基于遗传算法优化神经网络的拼焊板压边力预测

通过数值模拟与神经网络技术对拼焊板盒形件拉深成形过程中的压边力预测问题进行研究.运用数值模拟分析压边力加载形式对拼焊板盒形件成形性能的影响，找到一种较优的变压边力加载方式.建立适用于拼焊板盒形件拉深成形压边力预测的BP神经网络模型.采用遗传算法对神经网络模型进行优化，在基因选择过程中加入精英保留策略，最终通过基于遗传算法优化的神经网络模型获取了理想的压边力曲线，用以预测随拉深行程变化的压边力数值，为实现智能化冲压奠定了技术基础.     

环网柜熔断器垂直和水平布置下温度分布特性

环网柜内的熔断器因长时间工作在大电流环境下,其散热能力对于维持自身正常工作性能至关重要。实际运行经验表明,环网柜内熔断器垂直和水平布置时其故障率存在差异。为此研究了在自然对流条件下,环网柜内熔断器垂直和水平布置时的散热过程及差异。首先基于多物理场耦合软件COMSOL,建立了自然对流条件下的环网柜内熔断器流场和温度场直接耦合的三维仿真模型,对两种布置方式下熔断器的流场和温度场进行了仿真计算;并利用温度分布试验平台测量熔断器关键部位的温度,与仿真结果进行对比与验证。研究结果表明,在正常工作电流下,熔断器垂直布置时最高和最低温度较水平布置分别高13.38%和13.30%;垂直布置熔断器的温度分布呈明显的两端不对称性;水平布置熔断器的温度分布呈两端对称性。研究结果能够为熔断器热故障分析及环网柜熔断器的优化布置提供一定参考。     

基于BP神经网络的暂降域识别方法

暂降域是电力网络中使得电压暂降敏感用户无法正常工作的故障点所组成的区域,准确识别暂降域是电网暂降严重程度评估的基础。为了解决现有的暂降域识别方法所需样本点多、计算量大,识别精度低的问题,提出了一种基于BP神经网络的暂降域识别方法,利用BP神经网络算法的非线性拟合特性,拟合电压暂降幅值和故障点位置的内在非线性关系,利用该拟合结果计算得出确定阈值下的暂降域临界点,根据临界点得出暂降域识别结果。在IEEE30节点测试系统中对本文方法进行仿真验证,结果表明方法适用于不同的电网结构和不同的故障类型,能够准确地进行暂降域计算。     

基于灰色网络组合优化的年增油量预测

老井措施增油成为油田稳产、降低油田区块开发成本的必然选择。针对多项式回归预测的局限性、灰色理论不能反映影响因素特征、神经网络需求数据多且数据敏感性差等特征，通过建立最优控制模型，实现GM（1，1）灰色理论与神经网络的高精度组合预测。以某油田区块2011-2018年的措施增油为例，对影响措施增油量的因素进行识别，建立了最优控制灰色神经网络模型对老井措施年增油量进行预测，相比多项式回归预测、GM（1，1）预测及BP神经网络预测方法，新模型模拟效果更好，预测精度更高。新方法对2018年措施年增油量的预测精度达97.34%。基于最优控制的灰色神经网络模型可以作为一种人工智能组合最优化模型预测措施年增油量，为准确预测措施增油效果，指导油田开发决策提供了新的思路。     

基于售后服务记录的卡车动力转向系统漏油分析与预测

为了分析卡车动力转向系统的漏油原因,同时避免车辆漏油问题的进一步恶化,提出一种基于售后服务记录的漏油分析预测方法。首先采用自然语言情感分析技术,通过结合注意力机制的双向长短期记忆神经网络模型(Att-BiLSTM)根据漏油描述文本进行漏油程度量化;然后采用随机森林(RF)算法并结合BP神经网络,基于卡车相关生产数据对漏油的主要原因进行分析,并建立漏油程度预测模型。通过实例验证了本文方法的有效性。对漏油相关原因的分析结果可为卡车制造企业提供工艺改进的依据,同时,根据预测模型分析漏油程度的恶化趋势,可避免严重漏油事故的发生。     

LDPC 码改进型LBP 译码算法研究

针对LDPC(Low Density Parity Check) 码分层( LBP: Layered Belief Propagation) 译码算法计算复杂度高、不易于硬件实现的问题, 提出一种改进算法。该算法首先引入函数f(x)使LBP译码算法的计算复杂度大大降低; 同时引入具体参数校正因子和偏移因子, 提升译码性能。仿真结果表明, 改进后的算法相比LBP 算法在计
算复杂度降低的同时, 也提升了译码性能, 从而达到了易于硬件实现的目的。     

基于DLENN模型的沈阳地区PM2.5浓度预测

受到重工业发展规模、北温带季风气候、秋冬季燃煤取暖、机动车拥堵状况以及微观气象条件等各种因素影响,沈阳地区PM2.5浓度变化具有趋势性、周期性及随机性特征。针对上述三种特征,论文构建了一种集成双向长短期记忆网络的神经网络预测模型DLENN(Double-LSTM Ensemble Neural Network),内含的两个方向LSTM分别刻画PM2.5浓度变化趋势性和周期性,然后采用线性回归杂合神经网络来捕捉PM2.5浓度变化的随机性。基于沈阳地区11个监测站2016至2017年空气质量和气象条件数据,本文将DLENN模型分别与自回归移动平均ARIMA模型、支持向量机SVM模型、随机森林RF模型和梯度提升树GBDT集成学习方法进行对比实验,结果表明DLENN预测模型稳定优于其他方法,其预测误差RMSE相对于ARIMA、SVM和集成模型分别下降了9.23%、3.83%、5.49%.     

多特征全卷积网络的地空通话语音增强方法

为了研究空中交通管理领域中的语音增强问题,并且节约存储资源,提出了一个新的语音增强方法.在基于全卷积神经网络(FCN)的基础上加入了跳跃连接(Skip Connection),并引入次要特征来进行联合学习.具体而言,使用语音的对数功率谱(LPS)作为网络的主要训练特征,引入对数梅尔倒谱系数(L-MFCC)作为网络的次要训练特征,来联合优化网络参数.实验证明,相较于单个LPS特征输入的架构,结合LPS和L-MFCC的多特征网络架构具有更好的语音增强性能表现,且作为次要特征的L-MFCC还可以用作其它用途.实验还证明,跳跃连接的加入可以很好的提高FCN的网络性能,且相较于基线的深度神经网络(DNN)模型,新的网络结构在相同参数数量的情况下,要具有更好的性能.     

药对丹参-当归作用阿尔茨海默病的网络药理学机制研究

为了研究药对丹参-当归作用于阿尔茨海默病的可能机制,通过中药系统药理学分析平台(TCMSP)筛选出丹参、当归的活性成分,寻找其相关的潜在靶点;并通过预测平台人工检索候选化合物的潜在靶点是否与阿尔茨海默病相关;将靶点信息通过DAVID数据库、KEGG数据库进行靶点和通路分析;构建化合物-靶点作用网络,靶点-通路网络图,化合物-靶点-通路图.结果表明:药对丹参-当归中具有潜在作用阿尔茨海默病活性的成分有β-谷甾醇,豆甾醇,丹参酮Ⅱ、丹参新酮、隐丹参酮、二氢丹参酮,其可能通过抗炎、抗氧化、免疫系统、细胞周期、钙信号通路、神经受体-配体相互作用等机制对阿尔茨海默病起作用.     

适用于自适应网络防御的联合云计算框架

为了解决云计算中网络安全防御策略部署问题,提出一种适用于自适应网络防御的联合云计算框架.该框架由治理层和互操作层组成,使用LocalHub,StateHub和FederalHub共3个集线器将独立的管理层连接起来,能够根据云计算中不同事件来计算和部署网络防御策略,满足部署网络防御解决方案和分布式计算所需的标准和复杂服务.文中给出联合云计算系统模型及其构建单元,以及所提模型的好处和实施带来的一些挑战.该云计算联合框架解决了终端用户存在的问题.实验表明:当事件响应中涉及更高级别的联合框架时,对应的延迟变高,事件响应成功的概率增大.在本文联合云计算框架中网络防御的性能优于其他2种云计算框架.