全互连立方体网络的路由算法研究

一种应用于大规模并行处理系统的结点度等于常数的递归多级分层互连网络,称为全互连立方体网络(FCCN,Fully Connected Cubic Network)．FCCN具有可扩展性好、延伸性能好等优点．一个m-FCCN可以由8个(m-1)-FCCN来递归得到,FCCN网络的结点度与网络的规模大小无关,网络的直径和平均结点距离都与结点数的立方根成正比．提出了FCCN中的简单自寻路算法．并与最短路由算法进行比较研究,计算结果表明,在85％以上的情况下,自寻路算法可以得到最短距离;并证明了FCCN在信息局部性系统中具有比较高的并行处理效率．     

折叠超立方体网络的自适应诊断

自适应性诊断的目的是正确辨别结点的性质,没有公共点的两对结点可以在同一个诊断周中出现.在Bjoklund[1]的基础上对超立方体网络的另一种变形——折叠超立方体网络(FHn)的自适应诊断进行了研究,对n(n≥3)维折叠超立方体FHn构造了一个递归的哈密尔顿3-并行诊断周算法,利用归纳法证明了在错误结点数不超过n的情况下FHn可以在4个并行诊断周内完成诊断,并且至多需要2n+n-1次诊断.     

模糊诊断技术在旋转机械设备故障诊断中的应用

在复杂的机械系统中，一种故障状态可能引起多种故障征兆，而一种故障征兆也可能在不同程度上反映多种故障状态。根据振动信号频谱分析结果，提取频谱特征，获取各种征兆信息。在已知故障征兆的情况下，对多故障同时发生和多故障具有相同征兆的诊断问题，利用模糊诊断技术，确定机械设备故障类别的隶属度值，经模糊综合诊断后确定设备的故障。     

故障诊断的多层神经网络研究

针对大型旋转机械多测点、多故障、同时性诊断问题，基于人工神经网络及贝叶斯分类规则，构造了一种由多个子网络组成的模块化、分层诊断网络，提高了子网络的分类能力，从而使整个网络有高精度、多故障同时性实时诊断的能力。     

基于网络延迟的检测点放置方法

为了解决网络延迟检测点的有效放置问题,根据网络节点之间的网络延迟,使用系统聚类法对网络节点进行聚类,并使用递归去除1度异常节点算法提高聚类效果.提出动态距离和最小算法,在聚类结果的类中选取对应的类中心,检测点放置在类中心上.仿真结果表明,系统聚类法中类平均法更适合对网络节点进行聚类,递归去除1度异常节点后能表现出更好的聚类效果,通过动态距离和最小算法能找到放置检测点的最佳位置.使用系统聚类法中的类平均法、递归去除1度异常节点算法、动态距离和最小算法,能有效地解决网络检测点的放置问题.     

基于贝叶斯理论的复杂系统快速诊断算法

针对系统结构复杂、维修保障难度大,多具有不确定性(不完整性)信息、多故障和关联故障等特点,融合贝叶斯理论和策略优化算法的优势,提出一种混合快速诊断算法.将诊断任务分解成若干单故障子任务,对子任务用故障树和贝叶斯网络分别建模,根据贝叶斯-蒙特卡洛算法获得先验概率,进行诊断推理分析,获得系统故障薄弱环节,同时运用综合策略优化算法,对故障原因进行诊断策略优化,以实现快速诊断为目的.以电控发动机复杂系统为例,对混合快速诊断算法进行应用研究,验证了该算法的正确性和有效性.     

故障诊断的多层神经网络研究

针对大型旋转机械多测点,多故障,同时性诊断问题,基于人工神经网络是贝叶斯分类规则,构造一种由多个子网络组成的模块化,分层诊断网络,提高了子网络的分类能力,从而使整个网络有高精度,多故障同时实时诊断的能力。     

全光网中采用可信度模型的故障定位技术

宽带业务的飞速发展推动着光网络向着超大容量、超高速率方向演进．与此同时,在透明节点增加、光电再生设备减少的全光网络中,多故障定位的非完全多项式属性、网络拓扑的复杂性以及承载业务的多样性使得故障定位变得尤为困难．如何根据收集的告警信息,确切地找出故障的准确数目及其位置成为网络管理人员的难题．针对全光网中故障与告警的关系展开研究,在多故障定位的相关方向上完成了采用可信度推理方法对故障与告警之间的复杂映射关系进行梳理,建立了一种多故障条件下全光网故障定位模型,并以此为基础,提出了基于模糊隶属度以及联合可信度的两种启发式故障定位算法．通过不同的网络拓扑以及与其他的算法对比,对这两种算法以及可信度模型的正确性进行了验证．仿真结果表明,该模型能够很好地处理多故障定位问题的不确定性,且定位性能优越,具有很强的实际意义．     

火电厂锅炉在线故障诊断神经网络专家系统

针对火电厂热工生产过程高度复杂,多测点,多故障,同时性诊断特点,提出了将专家系统和人工神经网络方法相结合的火电厂锅炉集成故障诊断系统。其中,神经网络采用多个子网络并联相结合的结构,提高了系统的诊断速度和多故障同时性实时诊断的能力。     

移动Ad hoc网络MAC层公平性

在Ad hoc网络中节点随机移动的情况下,对二进制指数退避算法进行了分析,在此基础上提出了一种新的退避进制(newBEB),对新算法进行了仿真分析,仿真结果表明,新的退避算法能提高移动情况的Ad hoc网络的公平性.     

PMC模型下超立方体的一种条件诊断算法

诊断是一种提升互连网络可靠性的常用手段．条件诊断是假设系统中任一节点的所有相邻节点不会同时发生故障,这种诊断大大提高了诊断的有效性．提出一种在PMC模型下超立方体的条件诊断算法,通过广度优先搜索遍历整个超立方体,在遍历过程中通过相邻节点之间的诊断结果将超立方体节点分成若干个集合,再通过集合之间的关系和集合中所含元素的数量识别出故障集合和无故障集合．对于n维超立方体,节点数为N,该算法的时间复杂度为O(N²)．     

基于乘同余对称特性的快速RSA算法的改进

提出了一种新的快速RSA算法,这种算法是基于乘同余对称特性的快速RSA算法(SMM算法)的改进。理论分析表明,新算法的迭代计算步数平均减少了17.2%。与传统的二进制算法(BR算法)相比,新算法的计算速度平均提高了42%左右。     

基于二进制冗余数的递归余数和算法

介绍了递归余数和(RSR)算法,在此基础上又提出了一种改进的算法。理论分析表明,改进算法的迭代步数平均减少了17.2%。与传统的二进制算法(BR算法)相比,新算法的计算速度平均提高了约58.6%。     

螺杆泵井智能集成故障诊断专家系统研究

为了及时处理油田开采中应用越来越广泛的螺杆泵井所存在的抽油杆断脱等故障,提高故障诊断的准确性和多故障同时诊断的能力,构造了一种基于模糊神经网络的智能集成故障诊断专家系统,并给出了系统的结构.介绍了模糊神经网络推理机的构成和功能,对综合知识库的结构和性能进行了简要分析,并设计了系统的故障诊断流程.系统经实际现场螺杆泵井的运行应用,取得了预期的诊断效果.     

基于特征优选模拟电路故障诊断方法

传统基于最小二乘支持向量机模拟电路故障诊断方法都是使用单一的特征向量组合训练支持向量机所有二分类器,然而实际上每个二分类器对不同的特征向量组合有不同的分类精度。因此,提出了基于马氏距离的粒子群优化算法,为最小二乘支持向量机所有二分类器优选出近最优的特征向量组合。然后,将近最优特征向量组合用于训练和测试该支持向量机。最后把该方法应用于模拟电路早期故障诊断,实验结果表明,基于近最优特征向量组合的诊断精度要高于单一特征向量组合的诊断精度。     

基于蚁群优化神经网络的故障诊断

针对BP神经网络收敛速度慢,易于陷入局部极小点的问题,将蚁群算法引入BP神经网络的优化训练,建立了基于该算法的BP神经网络训练模型,并应用于电机转子故障诊断。结果表明,用蚁群算法训练神经网络具有较高的故障诊断精度,收敛性好,可以有效快速定位电机转子故障,提高诊断的效率和质量。     

基于信息融合技术的异步电机故障诊断研究

为了合理利用异步电动机多个方面的故障特征信息,提高故障诊断的准确性,提出了一种采用异步电动机定子电流、径向(轴向)振动信号等多信息融合的故障诊断方法.对测量的各种信号进行小波分析,利用各个频段的信号能量作为故障特征值.采用D-S证据理论融合各个信息,针对证据理论无法融合高冲突证据的缺陷,引入先验知识对其进行了改进,提高了电机故障诊断准确率.实验结果表明,故障诊断结果可信度明显提高,不确定性显著减小,对异步电动机转子断条故障诊断的准确率达到90%以上.     

汽轮机组振动故障诊断模型

使用自适应谐振理论（ＡＲＴ）和误差反向传播（Ｂ）两种神经网络，开发了汽轮发电机组振动故障诊断模型。该模型可以进行多征兆域综合诊断，既能诊断单故障又能诊断并发故障，并且具有识别新故障的能力。经试验台数据和经典样本验证，模型合理可行。     

设备故障可诊断性的研究与探索

设备故障可诊断性的分析对于设备的故障诊断具有重要的指导意义,因此,在对设备进行故障诊 断前,应首先分析该设备的可诊断性,然后决定是否有必要继续对设备进行诊断或应采取的方法和手段．对 此本文研究并探索了设备可诊断性的有关问题．首先提出了设备可诊断性的基本概念,并给出分析可诊断 性的一种计算方法;在此基础上,用实例分析了诊断模型和诊断精度对可诊断性的影响．研究表明本文所提 出的分析设备可诊断性的计算方法是行之有效的．     

基于递归聚类与相似性的模糊神经网络结构设计

针对模糊神经网络结构设计问题,提出一种基于递归聚类与相似性的结构设计方法.首先,提出以输出变化强度为导向、以结构细分为手段的递归聚类方法对网络初始结构进行设计.其次,通过计算模糊规则的相似性,将高度相似的规则进行合并,在保持良好精度的前提下,对网络初始结构进行简化.最后,通过函数逼近、非线性系统辨识仿真实验验证了方法的可行性和有效性.