基于VMD和卷积神经网络的变工况轴承故障诊断方法

针对变工况条件下轴承故障数据无法大量获取以及诊断困难的问题,提出了基于变分模态分解和卷积神经网络的轴承故障诊断方法,使用稳态工况获取的数据训练,能对变工况下的数据实现有效诊断.首先对轴承振动信号进行变分模态分解,以获得有限带宽的固有模态函数;然后构建卷积神经网络模型,采用优化技术提高模型适应性,实现对固有模态函数的自适...     

摇摆结构及自复位结构研究综述

城市桥梁是经济和社会发展的重要基础设施,特别是重要桥梁以及由其构成的网络在灾难发生后如何快速恢复,对社会安定和地区发展十分重要。近年来抗震韧性倍受关注,如何考虑结构可恢复性并将韧性纳入桥梁系统抗震性能综合评估和优化,还存在很多问题尚待研究。该文定量分析桥梁震后恢复过程、剩余功能和修复时间与韧性指标间的联系,建立城市桥梁系统性能评估方法。由桥梁不同损伤状态计算不同恢复过程的剩余功能、修复时间、可恢复性和震后经济损失;对震后恢复过程的功能函数模型给出建议,量化不同震后恢复策略的影响;将韧性纳入城市桥梁系统抗震性能框架中,提出城市桥梁系统震后可恢复性评估框架,对风险高低不同采用不同的修复过程;对震后经济损失、可恢复性和震前修/改造成本采用多目标优化算法NSGA-II求解震前提升韧性优化策略,用于抗震加固措施的选取。通过案例给出了方法流程,也为城市桥梁系统地震韧性提升提供了新思路。     

喷射沉积过程中气体流场的测定及数值模拟

采用组合式皮托管测量的方法测量了喷射沉积过程中的雾化气体流场,并基于神经网络的方法对流场进行数值模拟,获得了较为精确的雾化气体压力与流场中轴向气体速度之间的关系,实现了对不同气压下气体流场的预测。     

论细胞神经网络的理论基础

本文详细讨论了由美国伯克莱加利福尼大学电子学家L.O.Chua教授等首创的细胞神经网络理论基础,具体指出了其存在的缺陷及所构造的能量函数用来研究稳定性失效的原因,建议了理论研究的进一步方向。     

神经网络专家系统的状态识别、知识表示和求解策略

将神经网络与人工智能技术相结合,提出了1种新型的知识表示的形式化描述和知识单元。知识通过模式分类导入,并用IMSBP和(B-B)BP调节2种不同类型的权。在此基础上提出了神经网络的双向求解策略。以加热炉控制验证了其可行性。     

电信网通信质量管理及综合评价

在建立电信网质量评价指标体系的基础上,运用多级模糊综合评判、加权平均和一票否决法,对电信网通信质量进行综合评价,取得了较好效果.     

Searching for Best Network Topologies with Optimal Synchronizability: A Brief Review

The Laplacian eigenvalue spectrum of a complex network contains a great deal of information about the network topology and dynamics,particularly affecting the network synchronization process and performance.This article briefly reviews the recent progress in the studies of network synchronizability,regarding its spectral criteria and topological optimization,and explores the role of higher-order topologies in measuring the optimal synchronizability of large-scale complex networks.     

基于回采巷道破碎程度的浆液性能选型研究

工作面回采巷道围岩破碎程度不同,应采用不同性能的注浆材料对围岩进行分区、分类加固。采用BP神经网络算法,建立了回采巷道围岩破碎程度与注浆材料性能的“地质条件—浆液性能”互馈模型。该模型选取顶板岩层强度、煤层强度、底板岩层强度等7个地质条件参数作为输入因子,选取注浆材料7 d抗压强度、初凝时间和初始黏度作为输出因子。利用34组数据对模型进行训练,8组数据作为测试样本开展误差分析。结果表明：训练集拟合系数达到0.999 95,测试集输出因子相对误差低于13%,训练和测试效果较好,能够满足基于围岩破碎程度进行浆液参数选型及预测的要求。     

钢包精炼炉的电极系统智能建模及控制

针对钢包精炼炉电极控制系统具有非线性、时变、模型不确定、大滞后、多输入多输出耦合的特点,提出一种基于神经网络实时在线辩识的内模控制方案.控制器采用神经网络解耦,将混沌机制引入到BP算法中,用以加快学习的收敛速度.仿真结果证实了控制策略的有效性.     

基于神经网络的开关磁阻电动机建模

针对常规的BP算法存在收敛速度慢,容易陷入局部最小值的缺点,提出了一种提高BP网络学习速度的方法,并基于BP神经网络建立了开关磁阻电动机磁特性Ψ(θ,i)模型.神经网络的参数是经过优化选择的,训练的时间和步数都大为减少,程序运行稳定,经过训练、识别、预测三重整定,具有很强的学习泛化能力,大大增强了系统的实时性和鲁棒性.该模型有助于进一步优化能量转换,减小转矩脉动.