基于无线传感器网络数据融合的滚动轴承故障诊断

针对无线传感器网络(Wireless Sensor Network,WSN)在检测和诊断大型机械设备运行状态和机械故障中的应用,提出了基于无线传感器网络的滚动轴承故障诊断模型,结合主元分析和神经网络技术对无线传感器网络中的数据在网内进行融合处理,将原始的振动信号转换为故障类型,达到了减少通信量、节省网络能量消耗的目的.在实验中采用了工程上最常见的单列深沟球轴承,对传感器采集到的正常状态和故障状态数据进行了分析计算,在簇头节点进行特征级融合,提取出故障特征,得出相应的故障类型.实验结果证明了该模型和数据融合算法的可靠性和有效性.     

基于最大生存周期的无线传感器网络数据融合

针对无线传感器网络节点能量有限并且在进行信息传输时存在数据冲突、传输延时等问题,提出并设计了基于最大生存周期的无线传感器网络数据融合算法.该算法将均匀分布或非均匀的整个网络中的节点分成多个簇,并根据节点的位置、分布密度和剩余能量等信息选择传输数据的方式,从而形成传输数据的最短路径.根据集中式TDMA（时分多址）调度模型并运用基于微粒群的Pareto优化方法,使得网络在完成规定的信息传输时每个节点耗费的平均时隙和平均能耗最优.仿真结果表明,该算法不但可以最大化网络的生存时间,还可以有效地降低数据融合时间,减少网络延时.     

基于聚类的无线传感器网络的分簇算法研究

针对无线传感器网络中的LEACH算法的簇头节点分布不均匀的不足之处,提出了一种基于聚类的无线传感器网络的分簇算法．该算法将传感器网络按照节点的实际分布情况采用聚类算法聚成几个类（分簇）,在各分簇中分别选择簇头节点．模拟实验结果显示算法与LEACH相比具有更好的性能．     

基于深度自编码网络的实验室WSN数据压缩算法

针对无线传感器网络节点冗余和数据重叠的问题,提出一种基于深度自编码网络的实验室WSN数据压缩算法来减少传感器通信和计算开销.使用K-means算法将传感器节点划分为不同的簇,使用深度神经网络对相同簇中节点采集的数据进行压缩编码与分类,从而减小数据规模.使用贝叶斯估计算法对压缩编码后的数据特征进行融合.仿真测试与实验结果表明,所提出的算法能明显减少数据量,相比于Megrez算法与E-CPDA算法的数据融合精度分别提升了4.2%和19%,同时能够增加无线传感器网络的生命周期.     

一种基于RBF神经网络的非线性PCA故障检测方法

针对传统PCA(主元分析)故障诊断方法在非线性过程应用中存在的缺点,提出了一种基于RBF(径向基)神经网络的非线性PCA故障检测方法。首先,提出一个由两个RBF网络构成的非线性统计模型,其中第一个网络用于建立输入变量到主元的非线性映射,第二个网络实现逆映射来重构原始数据。其次,用主元曲线算法来解决网络训练数据的获取问题。最后,给出了使用基于RBF网络的非线性PCA方法进行故障检测的步骤,并通过一个三阶非线性系统的仿真实例验证了该方法的有效性。     

基于Rough set理论的无线传感器网络节点故障

提出了一种无线传感器网络（WSN）节点故障诊断的新方法，首先基于粗糙集理论中改进的可辨识矩阵算法得到故障诊断决策的属性约简；然后通过属性匹配的故障分类算法，建立一套WSN节点故障诊断方法，对WSN节点的各个模块分别进行具体的故障诊断和定位. 仿真实验表明，该方法在WSN节点故障诊断时通信代价小、能量消耗低、诊断准确率高，因而具有在能量有限的WSN节点中应用的可能性.     

基于计算节点和转发节点的WSN自组织聚簇算法

针对无线传感器网络（WSN）中数据计算需求和由簇首负载过重引起的热点问题和能量空洞问题,提出基于计算节点和转发节点的自组织聚簇算法（SCATN）,对簇首功能进行分解,以计算节点满足数据计算需求,以转发节点进行数据转发,并通过分布控制解决热点问题和能量空洞问题.聚簇过程采用自组织方式控制功能节点的生成、分布,从而解决分布不均匀和连接性问题.同时,普通节点自主更换归属簇以及时、细粒度地调整计算节点负载.仿真实验结果表明,与现有几种聚簇算法相比,SCATN算法可有效地提高网络生存时间,增加基站的吞吐量,降低丢包率.     

基于簇头冗余的无线传感器网络可靠性研究

为了提高工业无线传感器网络的可靠性和可用性,使其能够长期自治地正常工作,提出了基于簇头冗余的工业无线传感器网络分簇路由算法.当工作簇头能量不足时,将主动切换到冗余簇头工作状态. 冗余簇头通过冗余测试结果判断工作簇头是否发生故障并接管工作簇头的数据转发任务.当边际节点不能与本簇簇头通信时,将利用备份簇头进行数据转发.对于不能与任何簇头直接通信的孤立节点,采用基于概率模型的多跳路由机制进行数据转发.为了降低功耗,该算法将冗余簇头设置为轻度睡眠状态,当冗余测试周期到来时,关闭射频前端器件.利用自行研制的节点,组建了实验系统,完成了簇头冗余切换、边际节点通信和孤立节点路由恢复的实验.实验结果表明该分簇路由算法具有较高的可靠性.     

基于改进Kruskal算法的WSN故障节点检测方法

提出了一种基于改进Kruskal算法的无线传感器网络（WSN）故障节点检测方法. 该方法首先通过集中式的改进Kruskal最小生成树算法来获取可信的节点集合,之后依据可信节点,采用邻居节点比较算法对传感器节点的感知值进行分布式分析和处理,判定发生故障的传感器节点. 同时为了容忍节点的临时故障,引入了时间冗余. 仿真结果表明,在节点故障率高达35%时,该方法依然能快速定位故障节点,并且同时保证很高的检测精确度.     

一种用于滚动轴承故障诊断的方法

采用振动分析法来进行滚动轴承元件的故障诊断.通过带通滤波、包络谱分析和小波包分析提取了反映滚动轴承故障的5个频域特征参数,同时还提取了对轴承早期冲击故障较敏感的5个时域指标.基于上述10个故障特征值,采用BP神经网络、基于遗传算法的RBF神经网络进行故障分类训练.试验结果表明上述10个特征值对不同的滚动轴承故障非常敏感;BP网络和基于遗传算法的RBF网络都能有效地分类不同故障;基于遗传算法的RBF网络在训练时间、训练误差以及识别精度上优于BP网络.试验证明了上述方法在滚动轴承故障诊断中的有效性.     

太原市公交网络的复杂网络特性分析

在交通资源有限的情况下, 对城市公交线网进行分析和优化是最大限度地提高现有交通资源的利用效率、缓解城市道路交通紧张状况的必然之路. 基于此, 运用复杂网络理论, 从不同角度对太原市公交网络进行了实证研究. 探索了大型城市公交网络模型的不同构造方法, 从宏观角度证实了太原市公交网络为无标度网络. 通过研究, 对太原市公交网络枢纽环境的优化和南北主干线的优化提出了对策.     

网络组织研究述评

网络组织的研究视角包括经济学视角、复杂性科学视角、神经网络学视角、商业生态学视角.网络组织已有研究领域包括网络组织的边界、形态和治理以及网络节点的声誉、学习、组织架构和权力关系等几个方面.     

无源光接入网网络整体可靠性定义与量化分析

提出了一种适用于点对多点结构无源光接入网(PON）的网络整体可靠性定义,用于全面准确
地量化衡量PON网络可靠性. 定义中引入故障影响因子,可以量化衡量包含网络完全正常工
作状态和不完全正常工作状态的PON网络整体可靠性. 对树形、带保护树形和环形PON网络整
体可靠性和网络建设成本进行量化分析比较,得出典型的光网络单元(ONU)集中分布和ONU分散分布情况下,无保护单级树形和主干保护树形PON网络分支器的最佳放置位置.     

BitTorrent网络特性的测量与研究

分析、设计并实现了对等网络BitTorrent网络探测程序,解决了相关研究中难以获得tracker服务器日志的问题,采用爬行者方式对实际网络进行了测量和分析.通过数据分析,揭示了普遍存在同一较小网络区域内多个节点同时下载同一文件的现象、网络节点个数的时间分布规律、节点的地理位置分布规律和各类型BitTorrent网络客户端的使用排名等,对研究对等网络的网络特性提供了实际网络环境的数据支撑和研究基础.     

网络安全中对抗机制的攻防分析

攻击和防御是网络安全对抗的两个基本方面。本文首先对信息网络的对抗机制进行了归纳,然后讨论了各种信息网络防御机制,分析了不同防御机制中所存在的脆弱性,并提出了相应的攻击机制。同时,对当前信息网络对抗机制间的攻防关系进行了总结。     

宽带网发展的技术实现

结合校区宿舍宽带网的建设实践，介绍了宽带网的产生背景，系统组成以及组建宽带网的技术选择和实现，并对宽带网的发展应用前景做了展望。     

电信管理网(TMN)的研究

详细讨论了电信网络管理的目标、功能、ＯＳＩ关于网络管理的模型及电信管理网ＴＭＮ的概念、目标、结构、功能及应用,论述了建立公共电信管理网是电信网络管理的新技术,是实现可靠、有效、统一的网络管理的必然趋势。     

地市级教育和科研网规划方案

本文论述了地市级教育和科研网络的建设原则、主干网络通道和结构的选择、校园网络结构和操作系统的选择、校园网络的应用等问题。     

复杂金融网络建模研究

以复杂网络理论为基础研究不同赋权意义下的金融网络。首先利用社会网络分析方法（SNA）进行初步复杂金融网络模型的构建与分析,然后通过进一步构造的转账频率金融网络图,研究网络中某两账户节点间的协作关系,以探悉其最可能的关联路径,为进一步研究金融网络提供一定的理论基础。     

生态工业共生网络成长的网络复杂性测度

根据网络复杂性测度理论,建立了生态工业共生网络成长的复杂性测度模型,以鲁北生态工业园为例,利用Matlab软件,对鲁北生态工业园的EISN在不同发展阶段的网络复杂性指标进行了仿真计算.研究结果表明,EISN在成长初期,较少的节点数抑制了网络复杂性的涌现,随着新的节点企业的加入,网络复杂性凸现,体现出小世界性和无标度特性,且核心节点具有较高的度分布特征,被连接的几率远高于其他节点.