局部扭曲立方体单播容错路由算法

局部扭曲立方体是一种新型的网络拓扑结构．基于此网络拓扑结构,利用安全级概念以及此种网络拓扑结构自身特有的性质设计了一种单播容错路由算法．通过模拟仿真实验对该算法进行了性能评价与分析．当故障节点的数目达到或超过一半时,仍能保持在一个相当高的容错路由成功率上．另外,该算法所选线路在多数情况下是最短距离．     

一种基于局部扭曲立方体的无死锁路由算法

局部扭曲立方体是一种新提出来用于并行计算的互连网络.经研究发现,局部扭曲立方体中已有最小路由算法存在着死锁.针对原有算法的特点,提出了一种新的无死锁路由算法并给出了无死锁证明.利用将物理通道分成2条虚拟通道进而形成2个不相交的虚拟网络,将不同的点对之间的路由限定在某一个虚拟网络中,从而有效地避免了死锁的产生.同时,利用一个局部扭曲立方体可由2个低维子立方体和2-扭曲立方体构成这一性质,在局部的低维子立方体和2-扭曲立方体中均采用自适应路由,从而提高了算法的自适应性.     

局部扭曲立方体在一维阵列光网络中的路由与波长分配

探讨局部扭曲立方体LTQ_n通信模式在一维阵列波分复用光网络中的路由与波长分配问题.首先通过LTQ_n的最大导出子图得到拥塞,即所需要的最少波长数;其次给出一个路由与波长分配策略,从而证明了最优波长数为2~(n+1)/3.     

非对称模型下的顺序诊断算法

讨论了顺序ｔ－可诊断系统的诊断算法问题。在Ｍａｌｅｋ和ＢＧＭ模型下，分别提出了一种顺序诊断算法，这些算法在测试图是二部图的情形下都是多项式时间复杂性的。     

关于加强超立方体互连网络的可诊断性的另一种证明方法

ｎ维加强超立方体是具有２＾ｎ个顶点，（ｎ＋１）２＾ｎ－１－正则图，它是通过对ｎ维超立方体增加２＾ｎ－１条边得到的。在「１」中证明了基于ＰＣＭ模型的ｎ维加强超立方体在精确诊断策略征是（ｎ＋１）－可诊断的，在悲观诊断策略下是（２ｎ）／（２ｎ）－可的，但在证明很繁琐。     

系统级故障诊断中的二种概率诊断算法

系统级故障诊断分为确定性诊断和概率诊断两大类。这方面的研究至今已取得许多令人欣喜的成果，为此，本文在提出两个概率诊断模型的前提下，利用序贯分析及最优势检验等统计分析方法分别给出这两个模型的诊断算法。     

一种PMC模型下的自适应顺序诊断算法

在ＰＭＣ模型下提出一种能实现顺序诊断目标的自适应诊断算法。其特点是可以直接诊断出一个故障处理机，而不需要先寻找一个无故障处理机。     

局部纽立方体网络的容错泛圈性

n维局部纽立方体网络LTQn是超立方体网络的一种新变型。已经证明：LTQn中就包含任意长度l（4≤l≤2^n）的圈。我们改进了这个结果，证明了：只要网络故障点数fv和故障边数fe之和不超过（n-2），LTQn中就包含任意长度l（4≤l≤2^n-fv）的圈。     

折叠超立方体网络的t/k诊断问题

为提高系统故障诊断的诊断度,Somani 和Peleg提出了t/k诊断故障策略. n维折叠超立方体网络是具有2n个顶点,(n+1)2n-1条边的(n+1)-维正则图,它是n维超立方体网络增加2n-1补边得到的.中证明了当n≥6和1≤k≤n+1时n维超立方体网络是t/k可诊断的,其中t=(k+1)(n+1)-1/2(k+1)(k+2)+1.     

一种改进的多模块贝叶斯网络局部推理算法

针对多模块贝叶斯网络的局部推理的时间和空间复杂度高的问题,提出了一种改进的多模块贝叶斯网络局部推理算法.该算法用面向对象语言重新定义了多模块贝叶斯网络模型,在联合树推理算法的基础上结合图论中"顶点度"的概念对局部推理算法进行了优化,针对三角化结果不唯一的问题,给出了一种一般性的解决方案,使三角化后的结果能够将消息传递得更快,有效地缩短推理时间.给出了算法的仿真实例并进行实验分析,结果表明改进后的推理算法有效减小时间、空间复杂度.     

关于局部扭立方体的反馈数

确定一般网络(或图)的最小反馈点集问题属NP难问题.n维局部扭立方体网络Qltn是n维超立方体网络Qn的变形且是一类重要的互连网络拓扑结构,其拥有的某些性质优于Qn.根据Qltn顶点集合中最后一位字节不同的特点,将其顶点集合划分为两个不相交的子集,通过构造极大无圈子图得到反馈数的上界,并证明了对任意正整数n≥2,存在常数c∈(0,1)使得反馈数为f(n)=2n-1(1-c/(n-1)).     

基于非齐次线性方程组的系统级故障诊断方法

针对系统级故障诊断研究中的测试模型,提出了非齐次线性方程组的方法,把测试模型等价地转化为非齐次线性方程组,从而以简明的方法寻找所有相容故障模式,并进一步推出最优诊断.理论分析和实验结果表明,该方法相对于基于图论的传统方法更加实用,其方程模型更加简洁明了.     

基于RBF网络的旋转机械故障诊断方法

针对BP网络在故障诊断中存在的训练收敛速度慢且容易陷入局部极小、网络初值对学习性能影响比较大等缺陷,提出了一种基于RBF网络的故障诊断方法,介绍了RBF网络的结构和自适应正交最小方差算法（SROSL法）,并应用于旋转机械的故障诊断中,应用结果表明,RBF网络训练速度快、分类性能良好,在设备故障诊断领域具有很好的实用性。     

故障诊断中的函数连接网络

函数连接网络通过产生一组线性独立的函数，将原输入模式进行了一次非线性扩展后作为单层感知器的输入，从而克服了学习速度慢，易陶于局部极小点的问题，把这种网络用于故障模式分类并和BP网进行比较，由此可看出它的优点。     

粗糙集与神经网络集成在故障诊断中应用研究

提出了SOM网络－粗糙集－BP网络集成进行故障诊断的方案；首先应用SOM网络离散化故障诊断数据中的连续属性值；然后基于粗糙集理论计算诊断决策系统的约简，根据实际需要确定最优决策系统；最后在最优决策系统的基础上设计BP网络进行故障诊断，4135柴油机的实际诊断结果验证了所提出的民粗糙集理论相结合进行故障诊断的可行性，在数据充分的条件下，该方案可以推广应用于其他机械设备。     

自适应小波神经网络在故障诊断中的应用

为提高传统BP神经网络在故障诊断中的效率,提出用小波神经网络加以改进.采用动量法和学习率自适应调整结合的网络训练算法对小波网络的初始参数进行设置,提出自适应小波神经网络的故障诊断方法,详述其诊断原理,并结合实例证实了该方法应用于故障诊断的有效性.     

利用组合型交叉熵算法实现电网故障诊断

为快速准确实现电网故障诊断,依据故障元件与保护器和断路器的动作关系,将电网故障诊断问题表示为使目标函数最小化的0-1整数规划问题,利用组合型交叉熵算法求该问题的最优解,并给出了该算法的具体计算步骤,可成功识别电网故障元件。在测试系统上对多起故障情况进行模拟测试,结果表明故障诊断结论全部正确,进一步说明应用组合型交叉熵算法的电网故障诊断具有一定的有效性和准确性。     

时序逻辑网络计算机辅助分析的一种方法

本文给出时序逻辑网络分析的一个计算机算法,利用该算法所编程序占用内存少,操作速度快,适用于多变量网络的逻辑分折.     

基于小波包分析和BP网络识别的齿轮故障诊断

针对齿轮故障信号的能量所引起的变化会淹没在常规振动与噪声之中，用传统的信号处理方法不易提取故障特征，给齿轮的故障诊断带来很大困难这一事实，本文描述了用于从振动信号中提取故障信息的小波包和用于识别故障类型的BP网络，研究了BP网络故障模式识别与小波包故障特征提取结合在一起对齿轮故障进行诊断的方法，研究结果表明该方法可以成功地用于轮常规故障的识别和诊断。