基于S变换的全桥整流电路故障诊断研究

针对应用广泛的全桥整流电路故障分析,根据整流电压波形的畸变规律,分析了2个以内的二极管故障分为7类共计22种故障元。运用S变换分析,提取了故障特征值,并以此构造故障模式向量作为RPORP神经网络的输入。实现了电路的故障诊断与定位。为双凸极发电机整流电流故障的进一步研究打下了基础。     

一类非线性神经模糊控制系统

针对离散非线性系统,将神经网络和模糊技术有机结合,模糊神经网络与自适应控制方案相结合,设计了一种模糊神经网络自适应控制系统,它由模糊对向传播（FCP）网络辨识器和径向基函数（RBF）神经网络控制器组成,仿真结果表明了该方案的有效性。     

两级数据融合算法在木材干燥过程中的应用

本文提出了一种基于RBF神经网络和证据理论的两级数据融合方法。利用RBF神经网络实现特征层数据融合,建立基本信任分配函数,具有最佳一致逼近特性,同时解决了D-S证据理论确定基本信任分配函数困难的问题。基于D-S证据理论的传感器故障诊断方法的研究,可有效地判断工业现场传感器的工作状态。实验结果表明该方法可正确定位并准确分离出木材含水率检测系统中失效传感器。     

社会网络信息的本体论建模与可视化

本体论是共享概念模型的明确的形式化规范说明,基于本体论对社会网络信息建模能够提供客观存在的本质认识,发挥本体论在信息表示与组织上的优势.提出一种针对社会网络信息的领域本体模型,将社会网络信息领域的客观存在抽象为3个主要本体:行动者、关系网络和群组,能够方便地定义各种社会网络分析与可视化方法,为社会网络信息可视化应用提供支持.着眼于社会网络结构分析中的需求,在上述模型框架下提出了基于规则对等组的群组分析方法和基于群组、角色分析的力导引布点算法.最后结合恐怖活动信息可视化实例,阐述了文中提出的领域模型与可视化方法的应用.     

不同算法下生成的数字高程模型对比分析研究

目前数字高程模型的生成在大多数商用地理信息系统软件或遥感图像处理软件中都能实现,但提供的算法有所不同.结合目前常用专业软件提供的不同算法,对同一数据源的高程数据分别生成数字高程模型(DEM),进行对比分析后发现:使用现有专业软件生成的DEM均存在着差异,这些差异主要来源于不同软件采用的算法差别,并且DEM的差异具有空间分布的规律性和负高差多于正高差的特点.由此得出以下结论,TIN算法具有生成的DEM精度高等优点,LRS和Non-LRS算法具有生成的DEM结构简单等优点.若要进行三维显示、土方量计算等,则选择TIN算法生成;若要检查高程数据错误,则选择LRS或Non-LRS算法生成.     

网络设备硬件漏洞研究

在对软件漏洞进行研究的基础上,从发掘网络设备硬件漏洞的角度对网络信息安全进行了思考.分析了网络信息安全现状,列举了当前主要的网络防御技术,分析了交换芯片AL216的组成结构和设计原理,研究了如何利用交换芯片AL216为核心设计实现以太网交换设备,并讨论了利用该芯片设计交换设备可能存在的硬件漏洞.通过论述表明了网络设备硬件漏洞存在的可行性和隐蔽性.     

网络化测试系统中间件的研究与设计

针对网络化测试系统中测试设备种类繁多,总线结构和测试平台各不相同的问题,研究了基于面向服务体系结构(SOA)的网络化测试系统消息中间件(MOM).将SOA与MOM相结合,设计了该中间件的体系结构,给出了消息发布和订阅的流程,并对消息的格式进行了详细定义,结合实例,验证了该模型的有可行性和有效性.实验结果表明,该中间件为网络测试系统的各个测试设备提供了一种公用的信息通信方式,可以有效地解决网络化测试系统中的跨平台数据交换和通讯问题.     

布尔表达式的化简与并行排序网络验证

为设计出能够验证并行排序网络正确性的有效工具,根据[0,1]原理和布尔函数的特点和性质,提出一种布尔表达式的化简算法,并根据此算法设计出验证工具.对[0,1]原理和布尔函数的特点和性质进行了讨论,指出有利于化简操作的性质.设计出的工具能够根据并行排序网络的参数显示网络图形、自动生成布尔表达式并实现化简验证,工具的输出有利于对排序网络的分析,也可以用于辅助排序网络的设计和优化.实验结果表明了该工具的有效性.     

一种新的传感器网络混合广播调度方法

由于传感器网络所使用无线信道的共享性和相互干扰, 节点间数据广播会产生资源冲突, 广播调度要解决的即是为每个节点分配到一个无冲突传输时隙, 其目标是找到最优时分复用(TDMA: time division multiple access)调度解, 使得帧长度最短而信道利用率最大. 提出基于神经网络的两阶段混合广播调度算法. 在阶段一, 使用改进的顶点着色算法来获得调度所需最短时隙数目; 在阶段二, 使用模糊Hopfield网络将节点模糊聚类为M类, 同类 节点可以在同一时隙被调度, 不同类节点必须在不同时     

基于模糊自适应免疫算法的非线性系统模型参数估计

复杂生产工艺中非线性系统的模型参数估计是系统建模优化问题中的难点, 为避免优化算法过早收敛于错误的参数估计值, 根据生物免疫机理和模糊逻辑原理提出了一种新颖的模糊自适应免疫算法, 该算法采用混沌超变异操作增强算法搜索能力, 并用免疫网络调节策略保持抗体群的多样性, 同时采用模糊逻辑调节算法参数以提高算法的自适应能力. 函数优化仿真结果表明其具有较好的收敛性能, 并能够克服早收敛问题. 最后将其成功应用于重油热解非线性模型参数估计中, 验证了该算法解决实际建模问题的可行性和有效性.