基于粗糙集和TS-ANN的柴油机故障诊断推理

研究了一种基于粗糙集和禁忌神经网络(Tabu Search-Artificial neural network,TS-ANN)的故障诊断方法,解决了柴油机由于激振源多而导致的故障诊断困难的问题;首先通过SOM网络实现对初始决策表的属性值离散化,使用基于属性重要度的属性简约算法实现对决策表的属性简约,从而降低输入数据维数,然后通过禁忌算法实现对神经网络的隐层神经元个数以及权、阀值进行优化,将优化后的参数代入BP神经网络后进行训练以进一步调整,最后将训练好的神经网络用于实现故障诊断推理;仿真实验证明文中的方法能精确地实现故障诊断,且与其他方法相比,诊断精度分别提高了28.34%、13.45%和9.67%。     

基于云计算的煤矿监控设备建设研究

基于互联网、云服务、云计算的煤矿安全监测监控系统,可以为企业带来更低成本、更简易的系统部署、更简易的维护与管理。文章对基于云计算的分布式计算框架模型进行系统设计研究与开发。     

人员踩踏事件中快速疏散复杂网络模型的研究

研究发生踩踏事件时人员快速高效的疏散问题.在人员密集区域中一旦发生踩踏事件将造成人流信息的无序化变化,人流密度和运动方向具有极强的非线性和突变性.传统的疏散路径诱导方法仅仅是针对有序的、平稳的人流密度变化进行疏散路径选取,非线性和突变性的人流信息不能在模型中得到反应,一旦踩踏事件发生,模型的稳定性会被破坏.提出了一种根据突变人流诱导的快速疏散复杂网络模型.引入人流方向突然变异算子将人流密度变异和方向变异的因素充分考虑进来,提取局部区域突变参数,并将其反馈到控制端,从而提高疏散速度.实验证明,提出的算法提高了人员在踩踏事件中的疏散速度和效率.