机场助航灯故障检测系统研究

基于电力线载波的机场助航灯故障检测系统,主要由调光器、定位系统主控单元、灯位信息采集单元、定位系统上位机以及塔台控制计算机等组成。灯位检测单元检测每个助航灯的信息,定位系统主控单元采集每个助航灯的信息。机场助航灯故障检测系统应用电力线载波技术,通过FSK调制解调模块把信息调制成可以在电力线中传播的信号,从而实现定位系统主控单元和灯位检测单元之间信息传递。故障检测系统接入机场监控系统之后,可以有效的监控助航灯的状态。     

基于BP小波网络的故障模式识别

提出了一类新的BP小波网络，该网络采用BP学习算法，可实现信号的小波变换、特征提取和模式分类，具有结构清晰、算法简便的特点。将该网络应用于柴油机的活塞-缸套故障模式识别，并与用一般BP网络识别的结果比较，表明该网络对于非平稳时变振动信号具有很好的模式识别能力。     

基于小波网络的传感器故障检测

针对常规BP网络存在的问题,在小波网络的基础之上将其结构进行改进提出复合小波网络,代替BP网络用于传感器的故障检测,为避免由于传感器输入信号突变引起的传感器输出与观测器预测值产生较大偏差而导致的误诊断,提出将检测方法加以改进。仿真实验表明,复合小波网络较BP网络和未改进的小波网络收敛速度快、预测精度高,更适用于故障检测;采用了复合小波网络的改进的检测疗法既提高了检测的快速性,义提高了可靠性。     

基于BP网络的航空发动机传感器硬故障检测

研究了航空发动机传感器的故障类型.针对传感器硬故障本身的特点,使用神经网络训练并建立发动机传感器模型,依据建立的模型线计算出传感器正常运行时上下阈值,最后将计算出来的阈值嵌入到工控机中,进行航空发动机传感器在线实时硬故障检测的仿真模拟.整个算法软件采用C++语言编写,占用资源少、运行速度快、精度高、实时性强,根据仿真图形分析,该算法软件能够准确地监测航空发动机传感器的故障.     

机场助航灯光远程监控系统研究与实现

将工频载波通讯技术和助航灯光检测技术相结合,构成工频载波助航灯光监控巡检系统,实现了助航灯光巡检监控的自动化.系统可以实时监控灯光设备运行情况,保证飞机进近和着陆安全.双向工频通信技术的使用,使得无需重新铺设通讯线路,降低了成本.监控计算机可以合理安排灯光维修时间,提高维修效率.对监控系统关键技术,如工频载波通讯技术和基于TCP/IP协议的局域网通讯实现进行了讨论.该系统的使用可提高灯光系统的可靠性,增强机场地面的保障能力.     

基于量子粒子群的BP网络用于入侵检测

针对遗传算法、粒子群算法等BP网络的学习算法对高维复杂问题仍易早熟收敛,且无法保证收敛到最优解。把量子粒子群算法应用于BP网络的学习中,并把改进BP网络用于入侵检测。通过KDD99CUP数据集分别对基于不同学习算法的BP网络进行了实验比较,结果表明:该算法的收敛速度较快,可在一定程度上提高入侵检测系统的准确率和降低的误报率。     

基于BP网络与改进的PSO算法的入侵检测研究

本文针对入侵检测系统中的误检率,提出了一种将BP网络和改进的PSO算法相结合的方法。该方法基于BP网络算法的局部精确搜索和改进的PSO算法的全局搜索的特性,并且用改进的PSO算法优化BP网络的权值、阈值,克服BP网络算法易陷入局部极值的弊端。在入侵检测系统中应用该网络结构,能准确地发现已知的攻击行为,并能进一步预测新的攻击行为,减少了入侵事件的漏报和误报。通过KDD99 CUP数据集进行仿真实验,与基于PSO-BP算法、传统的BP算法的入侵检测系统相比较,表明改进的PSO-BP算法的迭代次数较少、收敛速度快、检测率高,有一定的有效性。     

遗传算法优化BP网络初始权重用于入侵检测

基于遗传算法的全局搜索和BP网络局部精确搜索的特性,将遗传算法与BP算法有机结合,先采用遗传算法优化BP网络初始权重,完成网络的训练过程,并将此方法运用于入侵检测中。实验证明,运用此方法有利于提高网络的收敛性,可在一定程度上提高入侵检测系统的准确率。     

一种基于BP神经网络的异常检测系统的实现

人工神经网络是当前的研究热点之一,它具有较强的学习归纳功能,将之应用于入侵检测,能有效地提高检测工具的各项性能.提出了一种基于BP网络的异常检测系统,分析了几种典型的扫描和攻击技术,并由此选定了网络输入特征量,试验结果显示这种检测系统的检全率和误检率都十分令人满意.同时,由于网络的检测过程就是一些简单的数值计算,所以该系统检测速度快,实时性能好.     

基于图像特征与面向对象BP算法的边缘检测

提出了一种基于图像特征与面向对象BP神经网络的边缘检测方法。首先，在图像特征的选取上，充分考虑边缘和噪声的本质区别，构造具有较强抗噪能力的特征向量；然后用经人工处理的样本对BP网络进行训练，将训练后的网络用于图像的边缘检测。     

计算机网络故障检测

计算机网络故障种类较多,计算机网络故障检测是一个复杂的系统工程,不仅对网络故障处理步骤有所要求,而且对网络故障分析方法以及计算机故障维护都有极高的要求。为此,本文也主要从这几个方面对计算机网络故障检测进行分析。     

计算机网络入侵检测技术

入侵检测作为一种主动的安全防护技术．提供对内部攻击、外部攻击和误操作的实时保护。阐述网络入侵以及入侵检测的基本概念,介绍当前常见的入侵检测技术,分析入侵检测系统存在的问题．并针对存在的问题提出基于神经网络BP算法的入侵检测模型。     

计算机网络入侵检测技术

入侵检测作为一种主动的安全防护技术,提供对内部攻击、外部攻击和误操作的实时保护。阐述网络入侵以及入侵检测的基本概念,介绍当前常见的入侵检测技术,分析入侵检测系统存在的问题,并针对存在的问题提出基于神经网络BP算法的入侵检测模型。     

基于BP神经网络的某防空导弹发射机构故障分析

在武器装备维修与技术保障领域中,普遍存在故障模式复杂、分析定位繁琐等问题,一定程度上影响了装备维修工作的效率。为解决上述问题,以陆军某型便携防空导弹发射机构为典型研究对象,设计了一种基于人工神经网络的故障分析方法,研究了神经网络在装备技术保障领域中的应用。该方法以BP神经网络为基础,利用历史维修数据确定网络的正反向传播矩阵,在后期采取一定措施对预测准确率进行了优化,整套方法利用Python环境进行了实现。通过实验验证,该方法对发射机构故障进行定位时,速度快、效率高,准确率超过96%,因此可知该方法对于多种故障现象影响下的故障模式分析具有较高的预测准确率,能满足装备维修中故障模式的快速分析定位,并且具有较强的通用性。     

网络入侵检测技术在中考报名系统的应用

目前,网络入侵攻击的事件频繁发生,对计算机网络安全造成严重影响,因此需要一种较好的入侵检测技术,来防止网络入侵的各种攻击,提高计算机系统的安全性。先介绍网络入侵检测技术基本方法,接着结合改进BP神经网络算法对入侵检测技术进行改进,最后通过实验验证方法的可行性。     

基于BP神经网络的光照分布研究

光照度对植物的生长发育有着不可忽视的重要作用,它的强弱直接影响到植物的光合作用、物质代谢、结构形态和农作物产量等。通过重点研究大规模样本点的BP神经网络空间插值方法,进而提高计算光照分布的准确性和有效性。利用分组训练、组合优化的改进BP神经网络的权值和阈值,训练BP神经网络预测模型求得最优解。实验结果表明该模型的相对误差较小,对光照度预测的可信度较高,可以用于预测光照分布。     

基于改进BP的GDP预测研究

GDP时间序列具有线性和非线性的双重特征,所以传统统计预测方法、神经网络方法和集成预测方法都在预测分析时准确性不高,误差较大。文章提出由GDP时间序列,找出只具有非线性特征的GDP年增量百分比序列,以此建立基于BP的预测模型,对我国的GDP进行预测,仿真实验表明,改进的BP模型预测准确率明显优于目前的ARIMA-BP集成模型及单一BP模型的预测准确率,从而证实了改进的BP模型用于GDP预测的有效性。     

BP神经网络研究

简述BP算法原理,并通过训练一个布尔函数的实例,对BP神经网络算法进行分析与研究,从中可以看出不同的神经网络可以解决同一个实际问题,但是它们的效率及精确度是不同的,需要根据具体应用采用合适的网络形式。     

基于改进BP神经网络的网络故障诊断研究

针对网络故障诊断过程中故障规则难以提取的问题,提出一种基于改进BP神经网络的故障诊断方法。以网络故障信息为样本对BP网络进行训练,利用其强大的自适应能力和非线性映射能力,建立起网络故障信息与故障模式输出之间的映射。同时,为了避免BP网络的学习算法陷入局部极小值,提高故障诊断的效率和精确度,采用L-M优化算法来对网络进行训练。另外,采取初期终止的方法提高BP网络的泛化能力。实例表明,该方法有效提高了网络故障诊断的有效性。