基于改进微粒群神经网络的油料储备预测

根据油料储备历史数据样本进行油料储备预测,是实施油料保障有效举措.油料储备预测是具有不确定性、突变性的多变量复杂系统,预测难度大.为了解决采用传统预测法所存在的局限性,将微粒群优化算法与神经网络相融合,提出了改进微粒群神经网络的油料储备预测模型.利用神经网络自学习能力,捕捉预测系统非线性关系.将神经网络参数映射为实数码微粒,构造复合适应度函数.引入微粒距离系数,动态调整微粒速度和位置进化参数.借助微粒群优化算法较强全局搜索能力,训练神经网络参数,优化其结构,消除神经网络训练收敛慢、易陷入局部极值等现象.仿真实例表明,改进模型预测精确性评价指标良好,建模复杂度较低.     

基于 MR 的机电装备智能检测维修

研究 Faster R-CNN 目标检测网络的基本结构与训练方法;建立了机电装备状态数据集,训练了 目标检测网络,一步实现了指针式仪表区域的提取、数字式仪表读数的识别以及开关、插头状态的识别;在不 同视角和光照强度下对目标检测网络进行了测试,结果表明模型在不同的环境中均能保持 90%以上的准确度。 并以此为依据推理故障的原因,最后根据推理结果,使用基于 Unity 3D 软件与 Hololens 2 硬件开发的机电装备 智能维修辅助系统来调取混合现实(MR)全息诱导维修信息,以指导保障人员进行操作。实验验证了系统的可用 性,实验结果显示使用 MR 可以快速、高效地完成维修任务。并依据操作耗时和问卷调查进行测试与评价,对 系统的优越性进行了定性分析。     

基于神经网络的复杂电子装备故障诊断系统的仿真研究

该文针对复杂电子装备故障诊断难的特点，以一种典型设备的主要几种故障主例，设计了一种新型神经网络模型，并对系统进行了仿真，讨论了以此模型为基础进行诊断的可能性和正确性，实践表明了该模型的有效性和合理性，与传统方法相比，提高了故障诊断的准确度，而且充分运用了工作经验、专家知识，具有很大的工程应用价值。     

智能集成网络开发平台研究

本文论述智能集成网络开发平台的结构与功能．叙述智能集成关键技术及集成过程，该平台的研制为快速生成油料装备保障智能系统提供实现工具。     

故障诊断专家系统综合智能推理技术研究

推理机在故障诊断专家系统中起着非常重要的作用。提出普通规则、模糊逻辑和模糊神经网络推理相结合的综合智能推理机应用于故障诊断专家系统。综合智能推理机既能提高诊断推理的速度,又可以提高诊断推理的准确程度。通过对某型号导弹故障诊断验证,采用综合智能推理机诊断快速、准确率高,取得了较好的诊断效果。     

轴承故障的智能诊断方法

总结了轴承故障诊断的模糊规则,并把这些规则晨射到模糊神经网络,提高了诊断的智能性。提出了部分层学习算法,并推导出隶属度函数的参数学习算法,改善了诊断规则和学习性能,所研制的诊断系统在对轴承邦联伯诊断中取得了满意的结果。     

基于模糊神经网络的智能诊断系统的研制

提出了把模糊理论与人工神经网络结构起来应用到故障诊断中的应用,并采用面向对象的分析方法和编程技术实现了故障的智能诊断。     

智能PID控制器优化仿真研究

研究PID控制器优化问题,现代工业控制过程中,由于许多被控对象受到于扰因素影响,具有高度非线性和不确定性,常规PID控制精度低,提出一种遗传算法、粒子群算法和RBF神经网络相融合的PID控制器设计方法(GA-PSO-RBF).首先采用遗传算法选择PID控制参数初始值,然后采用粒子群算法优化RBF神经网络参数,采用优后的RBF神经网络辨识控制对象的输出对输入的变化灵敏度,最后采用单神经元对PID控制器进行在线性调整,得到理想的控制效果.仿真结果表明,GA-PSO-RBF神经网络PID控制器的超调量小,响应速度快,提高了系统的控制精度.     

油料智能管理决策系统的研究

该交通过对油料智能管理决策系统的开发与研究，分析了该课题研究的难点，提出了研究该课题应遵循的原则，阐述了实现OIMDS的总体方案、关键技术和应用技巧。     

智能交通控制系统

介绍一种智能交通控制系统。首先依靠车辆计数仪，得到交叉口的交通数据；然后利用专家系统、神经网络等技术分析交通动态特征，形成全局优化调度指令，并利用模糊控制的方法实现交叉口的信号灯控制。本系统利用系统仿真的方法来训练该模糊神经网络。     

改进粒子群优化T-S ANFIS算法诊断油浸式变压器故障研究

为了有效提升油浸式变压器故障诊断的精度与速度,提出一种基于改进粒子群算法(IPSO)优化T-S型自适应模糊神经网络(T-S ANFIS)的油浸式变压器故障诊断模型；引入动态惯性权重和学习因子线性调整策略,并利用收敛域和欧式距离判别雷同粒子,以克服粒子群算法易早熟、后期易陷入局部最优的问题；接着通过IPSO对T-S ANFIS的前提参数进行优化,提高网络的收敛速度；最后通过仿真实验验证基于IPSO优化T-S ANFIS的变压器故障诊断模型效果,结果表明所构建模型的故障诊断最优准确率约为98％,与ANFIS及PSO-ANFIS模型相比具有较高的故障诊断精度及效率。     

一种智能控制器

研究了一种新的智能控制器,该智能控制器能通过不断学习进行适应控制,其主要特点是通过模糊决策确定影响控制特性的参数,进而进行神经控制.仿真结果表明了控制效果很好.     

基于仿真的军用电子设备故障知识获取新方法

故障知识获取瓶颈问题严重限制了我国军用电子设备智能诊断系统的发展。该文首先分析了军用电子设备的特点,然后总结了通过故障仿真获取故障知识的一般过程,在此基础上提出了计算机自动穷举设备所有可能故障,并进行仿真获取故障知识的新方法。提出4个关键策略解决仿真工作量及自动建立故障集的问题。提出了电路故障知识获取平台的建立方案作为该方法的具体实现。该文所提出的知识获取自动化在一定程度上解决了故障数据收集困难的根本问题,同时使获得的知识更完整。最后,实验结果证实其可行性。     

基于微服务架构的智能化装备维护与管理平台

为了满足部队装备信息监管的需求,本文提出基于微服务架构的智能化装备维护与管理平台。采用分域虚拟化技术、终端射频识别技术等,实现装备数据全链路的监控管理,提出典型的软件部署以及使用模式。通过建设商用与自主可控虚拟化集群,解决了装备维护管理地域分散、安全可靠性问题,提升了装备维护与管理的有效性与效率。     

基于扩展T-S模型的PSO神经网络在故障诊断中的应用

针对现实故障现象具有模糊性和非线性的特点,提出了一种利用自适应扩展T-S(Takagi-Sugeno)模糊模型的PSO(Particle Swarm Optimization)算法和神经网络相结合的新型智能结构化算法来进行故障诊断的新方法.首先通过自适应的高斯函数来更改基本T-S模糊模型中的隶属度函数,进而使用扩展的T-S模糊模型来调整PSO算法的参数.然后使用该PSO算法作为神经网络的学习训练算法来进行训练.最后将此算法用于齿轮箱实测故障诊断.诊断结果显示均方误差提高了0.1981%.通过不同模型的诊断结果比较,表明本方法便捷、高效,为解决故障诊断问题提供了一条新途径.     

核电厂设备知识图谱辅助应用技术研究

为利用智能化技术辅助核电厂现场维修和故障分析工作,作为企业开展精细化管理和高质量发展的重要依托,对已有数据进行分析利用已成为核电行业的共识。文章对知识图谱技术进行研究,分析设备故障知识图谱的应用模式,研究图谱的构建过程和应用场景。文章对知识获取、实体识别、关系抽取、知识融合、知识存储、知识服务等关键环节进行研究,分析提出设备故障知识图谱的潜在应用场景和具体实施路径,评估开展图谱构建与应用的工作难点,最后对知识图谱在核电厂设备管理上的应用方向和内容进行了探讨。     

装备维修保障资源可视化管理平台构建

根据装备保障“可视化”的思想,以导弹部队装备维修保障为背景,探讨维修保障资源可视化管理平台的研究内容和建设目标。构建导弹部队装备维修保障资源可视化管理平台的总体框架,分析软硬件平台及其体系结构组成,阐述其基本实现方法中的关键技术在可视化管理平台中的应用。     

基于新型机器学习的电子装备系统智能故障诊断研究

支持向量机是一种基于结构风险最小原则的新型机器学习方法,具有完备的理论依据和良好的学习泛化能力。该文针对电子装备系统特征,采用支持向量机算法构建智能故障诊断模型,并对典型电子设备进行故障诊断。结果表明,该诊断模型是可行的、有效的,具有一定工程应用价值。     

基于IPSO的模糊神经网络优化及交通流量预测

在基于模糊神经网络的交通流量预测中,神经网络的各节点参数优化是最关键的。采用粒子群算法优化模糊神经网络的参数。针对粒子群算法易于陷入局部最优的缺点,提出一种改进的粒子群优化算法,并将改进的算法用于路口交通流量预测。仿真结果表明,该算法的收敛速度和预测精度优于传统粒子群算法、BP算法,提高了交通流量预测的精度和速度。     

基于RCM的设备维修管理平台研究与开发

以可靠性为中心的维修(Reliability-centered Maintenance,RCM)在设备维修方面有着重要意义.预防性维修是RCM的重要内容.该文在几种优化的预防性维修策略基础上,重点研究了周期预防性维修.根据经济性的原则,得出了装备最佳保养周期的计算方法,并用MATLAB仿真进行了验证.利用C#和MATL...