基于信息编码本体化模型的本体映射技术

本体理论与信息编码技术的结合在制造企业领域内的应用,是解决制造企业信息集成的探索性方法.文章深入研究了基于信息编码本体化模型的本体映射方法,分析了映射执行机理,设计了语义相似度的计算方法和流程.①分析了信息编码本体化模型的特点及其失配类型,设计了映射模型的总体框架;②对映射模型的原理及构成要素进行了详细的分析设计;③从语义相似性分析、语义相似算法表达和语义映射与执行3个方面详细设计了本体模型的映射算法;④对映射流程的实现过程和实现案例进行了分析设计,验证了映射模型的有效性;最后,从模型特征、映射依据和映射执行能力3个方面,总结了基于信息编码本体化模型的本体映射技术的特点.     

基于粗糙集的最小规则提取算法

传统的最小规则提取算法计算量非常大,分析了决策规则的约简形式,提出了一种基于粗糙集的最小规则提取算法,该算法对每个决策类分别提取规则,并采用启发式策略选择原子条件逐次添加到规则的因中,最后通过实例和实验验证了算法的简洁性和有效性.     

变压器油中气体组分含量在线监测与故障诊断

电力变压器运行可靠性直接关系到电力系统的安全及供电可靠性,为提高电力变压器故障诊断的准确率,由在线监测变压器油中溶解气体组分含量分析,提出了基于人工免疫和模糊C均值聚类分析方法有效结合的变压器故障诊断算法,通过对电力变压器油中的溶解气体进行分析,实现对变压器的故障诊断。重点研究了基于人工免疫网络的变压器故障样本数据处理、基于模糊C均值聚类对变压器故障的识别,以及仿真实验。实验结果表明:提出的算法能有效对变压器故障类型进行分类,该算法在变压器故障诊断中有较好的应用前景。     

仿真模型验证方法与程序设计

仿真模型验证是建模和仿真的一个重要方面.对现有的模型验证方法进行了分析比较,并选择其中的性能指标关联分析和频谱估计方法,包括TIC不等式系数法、灰色关联分析法、直接频谱法、基于Burg算法的最大熵谱估计法和基于Marple算法的最大熵谱估计法这几种典型的模型验证方法,用C语言进行编程和设计.并通过实例说明了各种不同模型验证方法的验模过程.结果证明了程序的可行性,同时也表明了验证模型时最好综合采用多种方法.     

基于SOMK算法的T-S模糊系统建模方法

针对T-S模糊系统建模中的结构辨识和参数辨识问题,以自组织特征映射SOM算法与K-means算法相结合的SOMK算法对输入样本进行聚类,同时以Davies-Bouldin(DB)指标来验证聚类的有效性,得到最佳聚类数即为T-S模糊系统模型的规则数。然后用所得模糊规则数和聚类中心来辨识T-S模糊系统模型前件参数进而采用最小二乘算法来确定模糊推理规则的后件参数。最后,用仿真实例验证了文中所提出的建模方法与相应算法。仿真结果表明,该方法逼近精度高,泛化能力强,具有较好的实际应用价值。     

基于设计变动分析的JAVA源代码变动预测

提出了一种映射面向对象软件设计变动到程序代码变动的方法来预测可能产生的源代码变动。该方法把设计与代码都定义和分类为原子变动与复合变动,根据变动的定义与分类提出并应用变动影响分析的算法,从而得出从UML设计模型变动到Java代码变动的映射规则。并且设计了一个支撑工具,对一个开源软件进行分析来验证本文的方法。     

工件定位特征识别与定位方案自动推理算法

研究了基于三维模型的工件定位特征识别和定位方案的自动推理算法．给出了基于三维模型的候选定位特征信息的自动提取与分析算法,提出了基于规则推理与模糊评判相结合的工件定位方案推理算法．该算法基于已知信息确定候选定位模式,根据候选定位模式以及加工信息推理定位基准选择范围,并采用模糊评判算法对候选基准进行优化选择．并用实例对该方法的有效性进行了验证．     

等距离映射和模糊C均值的滚动轴承故障识别

在滚动轴承的故障识别中,针对传统的等距离映射ISOMAP算法存在测地距离的计算偏差较大,故障识别部分混叠的问题,提出一种模糊C均值和等距离映射的滚动轴承故障识别方法。首先,对ISOMAP算法中的邻域大小k值用残差进行改进,保证映射结果很好地反映全局性质;其次可分性评价指标评价特征降维的效果;然后,采用了模糊C均值聚类方法,保证在拓扑空间中高维流形数据与低维空间光滑流形中的数据仍保持相近或相同的特性。最后,通过采集不同损伤程度下的滚动轴承振动数据进行实验验证,结果表明本文方法在分类效果和识别精度都有了明显的提升。     

基于变精度粗糙集的齿轮故障诊断

提出一种基于变精度粗糙集的齿轮故障诊断模型。首先用自组织特征映射神经网络进行数据的离散化;再由变精度近似依赖度进行属性约简;然后生成故障诊断规则。给出一个齿轮的故障诊断的实例,并与粗糙集的故障诊断模型进行比较。结果表明基于变精度粗糙集方法降低了决策规则的复杂度及规则数量,且提高了故障识别率。     

基于语义转换的地理信息建模方法

针对计算机无法准确理解GML文件数据的内涵和知识共享等问题,提出一种基于元模型的由GML文件映射生成地理OWL （GeoOWL）文件的方法（GML2GeoOWL）. 首先构建GML和OWL的元模型元类之间的对应关系,然后使用XSLT构建并实现映射规则,最后用java语言对文件进行处理. 为了验证方法的有效性,设计并开发了GML2OWL转换平台并以GML格式的1∶50 000的海南省的水系（线）要素为例进行了验证. 表明该方法可以高效地实现GML文件到地理OWL文件的批量无损转换,后期可以构建推理规则并实现推理以挖掘更多隐含的地理信息.     

用指针实现的程序的标准化及其应用

为了消除指针程序实现形式的多样化,简化程序分析,提出一种对用指针实现的程序进行标准化的方法.首先将程序表示成系统依赖图,分析指针别名信息;然后制定指针标准化规则并结合已有的代码多样化消除规则,对系统依赖图进行保持语义不变的转换,将语法表示不同但语义等价的程序转换为相同的系统依赖图表示,从而消除代码多样化.最后,将该方法应用到C语言编程题的自动评分系统中,并与人工评分和正确评分结果进行对比,验证了该方法的有效性.     

一种处理混合型属性的聚类算法在计算机取证中的应用

针对目前基于K-Means算法的计算机取证技术存在对符号类型数据处理能力欠缺、误报率较高的问题,提出了一种处理混合型属性的聚类算法的计算机取证技术.该方法将对符号类型特征进行编码映射,并使用主成分分析对编码后增加的维数进行降维,从而解决了在计算机取证中使用聚类分析无法对符号型数据进行处理的问题.文中详细的阐述了改进的具体实现方案,并通过实验验证了该方法的可行性.     

基于IEC61850的故障录波器服务端模型设计

为了实现传统故障录波器兼容IEC61850通信协议,增加故障录波器通信方式,采用面向对象的建模方法,结合模块化设计思想,建立服务端模型,并对模型中的主要类进行设计.根据传统故障录波器采集模块的特点,选取IEC61850-8-I中的特定通信服务映射(SCSM)映射到报文制造规范(MMS)作为服务端模型通信协议.基于IEC61850通信协议的调度软件对该模型进行测试.测试结果表明,根据故障录波器监测对象的特点建立相应的逻辑节点,有利于服务端模型的设计与实现.     

基于直方图与图像分块融合的阶调映射算法

阶调映射算法（TMO）旨在将高动态范围（HDR）图像以最符合人眼感知的形式复现于低动态范围显示设备上.为此基于图像分块与融合,提出一种直方图调整的阶调映射算法.高动态范围图像被分为若干非重合的长方形区域,在每一块区域中阶调映射问题被视为基于直方图的K均值聚类问题并且建立相应的求解目标函数.各区域中解得的映射函数根据该区域的均匀性进行调整,以避免对比度增强过度,从而减少伪影.最后,提出一种双边滤波形式的图像融合策略以保证区域边界的平滑性,兼顾位置及亮度差,进而提升映射结果的自然性.在实验中,采用阶调映射图像质量指标来对算法进行客观评估,结果表明所提算法相对于经典的阶调映射方法有更好的阶调映射效果,在细节增强与全局外貌保留间达到平衡,并在局部阶调映射算法中具有较好的运算效率.     

基于决策树与脉冲神经膜系统的输电网故障诊断方法

为有效处理电网故障诊断过程的不确定和不完备信息,提出一种基于决策树与模糊推理脉冲神经膜系统的输电网故障诊断方法:首先采用权重网络分割法将电网分割为若干小型子网,再利用决策树算法对原始故障决策表进行训练,并约减故障信息,提取输电网故障产生式规则;然后利用模糊推理脉冲神经膜系统的强大知识并行推理和模糊信息处理能力,建立基于 FRSNPS 的故障诊断模型,实现输电网故障诊断;最后,以 IEEE14 节点标准系统为对象进行仿真实验和分析。实验结果表明,该方法在单类型和多类型故障信息丢失时,依然能够诊断出正确故障元件。     

基于FTA-BN模型的煤粉锅炉受热面故障风险研究

煤粉锅炉受热面在故障演化过程中具有不确定性,难以准确地评估故障风险。针对上述问题,采用了一种基于故障树分析(FTA)与贝叶斯网络(BN)的方法研究煤粉锅炉受热面故障风险。此方法结合了故障树易于梳理事件之间因果关系和贝叶斯网络不确定性分析的优势。首先,建立煤粉锅炉受热面4层故障树模型;然后,映射成BN模型并进行不确定性修正,通过与某电厂煤粉锅炉故障数据对比,验证所提方法可以提高故障风险评估的准确性;最后,根据BN的反向诊断推理,找出故障风险关键因素,提升锅炉受热面的安全性。     

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。     

基于不同学习算法的RBF神经网络在故障诊断中的应用

基于对RBF神经网络常用的3种学习算法的研究,通过对凝汽器典型故障类型与故障征兆分析,提出了基于不同学习算法的RBF神经网络凝汽器故障诊断,并对诊断结果进行比较.诊断结果表明,基于3种常见学习算法的RBF神经网络都可以准确诊断出凝汽器的各种故障,但聚类方法和OLS算法学习速度要快得多,梯度训练方法速度较慢.研究还表明,RBF神经网络在故障诊断领域具有很好的实用性.     

基于改进FCM的变压器故障模糊分类方法

变压器油中溶解气体分析(DGA)是识别变压器的故障类型的一项重要技术，模糊聚类是一种有效的分析手段。但传统模糊聚类算法存在对随机初始化的聚类中心敏感、隶属度函数的有效度量范围较小使其容易陷入局部极值点的问题，因而实际分类效果不佳。针对传统FCM的不足，首先采用Canopy算法对DGA数据进行粗聚类，将其结果作为后续FCM聚类的初始聚类中心和最佳聚类数，降低了人为和随机初始化参数的主观性；然后通过引入负指数函数形式的相似度指标重构了FCM隶属度的迭代函数，降低了算法陷入局部极值点的可能性；最后通过对故障气体数据进行实例分析，验证了改进后的算法在识别变压器故障类别上的有效性和实用性。     

基于改进关联规则挖掘的变压器油中溶解气体分析模型

关联规则挖掘算法常用于基于油中溶解气体分析的变压器故障诊断中。为进一步提升诊断效果,提出一种基于改进关联规则挖掘模型的变压器故障诊断方法。首先,构建可调整的状态重要度评估标准计算方式,能够适应不同输入特征并将其中的罕见高危数据纳入分析,从而有效应对现实应用过程中可能出现的极端状况;其次,直接基于输入特征量导致的故障风险而非特征量的数据占比或出现频率求解相应故障风险权重,能够更加准确地衡量各特征量所带来的影响;最后应用Relim算法进行关联规则挖掘,从而改善挖掘效率。实例仿真结果表明,所提出方法相较采用固定重要度评估标准计算方式、传统风险权重求解方法以及Apriori关联规则挖掘算法的故障诊断方法,具有更好的诊断准确率、实际可行性以及运算效率。