基于GA-BP的配电网自动故障定位研究

针对如何提高配电网故障诊断的速率及准确度问题,提出了采用GA-BP算法对配电网进行自动故障定位。通过实验仿真,采用GA-BP算法和BP算法分别进行故障定位仿真,对比结果可以发现,GA-BP算法的的耗时比BP算法的耗时减少了53.7769ms,且GA-BP的迭代次数为367次,BP算法的迭代次数为2071次,GA-BP算法的准确度比BP算法提高了23.59%,验证了本文所提方法的有效性和准确性。     

基于压缩矩阵的通信网告警关联规则挖掘算法

提出了一种基于压缩矩阵运算的电信告警关联规则挖掘算法.它解决了apriori等算法需多次扫描数据库的问题,通过扫描告警事务库并进行压缩变换得到压缩告警关联矩阵,对关联矩阵进行运算得到告警间的关联规则.仿真实验证明,该算法与apriori等算法相比,时间效率有了明显提高,同时有效节约了存储空间.     

基于仿真的通用模拟电路故障知识获取平台

故障知识获取是基于知识的模拟电路故障诊断方法的瓶颈问题。总结了通过故障仿真获取模拟电路故障知识的一般过程,简要描述了知识获取自动化的方法,提出建立通用模拟电路故障知识获取平台的方案,并对其主要组成部分和功能进行了详细描述。该平台能自动穷举电路所有可能的故障,调用外部电路仿真软件进行仿真,从仿真结果提取故障知识并加以简化,形成结构化的故障知识库。实验结果证实其可行性。     

一种高效的网络故障管理算法

随着网络技术的发展，如何有效地进行网络管理的问题日益突出。故障管理是网络管理的核心内容。该文通过对简单网络管理协议SNMP中管理信息传输的轮询控制方式进行了分析，提出了一种新的轮询算法，采用嵌入马尔可夫链和概率母函数的分析方法，给出了轮询算法的数学模型。通过理论计算和仿真实验验证了新的算法提高了网络故障管理的效率。     

基于系统级诊断理论的卫星网络故障识别算法

提高卫星网络的容错性是一项具有挑战性的工作,故障识别是其中一项根本措施.在采用双层节点图对卫星网络建模的基础上,提出一种基于PMC测试无效模型的卫星网络故障识别算法,并证明了算法的正确性.通过大量仿真实验,对算法在不同类型的卫星网络中的性能进行了对比与分析.实验结果表明,算法能够适用于多种网络拓扑,并具有良好的鲁棒性.     

基于ESO迭代学习算法的故障估计

针对基于迭代学习的故障估计器方法,提出一种基于扩张状态观测器(ESO)思想的迭代学习算法,以提高虚拟故障的收敛速度。该算法将ESO的输出误差非线性反馈机制用于迭代学习过程,利用故障估计器当前输出残差的非线性函数修正下次迭代时的虚拟故障值。对所建立的故障估计器的收敛性进行理论分析,并在此基础上进行了仿真实验。仿真结果表明,所提出的算法具有良好的收敛速度和故障估计精度。     

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。     

贷款组合优化决策问题研究

针对贷款组合优化决策模型的求解问题,提出了用于求解该问题的知识进化算法,阐明了算法的具体实现过程,采用VB语言编写了相应的仿真实验程序。通过多次的仿真实验结果比较,表明了算法在计算时间、稳定性和寻优能力上的有效性。     

基于强化学习的无人坦克对战仿真研究

对标准的强化学习进行改进,通过引入动机层,来引入先验知识,加快学习速度。策略迭代选择上,通过采用“同策略”迭代的Sarsa学习算法,代替传统的“异策略”Q学习算法。提出了基于多动机引导的Sarsa学习（MMSarsa）算法,分别和Q学习算法、Sarsa学习算法在坦克对战仿真问题上进行了三种算法的对比实验。实验结果表明,基于多动机引导的Sarsa学习算法收敛速度快且学习效率高。     

传感器网络的目标丢失故障恢复技术研究

分析了传感器网络在在目标跟踪过程中产生目标丢失故障的原因,在此基础上采用分簇设计思想,通过对跟踪目标移动速度的计算和目标搜寻区域的建立等方法,提出了目标丢失故障恢复新的算法和技术.通过仿真实验证明所提出的目标跟踪系统的目标丢失故障恢复算法和技术在延长传感器网络生存时间前提下能够有效解决跟踪目标发生丢失故障后目标快速恢复问题,并通过仿真实验比较说明了提出的方法在能量有效性方面优于其它的方法.     

基于集成多神经网络在模拟电路故障诊断中的研究

以进行模拟电路故障诊断为主要目的,针对单神经网络故障字典法在进行复杂电路系统故障诊断时,对多故障和多任务诊断的不足之处,讨论了基于多故障的神经网络集成技术,采用集成多神经网络来提高诊断速度和精度,提出了集成多神经网络故障字典法来解决多故障任务,对基于层次分类模型的多重结构神经网络进行了研究,给出了两种对故障定位的统一融合算法,克服了采用单神经网络多故障时学习速度慢,出现新故障的网络要重新进行学习等缺点.并给出了应用实例.     

PSO优化算法飞机操纵面故障辨识研究

针对飞机复杂的非线性操纵面故障系统,建立故障模型,提取各种故障数据,并将粒子群优化算法应用于BP网络系统,提出了一种基于粒子群优化神经网络的故障诊断方法;该方法分阶段实施神经网络的训练,有效地加强了算法的全局搜索能力,采用PSO算法优化了传播中的权值和阈值,弥补了BP算法收敛速度慢和易陷入局部极小点的不足,提高了故障模式识别的能力;实验结果表明该方法加快了神经网络的学习收敛速度,提高了故障模式的识别正确率,对飞机操纵面的各种典型故障都能有效加以辨识。     

Knowledge distilling based model compression and feature learning in fault diagnosis

Recently, there has been interest in developing diagnosis methods that combine model-based and data-driven diagnosis. In both approaches, selecting the relevant measurements or extracting important features from historical data is a key determiner of the success of the algorithm. Recently, deep learning methods have been effective in automating the feature selection process. Autoencoders have been shown to be an effective neural network configuration for extracting features from complex data, however, they may also learn irrelevant features. In addition, end-to-end classification neural networks have also been used for diagnosis, but like autoencoders, this method may also learn unimportant features thus making the diagnostic inference scheme inefficient. To rapidly extract significant fault features, this paper employs end-to-end networks and develops a new feature extraction method based on importance analysis and knowledge distilling. First, a set of cumbersome neural network models are trained to predict faults and some of their internal values are defined as features. Then an occlusion-based importance analysis method is developed to select the most relevant input variables and learned features. Finally, a simple student neural network model is designed based on the previous analysis results and an improved knowledge distilling method is proposed to train the student model. Because of the way the cumbersome networks are trained, only fault features are learned, with the importance analysis further pruning the relevant feature set. These features can be rapidly generated by the student model. We discuss the algorithms, and then apply our method to two typical dynamic systems, a communication system and a 10-tank system employed to demonstrate the proposed approach.     

构造型神经网络在故障诊断中的应用研究

提出一种新的故障诊断方法,以便更加有效地解决具有先验知识的故障分类问题。以先验样本点为中心,利用内积判断样本数据的相似度,从而进行聚类分析,在特征空间里作超平面与球面相交,得到一个球面覆盖领域,从而将神经网络训练问题转化为点集的覆盖问题。该算法以构造型神经网络为基础,其特点是直接对故障样本数据进行处理,由于覆盖中心确定,该算法构造出的是隐层元最少的网络结构,有效地克服了传统神经网络训练时间长、学习复杂的问题。计算机仿真实验结果证实了该算法的有效性。     

基于遗传BP网络的模拟电路故障诊断方法及其应用

针对BP网络诊断模拟电路故障时存在网络结构复杂且可能出现误诊断的不足,提出一种小波变换、遗传算法与神经网络相结合的模拟电路故障诊断的新方法.该方法使用节点电压信号经小波变换、主元分析和归一化处理来实现故障特征的提取,以减少信号的冗余;由于BP网络易陷入局部最优,采用遗传箅法来优化BP网络的结构和初始权值分布,使优化后的神经网络具有较好的收敛性能.最后结合电路实例,对文中提出诊断方法的原理与实现进行了较深入的分析,建立了该方法的测试系统,并通过工程应用效果进一步验证了文中方法的正确性.     

Fault diagnosis of power electronic system based on fault gradation and neural network group

We propose a new fault diagnosis approach with fault gradation using BP (back-propagation) neural network group consisting of 3 sub BP neural networks. According to the hazard extents and the occurrence frequencies of different faults, the faults are divided into different grades. The higher the fault grade, the larger the number of the used sub neural networks is. Experimental results show that our approach makes the correctness rate of the fault diagnosis rise greatly (from less than 95.0% to 99.5%) and the performance of the whole fault diagnosis system gets much better especially for the on-line complex systems. The approach proposed in this paper also can be extended to other complex fault diagnosis systems, such as mechanical systems.     

一类非线性系统的故障诊断方法

针对一类非线性系统,提出了一种新的故障诊断方法;首先,对未知的系统正常模式和系统故障模式分别进行确定学习,将系统正常模式和各种故障模式以空间分布的常数神经网络权值方式储存,建立模式库;然后,根据已有模式库中的模式构造一系列估计器,将估计器的状态与实际系统状态进行比较,构造残差,以此来检测和分离各种故障;最后,以弹簧减震器系统为例,用仿真结果证明了文中设计的故障诊断方法的可行性和有效性.     

基于混合粒子群算法的小波神经网络故障诊断

针对复杂的飞控系统传感器故障类型,建立了故障诊断模型,提取了各种故障数据.构建3层小波神经网络,并提出一种改进粒子群算法--混合粒子群算法对小波神经网络进行训练,该算法使用离散粒子群算法优化小波神经网络连接结构,同时使用基本粒子群优化算法优化小波神经网络权值.将这种改进的小波神经网络算法应用于飞控系统传感器故障诊断中....     

增强前馈神经网络对多点断路故障的容错能力

神经网络在发生多点断路故障时,网络中的多个隐层神经元及其相关的连接权同时失效。该文针对陷层神经元可以动态增加的一类前馈神经网络,提出了一种三阶段方法T3。T3先对网络进行一次训练,然后用验证集进行测试以确定网络的故障曲线拐点,在此基础上通过第二次训练自适应地增加冗余隐层神经元。实验表明,T3使用较小的冗余量就可以显著改善网络对多点断路故障的容错性,在网络的容错能力和结构复杂度之间较好地达成了折衷。