近岸区域及河口区台风风场动力诊断模型

由梯度风平衡原理得出具有非对称性的台风模型风场,将台风模型风场与NCAR客观分析风场嵌套得到大区风场并从中取出中尺度动力诊断模式Mass所需的初始风场,再由Mass模式对局部关键性区域海面风场作动力调整,同时结合实测资料使用Nudging同化方法进行调整,从而获得具有较好实用性的台风近岸及河口区的海面风场。文中用上述模型对9015号和9711号台风作了诊断分析试验,得到了比较合理的并符合实际观测的台风海面风场。     

基于人工种经网络的乳腺癌诊断模型

针对具体的乳腺癌诊断分类问题，研究了多层径向基函数(RBP)网络的分类机理和初始化优化参数，采用动量法和学习率自适应调整两种策略方法，建立了基于BP神经网络和径向基(RBF)神经网络的乳腺癌两种诊断模型。讨论了径向基神经网络的分类机理，同时对数据作了预处理。径向基(RBF)神经网络具有较强的非线性并行处理能力和容错能力。仿真结果表明，所设计的RBF网络模型性能稳定，训练时间短，分类效果较好。     

分布式策略的核动力装置故障诊断技术研究

对核动力装置中的故障问题进行了研究,根据系统结构和运行特点,基于分布式诊断策略将核动力装置划分成三级子单元结构,将故障诊断任务划分到不同的子单元中,采用核主元分析(kernel principal component analysis)进行故障检测,监测核动力装置的运行状态,采用模型法对不同的设备单元建立相应的模型进行故障诊断、识别,并辅以专家知识进行补充,得到故障问题的最优解,并以此为依据设计了核动力装置分布式故障诊断系统。在全范围仿真机上的测试表明,基于分布式策略的故障诊断方法有效,核动力装置分布式故障诊断系统具有较高的可靠度,满足故障诊断的功能要求。     

基于属性层级关系的rRUM模型优化——模型解释力及判准率的提升视角

以提高认知诊断模型判准率及对数据的解释力为视角,对当前应用较广泛的rRUM模型进行优化(优化后的模型简记为rRUM-AH),并采用Monte Carlo模拟研究及实证研究相结合的范式,比较分析了传统的rRUM模型和rRUM-AH模型的诊断正确率及诊断结果的解释力.研究结果表明:当属性间存在层级关系时,不论在何种实验设计条件下,优化后的rRUM-AH模型属性诊断正确率远远高于传统的rRUM模型; 当属性间存在层级关系时,rRUM模型的模式判准率平均不到80%(而rRUM-AH模型平均高达90%以上),难于满足实际需求,此时实际应用者选用该研究新开发的模型是一个较好的选择.     

基于Park变换和DRNN的定子绕组匝间故障诊断方法

采用定子电流信号检测方法诊断三相交流电机定子绕组匝间短路故障时,会受到电网电压不对称和负载变化等因素的影响,为克服这一缺陷,提出了基于派克变换和对角递归神经网络(DRNN)的定子绕组匝间故障诊断方法.该方法根据派克变换得到三相电流派克矢量模的轨迹变化,通过频谱分析提取故障严重度特征因子.为进一步确定短路绕组的匝数,综合考虑负载、三相输入电压不平衡度的变化情况,构建基于DRNN的短路匝数诊断模型.根据此方法,构建了试验系统并进行了匝间短路试验,试验结果证明:基于Park变换和DRNN的诊断方法,不但在稳态工况下可精确确定定子绕组短路故障的严重度及匝数,而且在电机启动、负载、电压不平衡动态变化时,取得比前馈神经网络(FFNN)故障诊断模型更好的诊断结果.     

应用LS-SVM的飞机重着陆诊断

为提高飞机重着陆判断的准确性,研究了将最小二乘支持向量机(Least square supportvector machine,LS-SVM)应用于民航飞机重着陆诊断的方法.首先,通过分析飞机着陆阶段的运动方程,确定了造成飞机重着陆的主要影响因素,将传统的单一指标诊断扩展到多指标诊断.然后,利用最小二乘支持向量机建立飞机重着陆诊断模型,采用遗传算法优化模型参数.训练和测试样本取自航空公司飞行品质监控数据库中相关参数值.与两类神经网络模型的比较表明,该方法具有更大的应用价值.     

枸杞病害图像特征分析及诊断模型

枸杞产量的高低、质量的好坏,关键取决于病害的监测、预警、诊断和防治水平。论文围绕枸杞叶部病害,对病害图像进行预处理和质量评价等操作后进行病害特征分析,并进行病害图像分类,后提出枸杞病害诊断模型。     

基于生成对抗网络的医学诊断模型知识蒸馏对抗攻击方法

为了提高医学诊断模型防御攻击的能力,提出了一种基于生成对抗网络的医学诊断模型知识蒸馏对抗攻击方法。首先创建医学对抗攻击端到端训练网络,并以残差网络作为对抗网络架构;其次在生成器特征块中融合扩张卷积块和通道注意力机制,采用马尔可夫判别器改进判别器网络结构;最后利用生成器和判别器组建生成对抗网络,使用对抗样本进行知识蒸馏对抗攻击,以训练医学诊断模型提高识别精度。采用对抗样本对所提对抗方法进行攻击验证,结果表明：本文方法对抗攻击的成功率为92.6%,与所对比的主流方法相比,该方法的成功率提高了20%,生成对抗样本的最大平均差异降低了3.68%,峰值信噪比、结构相似性分别提升了5.07%、20.29%。本文方法解决了医学诊断模型在对抗攻击中难以获取网络结构和参数信息的问题,生成的对抗样本更接近真实样本,网络效果更佳,为辅助医疗模型诊断及模型安全性提供了参考方案。     

基于模糊优选反问题的电机电气故障诊断模型

在发电机运行中,根据电机的运行经验和模糊优选的相互结合,就能够很快的发现电机电气故障的原因以及故障现象之间的关系,因此可以在模糊优选反问题的基础上,来确定电机电气的故障诊断模型。     

基于ES-PN模型的电力系统故障诊断

提出了一种基于Petri网理论和专家系统的电力系统故障诊断方法,详细阐述了基于引出线诊断模型和鉴别故障元件的方法,包括故障元件和其保护的关联度。通过对保护的方向性、区域性以及关联度的分析,增加了模型的拓扑适应能力。这种方法克服了专家系统难于用数学方法描述的缺点,增强了Petri网在该问题上的推理能力,利用Petri网建立数学模型,提高了故障诊断速度。诊断结果表明,该方法能够大大减少响应时间,并且比之前的方法更能适应电网配置的变化。