基于Lyapunov-Elman的网络控制系统时延预测方法

网络控制系统中的时延是影响系统性能的重要参数,针对基于Internet的网络控制系统中时延预测问题,提出一种最大Lyapunov指数与Elman神经网络结合的预测方法.首先对时延序列进行相空间重构,得到嵌入维数与延迟变量,然后通过最大Lyapunov指数方法与Elman神经网络对时延分别进行一步预测,将两种预测方法的预测结果通过不同的权值系数进行叠加得到最终的时延预测值.最后针对权值系数的寻优问题,提出一种改进的自由搜索算法,其收敛精度与速度都优于标准的自由搜索算法.仿真实验表明,相对于其它预测方法,本文的基于Lyapunov-Elman的时延预测方法具有较高的预测精度与较小的预测误差.     

基于T-S模糊神经网络的淋水井筒温度预测分析

随着矿井开采深度的增加,矿井井底风流温度的预测分析对矿井生产具有重要意义。通过分析影响井底风温的主要因素:地面大气压力、入风温度、入风含湿量以及井筒深度,建立了一种新的T-S模糊神经网络模型,利用MATLAB模拟实现了对井筒的井底风温预测分析。通过实例验证了该方法的可行性,结果表明该方法相比BP神经网络收敛速度快,预测精度高,拟合能力强,符合现场工程应用的需要。     

改进果蝇优化算法优化广义回归神经网络的预测问题研究

为提高传统非线性预测模型的预测精度,提出一种基于改进果蝇优化算法优化广义回归神经网络的预测方法,将果蝇群体分两部分分别进行迭代寻优,从而改进了果蝇优化算法的寻优性能,进而避免了在寻优过程中陷入局部最优。该方法利用改进果蝇优化算法优化广义回归神经网络的径向基函数扩展参数,然后用训练好的广义回归神经网络预测模型进行预测,最后通过订单预测算例进行实证研究。实证研究结果显示,该方法在解决订单预测问题中与未改进的果蝇优化算法优化广义回归神经网络和传统的广义回归神经网络方法对比,具有更高的预测精度和更好的非线性拟合能力。     

基于小波阀值降噪和BP神经网络的超短期风电功率预测

针对超短期风电功率预测问题,考虑了风电场复杂的噪声背景和风电功率的波动性,提出了一种基于小波阀值降噪-BP神经网络的超短期风电功率预测方法。该方法采用近似对称光滑的紧支撑双正交小波db4（Daubechies函数）作为小波基,通过多分辨分析的Mallat算法对历史时序风电功率数据进行3尺度分解。根据Donoho阀值法对各层小波系数进行软阀值降噪处理,再通过小波逆变换重构历史时序风电功率,由BP神经网络对其进行训练,预测目的风电功率序列。仿真算例将该方法与普通BP神经网络方法进行了对比,比较结果证明其预测精度优于后者,具有很好鲁棒性和降噪性能,适用噪声复杂的风电场超短期风电功率在赣预测．     

基于一元线性回归由风速传感器测量值推导巷道平均风速

通过试验数据建立了风速传感器的测量值与平均风速之间的一元线性回归方程,并对拟合效果进行了评价。对参数的判断表明该方程是有效的,可以近似地把风速传感器的测量值转换成平均风速值,并在相同的巷道长度、相同的风流速度、不同断面下用Comsol模拟了风速流场分布情况。     

BP神经网络样本数据预处理应用研究

提出一种新的线性预处理输入数据的方法,即通过线性运算将样本数据的各个字段值统一到同一个数量级,然后结合数值归一化的方法将数据运用到神经网络。在基于信令的漫游用户实时信用度测评及欠费风险超前控制系统中,使用统一字段值的数量级的方法预处理样本数据取得了很好的预测效果。由此,在模式识别和预测领域,统一样本数据的各个字段值的数量级后再进行网络训练可以取得更好的训练效果。     

用于混沌同步的非线性观测器的稳定性分析

首先讨论了时间连续驱动混沌同步非线性观测器的线性化误差动力学方程的稳定性,给出了关于观测器渐近稳定性的判别准则.[KG*2]随后通过理论分析和数值仿真发现,在时间离散驱动下,只要满足一定条件,观测器与原系统仍有可能达到同步,而不管在连续驱动时是否有渐近稳定的同步观测器存在. 最后推导出了时间离散驱动时混沌同步非线性观测器的渐近稳定性的判别准则,仿真实验结果验证了该准则的正确性.     

基于混沌映射的一种交替结构图像加密算法

将分组密码学中的交替结构首先引入到基于混沌映射的图像加密系统中．采用广义猫映射进行像素的置换和扩散，将单向耦合映射格子用于像素替代，两种操作交替执行．在每一轮加密中，通过简单的密钥扩展产生两种子密钥，分别用于不同的混沌映射，密钥长度随加密轮数而变化．解密的算法结构与加密结构相同，仅需按倒序输入解密密钥．安全性分析表明，该加密算法对密钥十分敏感，对多种攻击手段都具有较好的免疫性，执行速率高且代码紧凑，适用于各种软、硬件的图像加密平台．     

相空间重构和混沌遗传神经网络融合的矿井涌水量预测研究

为了更准确预测矿井涌水量变化,有效防治矿山水害,本文提出利用相空间重构和混沌遗传神经网络相结合的方法预测矿井涌水量。选用C-C算法确定嵌入维数和延迟时间,通过对时间序列进行相空间重构来判断涌水量时间序列的混沌特性。为避免BP神经网络极易陷入局部解的问题,采用遗传算法对混沌神经网络进行参数优化,构建混沌遗传神经网络预测模型。将构建的模型应用于某矿山-100 m水平巷道涌水量的预测,在理论预测时长内预测最大误差为3.38%,表明该方法能够反映短期内矿井涌水量变化的趋势,相比单纯的混沌BP神经网络预测模型,预测精度有所提高,可为矿山企业的灾害防治提供科学的参考依据。     

基于ConvJANET的航空发动机剩余寿命预测及其不确定性量化

航空发动机技术是衡量一个国家科技水平和工业实力的重要标志,健康状态监测和剩余使用寿命(remaining useful life, RUL)预测技术是航空发动机安全服役、经济运行的重要保障.针对航空发动机RUL预测精度较低、不确定性难以量化的问题,本文提出了一种数据驱动的航空发动机RUL区间预测方法.首先,在ConvJANET框架下构建新的卷积-卷积循环-全连接结构的深度学习模型,逐层提取航空发动机监测数据中的退化特征;其次,利用极大似然思想指导神经网络模型的优化求解,并基于损失函数形式变化的策略训练模型,实现对航空发动机RUL的高精度预测与不确定性量化.将所提出的方法用于分析航空发动机退化数据集,结果表明,对比传统基于蒙特卡洛的方法,本文提出的方法具有更高的RUL预测准确率和更好的置信区间预测性能.     

基于ANSYS的石油井架风载的有限元分析

为了研究全自动带压修井机井架承受风载的受力情况,找出井架结构的应力集中点,利用有限元分析软件ANSYS对其进行实体三维建模,施加风载荷并求解,得到结构在各个方向上的应力云图以及变形图;找出结构在承受风载的薄弱处;避免出现较大应力。这对于提高井架的质量非常有益。此方法可以有效地获得和真实工矿相符合的结果;令石油井架稳定性达到了要求;对类似结构的设计分析也具有一定的参考价值。     

基于异步感应发电机的风电场中桨距角控制研究

为了研究基于异步感应发电机的风电场对电力系统稳定性的影响,建立了异步感应电机发电机小信号模型;并通过对异步感应电机状态方程的线性化,分析异步感应发电机对电力系统小干扰稳定性及阻尼特性的影响;提出了改进的桨距角控制系统;并将发电机转速偏差信号引入桨距角控制系统.通过对系统进行特征根分析和时域仿真来验证其有效性.结果表明,改进的桨距角控制环节能够改善系统阻尼、提高系统动态稳定性.     

基于L-M算法的EV71传播预测模型

本文基于神经网络L-M优化算法,提出一种时EV71病毒的有效预测模型,利用matlab进行仿真模拟,结果和阜阳病毒感染情况非常符合.神经网络L-M优化算法克服了神经网络BP算法收敛速度慢的缺点,同时通过学习训练,本模型的神经系统具有有效性和通用性的特点.     

基于客户满意度的模糊神经网络JSP研究

针对具有不确定性因素的作业车间调度问题,基于模糊数学的思想,把模糊加工时间、间隔期和模糊交货期用梯形模糊数表示,建立了基于客户满意度曲模糊作业车间调模型。运用Hopfleld神经网络算法求解,结合目标函数和JSP的全部约束条件,构建能量函教和JSP换位矩阵,保证了神经网络稳态输出为最优生产调度方案。最后用网络计划图对稳态输出的换位矩阵进行解码得到最优调度甘特图,避免了传统成本树法易出现死锁调度的问题。计算实例验证了本算法的可行性和有效性。     

基于改进神经网络的厚煤层采煤方法预测模型

针对厚煤层采煤方法选择多目标非线性的问题,在影响因素分析的基础上,建立了预测仿真模型,利用神经网络改进算法训练网络,通过早停的方式解决网络过拟合问题。通过计算机仿真结合现场应用表明,该模型给出了最优方案,可为厚煤层采煤方法的合理选择和工作面主要经济技术指标的预测提供一种新的研究思路,在煤矿开采中具有广阔的应用前景。     

基于STDP规则和忆阻桥突触的神经网络及图像处理

忆阻器是具有记忆和类突触特性的非线性电路元件.基于此特性,文中提出了一个基于STDP（spike-time-dependent plasticity）学习规则的忆阻桥突触电路,它具有可以作为人工神经网络突触的优势.根据此优势,将这个新的电路与其他电路和网络结合,构成全新的电路和网络.首先将该忆阻桥突触电路和3个附加的晶体管结合在一起,实现神经网络的突触运算,并构建完整的忆阻桥突触神经网络.然后再将它与细胞神经网络结合用于图像去噪、边缘提取、角检测和汉字识别.最后,通过一系列的仿真实验证实了该方案的可行性,说明基于STDP学习规则的忆阻桥突触神经网络更具仿生特性,而且集成度更高、模板更易更换,有望解决实时的复杂的智能问题.     

基于混合整数规划的供应链网络设计决策

供应链网络设计决定了供应链的结构体系,也决定了供应链本身的价值。本文以供应链整体价值最大化为目标,构建网络设计决策框架,用系统的观点全面分析网络设计的影响因素与内容。引入不同市场的响应时间变量,考虑响应时间对销售收入和供应链总成本的影响,建立网络设计优化模型,并通过算例分析表明：不同市场顾客需求的响应时间对供应链价值的边际贡献存在显著差异,网络设计应从供应链整体系统出发,平衡供应链的反应能力与赢利水平。