基于WPD和模糊神经网络的轴承故障诊断

提出一种结合小波包分解和模糊神经网络的故障诊断方法,采用小波包分解与重构提取各频带的能量作为故障特征向量,并以此为学习样本,再利用正交最小二乘学习算法训练模糊神经网络,确定故障诊断系统模型,对轴承故障进行诊断和识别.仿真结果及与其它一些方法比较表明:该轴承故障诊断方法可以有效识别和预测轴承的状态,且学习效率、准确性和可靠性等方面均有较大提高.     

带参模糊关系合成

该文对广义λ-并算子的性质作了进一步的研究,利用该算子对通常的模糊关系合成进行了推广,提出一种带参的模糊关系合成,并给出了它的若干性质。     

多重模糊推理情形下的CRIP法

该文对模糊专家系统，模糊决策支持系统和模糊控制系统中常用的Zadeh的模糊推理合成法则CRI进行了推广，基于V^λ算子，该文提出了多重模糊推理情形下的带参数的模糊推理合成法则（简称CRIP法），它克服了传统的CRI法则的若干不足之处，能在极弱条件下满足假言推理，拒取式推理，具有推理的逼近性，通过参数的调整，CRIP法具有推理的灵活性和准确性，该文给出了参数的具体取值方法。     

训练模式对的摄动对单体模糊神经网络的影响

针对训练模式对的小幅摄动可能对模糊神经网络的性能产生不利影响,提出了单体模糊神经网络对训练模式对摄动的鲁棒性概念,并就训练模式对的最大保序摄动的情形对单体模糊神经网络(MFNN)进行了具体分析,一般的模糊神经网络对训练模式对摄动的鲁棒性概念可类似定义.理论研究表明:当训练模式对发生最大γ保序摄动时,在h=5的条件下,单体模糊神经网络对训练模式对的摄动全局拥有好的鲁棒性,这将有助于MFNN系统的性能分析、学习算法的选择和模式对获取.     

带参的模糊推理合成法则

该文针对单重单维的Ｆｕｚｚｙ推理，提出了一个带参的推理合成法则，使Ｚａｄｅｈ于１９７５年提出的“推理合成法则”是它的一个特例，给出了Ｚａｄｅｈ方法与它等价的充分必要条件，并克服了Ｚａｄｅｈ方法一般不满足假言推理的缺陷。该文又把这一结果推广到多维和多重的Ｆｕｚｚｙ推理．     

一种改进的基于扩展的RBF模糊神经网络

针对Wu Shiqian等提出的动态模糊神经网络（D-FNN）,在参数估计时,对中心的调整直接采用输入数据会导致网络收敛速度慢、乏化能力不好的情况,提出一种改进的基于RBF的动态模糊神经网络（RBDFNN）.该网络采用连续学习的方法和分级学习的思想,在进行前提参数的估计时,高斯隶属函数的中心动态调整充分考虑了宽度调整对中心的影响,算法能自动地确定模糊规则.仿真实验表明,算法在收敛速度和乏化能力方面优于原来的算法.     

S盒抗差分分析与非线性度关系的研究

S盒是AES的核心,它是分组密码算法中唯一的非线性部分．非线性度和S盒的抗差分分析能力的强弱有直接的关系,主要研究了非线性度与S盒抗差分线性分析和抗差分功耗分析的关系,并提出了一种改变S盒的非线性度的方法,作为S盒设计的一个参考方法,使其具有更好的抗差分分析的能力．     

混沌动态模糊神经网络及变压器故障诊断的应用

提出一种结合动态模糊神经网络和混沌优化算法的故障诊断方法,将混沌变量引入模糊神经网络结构和参数的优化搜索.利用混沌优化的动态模糊神经网络建立变压器故障诊断模型,此模型不仅能对模糊规则而且能对输入变量的重要性做出评价,从而使得每个输入变量和模糊规则都可根据误差减少率进行修正.仿真结果表明,混沌动态模糊神经网络算法精度高、迭代步骤少、收敛快,对识别和预测变压器状态具有较高的精度和效率,并可方便有效地应用到其他领域.     

机械臂关节空间Bezier曲线轨迹规划

为使机械臂轨迹便于分段处理、形成速度快、用于实时控制，在关节空间中使用Ｂｅｚｉｅｒ曲线对机械臂进行轨迹规划．从轨迹的一阶导数、二阶导数连续出发，推导出２段Ｂｅｚｉｅｒ轨迹拼接时其对应特征矢量应满足的关系，推导出Ｂｅｚｉｅｒ轨迹规划的边界条件，并通过不同型值点的３个算例与分段３次样条轨迹进行比较，应用Ｂｅｚｉｅｒ方法进行轨迹规划的优点为它的分段处理性、计算快速性以及计算机内存的较少占用．     

简单网管协议下的网络流量管理系统开发

通过应用综合网管协议SNMP,利用它的Get-Request 和Get-NextRequest遍历整个MIB表从路由器取得流量数据,然后将流量按不同的周期绘制生成PNG图片输出,设计了监控网络流量的方法.