一种结构自适应的聚类神经网络

为了解决聚类分析中聚类数的确定问题,在SOFM神经网络的基础上,从聚类准则出发,通过试验对聚类准则的曲线特征进行了详细的分析和论证,设计出一种结构自适应的聚类神经网络,该网络能自动确定最佳的聚类数,并提出了一种减少计算量的改进算法。     

一种基于差分的彩色航空影像阴影检测方法

针对彩色航空影像阴影检测中植被容易被误检的问题,提出了一种基于像素间差分的阴影检测算法。建立植被检测指数,对植被区域进行预检测,提高阴影检测的精度。检测实验表明,本文算法能较好的对存在植被区域的遥感影像进行阴影检测。     

一种基于自适应种群变异鸽群优化的航天器集群轨道规划方法

航天器集群在复杂条件下的轨道规划问题是当前航天领域的热点以及难点.本文针对分布式集群航天器在队形变换过程中的轨道最优规划问题进行了研究,提出了基于自适应种群变异的鸽群算法(adaptive population variation pigeon-inspired optimization, APVPIO).本文对经典PIO算法中的核心演化算法、演化停滞以及易陷入局部最优解问题进行了研究.同时针对经典PIO算法的适应度函数进行了研究,并且结合轨道规划问题进行了改进.最后基于自适应种群变异的鸽群算法进行了仿真实验,结果表明, APVPIO算法,相比于经典PIO算法、PSO算法在极大减少计算量的同时,有更优规划结果、更深的种群演化深度以及更快的收敛速度,可以满足航天器集群在复杂约束条件下的轨道规划问题.     

基于伴随方法的网格自适应DG方法

发展了一套基于伴随方法的Euler方程自适应网格DG求解方法,采用当地网格上的输出变量的误差估计作为离散误差指示器驱动网格自适应.在离散误差指示器的构造中,采用GMRES方法求解伴随方程获得伴随变量,将p阶流场变量和伴随变量映射到p+1阶函数空间,并进行有限次块对角Jacobi迭代得到近似p+1阶细网格解.壁面边界通量及输出变量计算仅依赖边界外侧值以保证伴随相容性.首先采用NACA0012翼型不同精度的阻力系数结果验证了误差估计的可靠性,然后对NACA0012翼型亚声速、跨声速流场和圆柱6马赫高超声速绕流进行了自适应加密计算研究.研究结果表明,基于伴随方法的网格自适应可有效提高阻力系数等输出变量的模拟准确性,在亚声速NACA0012翼型计算中使用约17%的全局加密自由度获得了与全局加密精度相当的阻力系数.     

基于非线性自适应神经网络的刨煤机刨头位置控制系统

由于多种因素影响刨煤机刨头位置的控制,本文提出了一种基于非线性自适应神经网络的刨煤机刨头位置控制系统,该系统采用了多传感器数据融合的方法,并将其应用在前馈反馈自适应神经网络中,其结果表明,与常规PID系统相比该系统能够消除静差从而更好地跟踪参考曲线。     

一种基于混合遗传算法的概念学习方法

在系统地研究了模拟生物进化过程的遗传算法之后 ,提出了一种将遗传算法同归纳学习过程有机结合的算法 ,并在知识自动获取系统KAA中实现 ,实验结果表明由KAA生成规则的预测精确度高于由别的算法生成规则的预测精确度     

一种基于WL算法的加速方法

本文对WL算法和其加速方法TSVQ进行研究。通过对搜索范围的分析提出了一种通过设置搜索带、减少匹配点搜索范围的方法来确定搜索区间,并进行了实验验证。实验证明与TSVQ加速方法相比,本方法能够使合成速度大大提高,并且算法实现上更简单。     

基于特征注意力机制的GRU-GAN航空发动机剩余寿命预测

涡扇发动机作为航空航天领域的核心设备之一,其健康状况决定了航空器能否稳定可靠地运行.涡扇发动机的剩余寿命预测是航天器设备监测与维护的重要一环.然而涡扇发动机的监测过程具有工况复杂、监测数据多样、时间跨度长等特点,针对其数据类型多且体量大、数据冗余度较高、剩余寿命预测精度较低等问题,本文通过将生成对抗网络(Generat...     

基于预测滤波器的故障诊断方法研究

提出了基于预测滤波器的非线性系统的系统故障诊断的方法, 并且给出了这种方法的故障可检测性条件, 故障的误检率和漏检率, 以及故障检测时间的上界. 通过对一个二阶非线性系统进行的仿真验证了这种方法的有效性. 结果表明预测滤波器用于故障诊断时, 具有较快的速度、较低的误检和漏检率, 并且在故障发生后仍然具有对系统状态的跟踪能力. 该方法提供的实时故障估计还可以用于在线故障补偿.     

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.     

一种最优抗扰自适应控制

针对含未知干扰系统研究了具有最优抗扰性能的自适应控制问题.利用对象参数的先验知识和量测数据构成可实时更新的非空模型集合,以系统的整体性能指标为辨识准则,在模型集内优化选取最优标称模型,完成对象模型的在线最优辨识.然后根据-1优化设计方法以闭环系统整体性能为指标,在线设计最优闭环控制器.上述两方面结合起来给出了一种最优自适应控制策略.由于辨识准则与控制目标是一致的,文中的方法能够有效地解决自适应系统的性能优化问题和辨识与控制的相互配合等问题,且能给出可验算的性能指标.     

平面化问题的一种新型神经网络算法

文中针对在大规模集成电路中有重要应用的图的平面化问题，指出了可平面图的平面嵌入是有条件的，只有在特定的顶点顺序下才是可直线嵌入的，并通过给出既满足直线嵌入条件又实现正确布线的能量函数，进而用Hopfield神经网络实现了对可平面图的平面布线和不可平面图的最大可平面子图的寻找和平面布线，并引入模拟退火算法实现网络局部极小点的逃离．实验及与传统方法的比较结果验证了文中所提方法的有效性和可行性．     

一种基于能量的自适应正交FRIT及其在图像去噪中的应用

研究线奇异特征的高效表示．揭示了“环绕”现象和FRAT系数分布特性的关系，进而在考察按列FRAT重构过程相关特性的基础上，提出一种基于能量的自适应正交有限脊波变换（energy-based adaptiveFRIT，EFRIT）．非线性近似的实验表明该方案相对既有的FRIT及DWT具有更好的能量集中特性，并有效地降低了“环绕”现象的影响．我们进一步对正交FRIT Gauss去噪问题建模，提出了一种基于EFRIT的按列改进闽值．实验结果表明，采用改进阈值EFRIT的重构图像有更高的信噪比改善，视觉效果也更好．     

基于模糊故障树的柴油发动机故障诊断方法研究

机车在交通运输领域有着不可替代的作用,提高机车的运用和维修的可靠性是实现其功能的保证。本文将模糊数学理论与故障树分析方法相结合,建立了16V240ZJ型机车发动机的故障树模型,对以发动机不能正常起动为顶事件的模糊故障树的模糊算子进行了分析计算;并对该模糊故障树进行了定性及定量分析。通过对燃油供给系统、空气供给系统、起动系统及其主要组成部件发生故障的概率分析,得到了机车不能正常起动的故障树顶事件发生的模糊概率隶属曲线及顶事件发生的概率可信区间。采用模糊故障树对发动机的故障进行诊断的方法克服了传统故障树分析中需要大量可靠性数据和部件失效精确概率值的缺点,同时为开展机车的运用和维修工作提供了一定的理论分析基础。     

一种新的模糊神经网络及其逼近性能

给出了一类折线模糊数间新的模糊算术，对于递增函数σ : R→R得到了一个新的扩展原理，并由此建立了一种新的模糊神经网络模型，该模型在设计学习算法、逼近能力等方面具有优越的性能. 最后证明了相应的前向三层网络可以作为连续递增模糊函数的通用逼近器.     

跨世纪航空发动机技术的发展和建议

自40年代初燃气涡轮发动机问世以来,飞机的速度、高度和机动性发生了历史性飞跃,并跨入了超音速飞行的新时代。到21世纪初,战斗机及其发动机经历了4次更新换代。目前现役主力机种是第三代,推重比为8一级,还在不断改进改型;第四代推重比10一级发动机已进入首飞。预计2003年前后装备部队;第五代推重比15－20一级发动机,可望在2020年研制成功。世界航空发动机技术呈加速发展态势,面对21世纪和知识经济时代,如何抓住机遇、加快发展,本文提出几项建议供领导参考。     

基于体系结构的网构软件自适应方法

作为网构软件的基本特性之一,自适应性是指软件系统在预设策略的指导下自动地监测系统状态信息,并在必要时对自身进行调整,以提供更好的服务.针对网构软件可适应性、自适应可操作性及适应结果可信性3个基本问题,提出了一种以体系结构为中心的网构软件自适应方法,即监测、分析、规划、实施等自适应活动均围绕软件体系结构展开,其中,网构软件运行状态和行为以运行时软件体系结构的方式实时展现和在线调整;自适应相关知识通过软件体系结构记录、组织和加工,以实现系统状态和行为的自动分析和调整规划.     

一种基于四阶偏微分方程的图像去噪方法

本文在You-Kaveh模型的基础上,提出了一个新的拉普拉斯算子,使其能够包括更多的图像信息,同时改进了拉普拉斯算子的离散形式,得到了一个新的四阶偏微分方程。实验结果表明,新模型和You-Kaveh模型相比,不仅能够更好地去除高斯噪声,而且视觉效果更加理想。     

一种基于证据理论的结构可靠性优化设计方法

针对包含认知不确定性的结构可靠性问题,提出了一种基于证据理论的可靠性优化设计方法.首先,在优化过程中基于代理模型对迭代点处各约束进行可靠性分析,计算其似真度;其次,通过证据变量均匀化方法构造了一种证据理论可靠性的近似梯度计算方法,从而可采用基于梯度的常规优化算法进行优化求解;最后,数值算例和工程算例表明了本方法的有效性.     

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。