析 WATM 控制结构的基础上, 所提出的适应 WATM 的越区方案, 支持网络环境中的频繁切换事件, 同时采用有效的用户呼叫控制机制, 使越区切换产生的小区超载现象发生概率保持在可接受的限度内. 结果与结论该方案不仅提高了性能, 而且还可以降低通信设备成本.     

融合注意力机制的多尺度深度网络的逆半调方法

目的 运用现有的逆半调方法恢复的图像存在着半色调网纹去除不够理想、图像细节恢复不够清晰等问题,为了进一步提高逆半调图像在平滑区域和纹理细节方面的质量,提出一种基于融合注意力机制的多尺度卷积神经网络的逆半调方法。方法 首先,根据半色调图像网点噪声多频分布特点,设计多尺度卷积网络为基础结构的深度学习网络,从多个不同的尺度抑制半色调网纹并恢复不同尺度的图像信息;然后,应用注意力机制重建图像信息,从而生成逆半调图像;最后,提出多任务损失函数加速网络优化,更好地实现逆半调。结果 实验结果表明,运用此方法得到的逆半调图像在视觉上与原始图像更为相近,恢复出的图像细节更好;在客观评价方面,通过与现有的最先进的方法相比,峰值信噪比平均值提高了0.562～10.095 dB,结构相似度平均值提高了0.01～0.171。结论 该方法可以实现半色调图像的高质量恢复。