基于极限学习机的船舶柴油机故障诊断

针对传统深度核极限学习机网络仅利用端层特征进行分类导致特征不全面，以及故障诊断分类器中核函数选择不恰当等问题，提出基于多层特征表达和多核极限学习机的船舶柴油机故障诊断方法。利用深度极限学习机网络提取故障数据的多层特征；将提取出的各层特征级联为一个具有多属性特征的故障数据特征向量；使用多核极限学习机分类器准确地实现柴油机的故障诊断。在标准分类数据集和船舶柴油机仿真故障数据集上的实验结果表明，与其他极限学习机算法相比，该方法能够有效提高故障诊断的准确率和稳定性，且具有较好的泛化性能，是柴油机故障诊断一个更为优秀实用的工具。     

基于BP网络和专家系统的铝电解槽分层故障诊断

针对铝电解槽故障种类繁多和不易诊断的问题,设计了基于BP网络和专家系统的分层故障诊断系统,包括前层分类和后层预报;通过对槽电阻信号的频谱分析,提取了故障特征信息,并对故障进行分类;建立了基于BP网络的前层分类器,用于诊断特征显著的故障;制定了故障诊断和控制规则,完善了专家系统的知识库,根据前层分类结果对余下故障进行诊断;通过制定规则,将前层分类和后层预报相结合,实现了故障诊断系统的整体设计;仿真结果及理论分析表明,该系统可有效预报单一及复合故障,提高故障诊断的准确率,保证铝电解槽工作状况的稳定。     

分布式并行系统中的一种故障分类模型

故障诊断是分布式并行环境下容错系统的关键部分,故障分类模型是影响故障诊断性能的重要因素之一。由于不同的分布式系统有其不同的特点．为了减少系统在故障诊断方面的负担,故障诊断方案一般都考虑程序的需求和系统的属性,选择最合适的故障分类模型。本文提出了一种新的分布式并行环境下的故障分类模型,可以将故障诊断限定在一个合理的故障集中。将这种分类模型和特殊的程序需求以及系统属性相结合,能够得到一个效果理想的故障检测方案。     

基于RSOPNN的无线传感器网络节点故障诊断算法

针对无线传感器网络节点故障诊断中存在的冗余故障属性、噪声数据以及数据可靠性等问题,提出基于粗糙集-优化概率神经网络的无线传感器网络节点故障诊断算法（简称RSOPNN）。通过粗糙集从故障样本属性集合中求解故障诊断属性约简,从而去除冗余故障属性,降低冗余属性、噪声数据对故障诊断的影响,节省能耗。对于多个属性约简选择,以属性间的相关程度作为度量标准,代替常规的主观选择,从多个约简中确定最优故障诊断属性约简,解决主观选择的不合理性。以最优的故障诊断属性重构故障样本,作为优化概率神经网络的输入,建立故障分类模型,从而对故障进行诊断。实验结果表明,在不同的数据可靠性下,RSOPNN方法能够有效删减样本中的冗余属性和噪声数据,保持高效的故障诊断水平,符合无线传感器网络的需求。     

基于支持向量机的往复压缩机气阀故障诊断

提出了一种基于支持向量机的往复压缩机气阀故障诊断方法。把往复压缩机气阀的振动信号作为识别故障的特征向量,运用支持向量机方法,训练后得到用于往复压缩机气阀故障诊断的支持向量机网络。由对测试样本的分类结果可知,支持向量机网络的分类结果和实际故障情况一致。     

基于深度卷积网络的多传感器信号故障诊断方法研究

针对传统故障诊断方法中多传感器数据融合技术难度大、特征提取困难等问题,提出了一种基于深度卷积网络的多传感器信号故障诊断方法,通过构建测量数据帧进行卷积计算实现多通道数据的自然融合,利用深度网络结构实现高层特征的自动提取和分类,从而高效地实现了故障分类诊断;经分别采用小规模数据集REF和大规模故障数据集BI02进行实验验证,均取得了较高的故障识别准确率,具有很强的工程应用价值。     

基于BP神经网络的发动机故障诊断研究

汽车发动机故障占整车的百分之四十以上,所以研究故障诊断系统实现对发动机故障的准确、快速诊断对整个汽车行业具有重要的意义.针对目前国内电控发动机故障诊断所存在的问题,BP网络能够很好地运用于发动机的故障诊断,利用发动机故障诊断的专家经验做出故障-原因样本训练集训练BP网络(BP网络的函数逼近的运用),再把故障数值输入到已经训练好的神经网络实现故障的诊断(BP网络分类的运用).     

基于网络模型的输电线路缓变故障诊断方法

针对输电线路缓变故障的故障机理不明确,全系统的故障及时诊断和仿真困难等问题,提出了基于网络模型的缓变故障诊断方法。引入复杂网络集群划分中的模块性概念,解决了状态划分过程中的数据间相似度测度和划分测度问题。利用网络结构反映故障状态和特征,建立故障诊断网络模型,把输电线路故障诊断转化为子网络探测问题。通过多传感技术针对同一故障的多种故障表征,多层次多领域采集不同的特征量,选择故障反映灵敏度高的状态信息量,从而较好分析诊断故障。通过实验仿真对比,证明了基于网络模型的故障诊断方法对输电线路缓变故障诊断具有较高的正确率和容错性。     

多级神经网络的轴承故障诊断研究

针对工业生产中轴承故障发生率高、危害大、不易察觉等问题,提出一种由改进的感知器、动态路由算法和随机优化算法集成的多级神经网络故障诊断模型。通过随机等间隔无重复采样的方式对轴承振动信号数据库进行扩充,并根据故障类型做好对应标签;通过改进的多层感知器提取故障特征,由动态路由算法对所提取特征进行预测分类,进而由损失函数得出分类误差,在误差反向传播中由自适应学习速率算法筛选学习速率,并由随机优化算法（Adam）更新权值以优化网络模型。最后进行轴承故障分类的数值仿真实验,结果表明该故障诊断模型能实现高精度轴承故障诊断与分类。     

基于小波分解和RBF网络的三极管电路故障诊断

在分析现有三极管放大电路故障诊断算法不足的基础上,提出了一种基于模型的小波-RBF网络故障诊断算法。在PSPICE环境下建立三极管常见的故障模型,利用多层小波分解优异的时频特性提取故障特征参数,利用RBF强大的非线性分类能力和快速的收敛特性进行了典型共基极放大电路中三极管的软、硬故障诊断仿真。计算及仿真结果显示,这种故障诊断算法具有诊断速度快、诊断正确率高的特点。     

贝叶斯网络结构在线学习算法研究及应用

现代大型机电设备的日趋复杂化和自动化导致设备故障现象和机理之间具有很大的不确定性,因此对故障诊断技术提出了更高的要求。针对汽车发动机的工作原理及其故障知识结构特征,基于贝叶斯网络理论,以机器学习中的增量学习为基础提出和研究了在线式贝叶斯网络结构学习方法,并利用该方法对汽车发动机故障结构网络进行在线学习。最后通过实验分析验证了在线式贝叶斯网络故障诊断方法比起传统的贝叶斯网络方法以及专家系统方法,该方法在汽车发动机故障诊断结果中具有更高的准确性和可靠性。     

神经网络ART模型在故障诊断中的应用

讨论了目前最成功的一种无导师神经网络模型──自适应谐振理论ＡＲＴ。分析了ＡＲＴ的工作原理，给出了ＡＲＴ的具体算法（已在ＰＣ－４８６上用Ｃ语言实现）；指出了ＡＲＴ的实质，并以“有轨自动物料搬运小车系统”为例详述了ＡＲＴ在故障诊断中的工作过程，获得了很好的结果。     

无线传感器网络中的Sybil攻击检测方案

Sybil攻击是一种对无线传感器网络(WSN)危害巨大的攻击方式,它破坏WSN中的数据融合、公平资源分配等机制。为此,提出一种基于HCRL的Sybil攻击检测方案。该方案基本思想是Sybil节点创建的多个身份只拥有同一个物理位置,通过对HCRL算法的优化检测出Sybil节点。Sybil攻击对网络性能影响严重,而加入检测方案后网络性能有较大提升。通过仿真实验和性能分析证明了该方案的有效性和低系统开销。     

面向车载自组网的高效位置隐私保护查询方案

随着车载自组网应用对安全性要求的提高,用户和服务提供商对各自私有信息保密性的要求也越来越高。针对现有查询方案无法同时保护车辆身份、位置及服务提供商数据隐私的问题,利用私有信息检索技术,提出一种高效的位置服务查询方案。采用匿名认证的方法进行车辆间的相互认证与车辆及路边基站的认证。在此基础上,使用安全硬件对数据库的数据进行混淆处理,通过代理重加密完成车辆对数据库服务数据的检索,从而实现车辆和数据库双方的隐私保护。分析结果表明,该方案可实现车辆身份匿名查询,能够保护车辆位置隐私和服务提供商的数据库信息,且只需两轮通信,具有较高的通信效率。     

基于身份密码学的异构传感网络密钥管理方案

在充分考虑异构无线传感器网络自身特点的基础上,针对现有无线传感器网络密钥管理中存在的问题,利用基于身份的加密算法(Identity-Based Cryptography,IBC),提出了一种异构无线传感器网络密钥管理方案(KMUIBC),并从该方案的安全性、连通性、可扩展性、有效性等方面进行分析,与现有的一些典型方案进行了分析比较,结果表明,KMUIBC有较好的性能。     

车辆自组织网络中基于稳定路径的路由协议

车辆自组织网络中网络拓扑的高动态性及节点的高速移动会导致路径频繁断裂。针对该问题,提出一种基于稳定路径的路由协议。利用节点的移动信息预测链路的使用寿命连结失效时间（LET）,通过同方向行驶的节点组建链路,并选用最大LET的链路构建路径,使路径趋于稳定,同时减少控制开销。仿真结果表明,与DSR算法相比,该路由协议能增强路由稳定性,提高网络吞吐量。     

解决无线传感器网络能量洞问题的贪婪算法

无线传感器网络中的能量洞问题是影响网络寿命的关键因素之一。在基于环模型的多跳传感器网络中,通过优化所有环的传输距离可以有效地延长网络寿命。提出了一种近似的贪婪算法（ASGT）,该算法将最优传输距离序列问题转化为最优生成树问题,在降低搜索（算法）复杂度的同时得到与最优解近似的结果。模拟实验证明了采用ASGT算法的网络寿命逼近于理想最优序列下的网络生命时间,并且与已有的文献算法相比,ASGT可以延长网络寿命两倍以上。     

基于GATS贝叶斯网络结构学习的航班延误模型

对遗传算法（GA）贝叶斯网络（BN）结构学习和禁忌搜索算法（TS）进行分析,提出遗传禁忌搜索贝叶斯网络结构学习算法GATS_BNSL。把禁忌搜索思想引入到遗传算法BN结构学习由父代种群产生后代种群的演化过程中,以禁忌搜索交叉和禁忌搜索变异改进传统的遗传算子,对比实验分析表明了GATS_BNSL的学习优势。应用此方法,基于真实数据,建立了大型枢纽机场航班离港延误模型。该模型切实反映了导致航班延误的多因素之间的因果关系,而且建模时间少,学习正确率高。     

基于虚拟仪器的液压故障诊断系统设计

本文结合军用车辆综合传动装置液压故障诊断的需求设计了液压故障诊断系统。系统设计中结合了LabVIEW和MATLAB的优点,在LabVIEW软件框架下调用MATLAB,实现了系统良好的可操作性和全面的分析功能。     

WSN中基于多项式的安全密钥建立方案

针对分层WSN节点的更新,使用二元对称多项式,提出一种安全的建立通信双方会话密钥方案。该方案可保证传输消息的秘密性和完整性,能有效地抵御攻击者对消息的非法篡改、替换和重放。此外,该方案支持通信双方更新会话密钥和增加对节点身份的认证,防止非法节点的欺骗攻击。通过分析可知,该方案和现有方案相比,具有更高的安全性,以及成本和效率的合理性。