一般复杂动力网络的优化牵制控制

本文研究了一般复杂动力网络的优化牵制问题.基于线性反馈方法,提出了通过牵制控制将一般复杂动力网络在目标态达到全局指数稳定的策略.特别地,回答了这样一个基本的问题:如何在牵制节点数目和反馈增益之间选取一个优化组合?最后用3个例子来说明该方法的有效性.     

基于RBF神经网络的烧结终点预测模型

本文提出一种基于径向基函数(RBF)神经网络的烧结终点预测模型.该模型首先采用改进的最近邻聚类算法确定径向基函数中心,接着应用递推最小二乘法训练网络的权值.通过现场采集数据对该模型进行仿真,其实验结果表明,该模型具有较好的学习能力和泛化能力,为烧结终点的预测提供了一种新的解决方法.     

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VDM的复杂装备故障数据分析

在历史故障数据基础上,分别掏建故障信息、装备信息、装备使用状况的数据集市,通过数据挖掘模型和可视化交互平台,形成基于可视化数据挖掘（Visual Data Mining,VDM）故障分析架构。以此架构为基础,探讨了故障数据仓库的建立以及故障数据挖掘算法,对实际故障数据进行预处理,并分析故障责任、故障趋势、故障分布等特性,得到图形化的分析结论,为装备的设计、制造、维护提供支持。     

基于多活性代理的复杂信息系统研究

文中在系统理论指导下分析了信息系统（特别是在激烈对抗环境下,需要多种功能动态运筹发挥作用的复杂信息系统）的特点,提出了基于多活性代理的复杂信息系统研究方法．首先,给出了多活性代理方法的基本描述,初步得到了代理的“活性”表征及丧失的定性定量描述与分析,并从系统功能发挥剖面给出了多活性代理的基本动力学表征;其次,从系统自组织功能剖面给出了活性自组织机理的两集合模型;再次,给出了信息安全与对抗领域多活性代理复杂信息系统构建的功能模型,以及在此模型基础上多活性代理的3层次协商、协调模型;分析了基于Swarm群体结构的多活性代理复杂信息系统的3层次机理模型;最后,通过2个具体实例说明了如何利用多活性代理方法分析信息安全对抗领域复杂信息系统．多活性代理理论的提出将衔接应用基础层和应用层研究,对信息安全与对抗领域复杂信息系统的构建和分析提供基本的研究方法与理论支持．     

可重构复杂制造系统的设施布置优化方法研究

针对可重构复杂制造系统可模块化和可集成化等特点,结合层次分析的思想和QAP数学模型,通过布置分类把信息集成的设施模块分为独立型模块和依赖型模块,提出了先后对独立型模块和依赖型模块进行布置的二次设施布置方法。阐述了二次设施布置方法的思想,构建了其模型,并用蚁群算法和重心法求解了这个模型。运用此布置方法建立了某车间的设施布局模型,简化了设施布置过程,实现了对可重构复杂制造系统设施布置的优化。     

基于裂纹扩展的涡轮叶片热障涂层寿命预测模型

热障涂层在高温热循环的服役环境中会出现性能退化,最终剥离失效.本文以等离子喷涂的YSZ涂层为研究对象,基于亚临界裂纹扩展模型,引入临界能量释放率指数模型,结合改进的热生长氧化层增厚模型,推导了涂层循环失效预测模型.通过和公开的实验数据对比,验证了本文方法的准确性.之后将该模型应用于国内某型燃气轮机涡轮导叶热障涂层的寿命预测.结果表明,随着热生长氧化层的增厚,当达到临界厚度时在陶瓷层和黏结层界面会出现应力反转.陶瓷层和黏结层界面出现的拉伸应力会诱导附近微小裂纹扩展.此时热生长氧化层进一步增厚,将会加速裂纹的扩展速度,直至裂纹贯通,界面出现剥离失效.涂层寿命与服役温度呈指数递减规律,在一定范围内提高陶瓷层和黏结层界面粗糙度可以延长涂层服役寿命.本文模型对预测等离子喷涂的YSZ涂层寿命具有很好的应用价值.     

基于L—M算法的EVT1传播预测模型

本文基于神经网络L—M优化算法，提出一种对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PCA-GA-BP的回采工作面瓦斯涌出量预测模型研究

为进一步提高回采工作面瓦斯涌出量预测的准确性,建立了主成分分析法(PCA)、遗传算法(GA)、BP神经网络相结合的预测模型。该模型采用主成分分析法降维处理原始输入数据;将主成分分析结果作为BP神经网络的输入,消除冗余信息;然后采用遗传算法优化BP神经网络的初始权值和阈值,有效克服BP神经网络极易陷入局部最优的问题。选取某矿井回采工作面的实测数据进行分析,结果表明,该模型较单一BP神经网络预测精度高,能更有效地实现回采工作面瓦斯涌出量的高准确度预测。     

基于Favré平均的高超声速可压缩转捩预测模型

本文在Favré平均的框架下推导了可压缩层流脉动动能输运方程,并根据一定的假设和尺度分析封闭了该方程.通过将Favré平均层流脉动动能方程与Favré平均Navier-Stokes方程联合求解,构造了适用于高马赫数的层流-湍流转捩位置预测模型.应用所发展的可压缩模型及不考虑其显式可压缩项的模型对来流Mach数为5.91的裙锥绕流进行了数值模拟,给出了不同壁面条件下边界层的转捩位置,并与现有的基于参考温度进行可压缩修正的转捩模型计算结果以及实验结果进行了对比,表明所发展的模型在高超声速流动转捩预测上具有更高的精度.     

基于模型融合的复杂生产过程产品质量预测

复杂生产过程中产品质量与工艺参数间存在复杂的非线性关系,为提高产品质量预测准确性,本文提出了一种基于模型融合的复杂生产过程产品质量预测方法.首先,分别对复杂生产过程建立基于改进随机森林算法的整体预测模型与分段预测模型,其中,针对整体预测模型特征选择问题,提出了一种相关性分析与去冗余处理相结合的特征选择方法,针对分阶段预测模型存在误差累积问题,提出了一种误差修正机制.其次,利用Stacking集成学习算法实现整体预测模型与分阶段预测模型的融合,综合利用二者的预测优势得到对产品质量的最终预测结果.最后,以烟丝生产过程烘丝机入口烟丝含水率的预测为例,通过对比传统单模型的预测方法,验证了本文所提基于模型融合预测方法的准确性.     

基于复杂网络理论的水网节点重要性评价研究

复杂水网节点的重要性排序在工程应用中有重要实践意义,对于水网调度、安全管理有重要借鉴意义.为此,本文在复杂网络理论基础上,以山西大水网节点重要性排序问题为背景,对水网节点重要性评价进行研究.首先从整体角度出发,不考虑水网方向和干支斗毛级别差异,基于水网全局网络拓扑结构,从局部属性、全局属性、传播属性和网络位置四个方面定义了节点重要性评价指标.其次,分别根据这四个指标,对水网节点重要性进行排序分析,结合分析结果对网络位置指标进行了改进.然后,由于单指标评价结果不够全面且适用范围具有很大的局限性,给出了基于TOPSIS的多属性决策方法来综合评价节点的重要性.最后,考虑水网方向和级别差异,提出对水网进行干支斗毛级别划分,基于Page Rank算法对同一级别的有向赋权水网节点重要性评价进行研究.     

基于复杂网络挖掘的用户行为感知机制

用户行为感知是进行网络管理、安全检测以及应用趋势分析的基础.针对基于流量统计特征检测方法具有计算复杂度高和"概念漂移"的缺陷,提出了一种基于用户复杂网络图的用户行为感知机制算法(UBP-CN).算法将用户标识{IP,Port}和用户交互分别抽象为一个点和一条边,构建了用户复杂网络图;应用社团挖掘算法将复杂网络图划分为互不相交的行为子簇,使得用户之间的通信抽象为一种"社会团体";通过定义基于相对熵的"用户行为模式"(UBM),表征了各个子簇背后表现出的行为特性,并使用"UBM+Port"对各个子簇进行标签映射,实现了用户行为的有效感知.仿真结果表明:在不牺牲用户行为分类准确率的前提下,算法不仅能克服"概念漂移"问题,还能有效降低算法的计算复杂度.     

基于速度向量化策略的二进制粒子群算法

基于二项分布等概率统计方法对原始的离散二进制粒子群算法进行分析,发现速度最大值和惯性权重这两个参数对原算法的搜索性能影响较大,且原算法的速度更新方式会降低种群多样性,导致全局搜索性能不强。基于此,提出基于速度向量化策略的二进制粒子群算法,通过对粒子的速度进行向量化,较好地提高了算法全局搜索性能。通过实例仿真对比,证明了所提算法的可行性及其优势。     

基于LS-SVR小样本容量的爆破振动峰值速度预测研究

针对爆破振动峰值速度在小样本容量统计条件下的准确预测问题,应用最小二乘支持向量机理论,选取最大段药量、总装药量、水平距离、高程差、前排抵抗线、预裂缝穿透率、岩体完整性系数、测点与最小抵抗线方向夹角、炸药爆速等9个影响因子,建立小样本容量统计条件下的爆破振动峰值速度回归预测模型(LS-SVR)。选取23组爆破振动实测数据,其中,前16组为训练样本,后7组用于结果预测,并与基因表达式编程(GEP)模型和模糊神经网络(FNN)的预测结果进行综合对比,得到LS-SVR、GEP和FNN预测模型平均相对误差分别为5.1%、8.7%和11.3%。研究表明:LS-SVR模型的预测结果与实测数据更吻合,拟合性更好。且在小样本容量统计下,LS-SVR模型可以准确地对爆破振动峰值速度进行预测,为类似工程的小样本容量统计预测提供了一定的可行方法。     

基于OpenGL的三维速度模型和地震数据可视化研究

三维可视化是地球物理领域研究的一个重要方向。应用三维可视化技术,可以对原始地震数据做出多方位的图形化展示,为下一步的数据解释分析提供充分的条件。本文是在QT和OpenGL的图形软件开发环境下,研究并实现了速度模型和地震数据的三维显示,从而可以更加直观的看到速度模型和地震数据所反映的地下地层的真实分布。     

基于粗糙集与灰色动态预测模型在电力负荷短期预测的应用

针对电力系统多因素负荷预测问题的复杂性,结合粗糙集理论与GM（1,N）模型各自的优势,提出一种基于粗糙集理论的GM（1,N）预测模型.采取粗糙集理论对影响负荷预测因素进行简约,利用GM（1,N）建立简约后的因素变量和负荷之间的关系建立模型,并与GM（1,1）预测模型进行了比较,结果反映基于粗糙集理论的GM（1,N）预测模型的优越性,精准度达到94.055%.     

基于零初值的测试加速度积分速度与位移的方法

在地震工程、结构振动控制和结构健康监测等研究领域,结构在振动过程中的位移和速度对科学研究和实际工程应用都具有重要意义.由于技术条件及环境因素限制,测试过程中获得的大多为加速度响应信号,需要通过积分获得速度及位移.但是由于初始条件的缺失,导致了测试加速度信号在积分速度和位移过程中产生明显的漂移现象.为解决此问题,本文利用结构的振动规律,在稳态振动阶段寻找速度和位移的零点,并以此作为初值进行积分,最后利用趋势项处理去除零点确定误差产生的漂移.本文数值模拟了单自由度体系和多自由度体系在简谐振动和地震动作用下的结构振动响应,并比较了计算值与准确值的最大相对误差;最后,将该方法应用于5条具有代表性的真实地震动记录,与给出的地面速度和位移进行比较,结果显示在极值处的最大相对误差均小于3%,表明该方法具有较高的计算精度和实际应用价值.