基于LFT键合图的异步电机故障分析与诊断

对异步电机故障进行分析和诊断,可以减少停机时间和维护成本.在键合图理论的基础上,提出将线性分式变换和诊断键合图模型结合的故障诊断方法.首先,搭建异步电机键合图模型,通过添加虚拟传感器将键合图模型转换为诊断键合图模型,由虚拟传感器求出残差.然后,通过分析模型中元件的因果关系消除未知变量,从而推导出解析冗余式和故障特征矩阵.针对元件参数的不确定性,提出基于线性分式变换搭建不确定性键合图模型来构造自适应阈值的方法,并在20-sim仿真平台上进行实验.结果表明:该方法可以对异步电机的定子绕组匝间短路故障和转子断条故障进行快速、准确地检测.     

自适应神经-模糊推理系统的混合协同微粒群算法进化设计

在分析自适应神经-模糊推理系统(ANFIS)结构和参数特点的基础上,定义一个布尔向量L作为网络的结构参数,与原来ANFIS的前件参数集一起构成了新的前件参数集{c,σ,L},并给出了一个新的网络输入输出关系表达式.针对该输入输出表达式,提出一种用于优化ANFIS前件参数集的混合协同微粒群算法.该将参数集L和{c,σ}分别放在两个子微粒群并根据各自不同的特点应用二进制PSO和GCPSO算法进化,两个子微粒群之间的协同由定义的一个协同函数实现,而网络的结论参数依旧用最小二乘法进行优化.应用该算法进行ANFIS网络结构和隶属函数参数的自适应设计,在Henon映射产生的混沌时间序列预测中显示了良好的性能.     

语音信号的谱熵检测在车辆通信中的应用

结合车辆通信中语音信号的特殊性, 利用傅里叶变换和最大离散熵定理, 对含强噪语音的短时频谱进行分析, 构造出一种熵函数来对语音信号进行语音/噪声的判决. 以一段语音信号为例进行仿真, 研究结果表明, 谱熵检测方法计算简单, 谱熵值和隔离度较大, 具有稳健的抗噪特性, 可以应用于车辆通信中语音信号的检测.     

改进差分进化在前馈神经网络训练中的应用

分析了误差反传算法,将改进差分进化算法和神经网络结合,采用常数变异交叉与自适应变异交叉的混合策略对网络的权值和阈值进行训练.并用2个典型问题对该网络和误差反传网络进行仿真对比.结果表明：经改进差分进化算法训练的神经网络,收敛速度快、泛化性能好.     

超对称理论与稀有过程Bs→γγ

应用目前献所给出的有关bs^-γ有效拉氏量，计算了最小超对称模型中的Bs→γγ的分支比，发现新物理的贡献对标准模型的预言值的改变大约为60％左右．     

一种新的图像对比度自适应变换算法

对比度变换是图像增强技术中一种较为简单但又十分重要的方法。不同对比度分布的图像应采用不同的对比度变换函数。如何实现图像对比度的自适应变换,近年来得到人们的普遍重视。Tubbs通过使用规则化Beta函数拟合对比度变换曲线,能实现图像对比度的自适应变换;但使用该方法需确定Beta函数的两个参数,其参数的自适应选择仍是一个较为复杂的问题。文中提出了一种基于微粒群的自适应对比度变换算法,该算法能自动寻找最优的Beta函数参数,实现图像对比度的自适应变换。仿真实验表明了该算法的有效性和可行性。     

衰落相关对分布式MIMO信道容量的影响

提出了一种分布式MIMO信道模型,其中包含了路径损耗、相关阴影衰落与相关小尺度衰落,并通过Monte Carlo仿真,比较分析了相关小尺度衰落和相关阴影衰落对分布式MIMO信道容量的影响,并研究了空间阴影衰落相关条件下分布式MIMO信道容量空间分布的特点.仿真实验结果表明,提出的分布式MIMO信道模型能够有效降低小尺度衰落相关性和阴影衰落相关性的影响.图7,参11.     

多峰函数寻优的微粒群算法

某些实际问题的优化目标是求所有的局部最优解，即求解多峰寻优问题，为了求解多峰优化问题，提出了改造的微粒群优化算法．尽量减少微粒群算法中的全局因素，从而增大其局部因素，同时采用变步长方法增加微粒的多样性．并给出了该算法的原理和步骤．仿真实验表明该算法概念清楚，计算简单，具有很好的局部寻优特性，可应用求解于多峰寻优问题．另外还给出了几个运算实例和与其它优化算法的比较．图表，表1，参9．     

基于树突网络的侧信道攻击

由于深度学习对数据内在特征的敏感性,将深度学习算法应用于硬件加密芯片的侧信道分析,提高了侧信道分析的效率和准确率.但深度神经网络学习算法依旧是非线性结构未知的深层黑盒模型,模型结构和性能不一定是最优.该文提出一种基于树突网络的侧信道分析方法,由于树突网络内部非线性结构的可解释性,其系统辨识能力和运算复杂度均优于深度学习网络.在ChipWhisperer侧信道分析实验平台的CW308T-STM32F3和ATXMEGA128D4目标板上,针对AES-128加密算法进行侧信道分析实验,实验结果表明,基于树突网络的侧信道分析在模型参数规模、攻击精度、训练时间等方面都要优于多层感知机、卷积神经网络、循环神经网络等深度学习模型.     

一种新的自适应加权矢量方向距离滤波器

针对已有的的矢量滤波器不能自适应地确定滤波器窗口内像素之间的空间距离对滤波效果的影响等问题,提出一种新的自适应加权矢量方向距离滤波器。该滤波器将彩色像素当作1个三维矢量,结合有序统计方法,利用彩色矢量问的距离信息和方向信息,并通过捕食者一食饵微粒群算法优化获得滤波器窗口的最优权值,体现滤波器窗口内像素之间的空间距离对滤波效果的影响,实现彩色图像的自适应滤波。与其他滤波算法的性能相比以及仿真结果表明,采用所提出的算法得到的平均绝对误差、均方误差和归一化的色度误差等明显比现有的彩色图像滤波方法的低,能在去噪与图像的细节及边缘保护方面达到平衡。