基于高斯基函数CMAC模型的一种快速算法

广义小脑模型（ＣＭＡＣ）在函数泛化能力和函数逼近能力方面优于基本ＣＭＡＣ模型,但算法较为复杂,实时性差．因此,研究广义ＣＭＡＣ模型的快速算法,对于满足实时控制是非常必要的．文中研究了基于高斯基函数的广义ＣＭＡＣ模型的快速算法,定义了包含待学习样本点的一个超立方体子空间,提出了基于该超立方体子空间的快速学习算法．通过算例仿真表明,学习算法收敛速度较快,可以满足实时控制要求．     

一种自适应图象压缩编码算法

提出了一种自适应图象压缩编码算法（ＡＣＣ）,该算法将绝对矩方块截断编码算法（ＡＭＢＴＣ）、内插法和四叉树技术有机结合起来,根据图象的局部特性调节编码算法．仿真结果表明ＡＣＣ算法与文献［５］中自适应算法相比,在相同的压缩倍数下,能得到更好的编码性能．     

MADALINES人工神经网络及快速学习算法研究

在研究ＭＡＤＡＬＩＮＥＳ人工神经网络中心差梯度学习算法（ＣＤＧ）的基础上，提出了一种加速中心梯度学习算法（ＳＣＤＧ），给出了该算法收敛性的证明，在计算机上模拟实现了ＳＣＤＧ算法且分析了实验结果，理论分析与实验均表明，ＳＣＤＧ算法较之传统的ＣＤＧ算法，收敛速度提高了二个数量级以上。     

双头镜像磁盘的调度算法与性能评价

描述了两种先来先服务（ＦＣＦＳ）调度算法,一是串行定位的ＦＣＦＳ,另一个是并发定位的ＦＣＦＳ．提出了短寻道时间优先（ＳＳＴＦ）磁盘调度算法．在描述了模拟模型后,对以上三种调度算法进行了性能模拟及评价．从模拟结果中定量分析出并发定位调度算法的性能优于串行定位调度算法的性能,ＳＳＴＦ算法比ＦＣＦＳ算法的性能更优越．     

构造 TCM 好码的动态规划算法

提出了一种构造ＴＣＭ好码的动态规划算法（ＤＰ）．ＤＰ算法在建立了ＴＣＭ好码规则、编码器及信号网格图间的对应关系的基础上,采用动态规划算法进行寻优,从而获得ＴＣＭ好码．与常规ＴＣＭ好码构造算法［４,５］相比,本算法在精度、计算复杂度和灵活性上均有所改进．     

基于多阶段的模糊C-均值算法的模糊聚类分析研究

对模糊聚类分析算法进行研究,在模糊Ｃ－ 均值算法（ＦＣＭ）的基础上加以改进,将聚类过程分为二个阶段,形成多阶段模糊Ｃ－ 均值算法（ＭＦＣＭ）,使其对Ｉｒｉｓ数据聚类．研究表明：多阶段的模糊Ｃ－ 均值算法比模糊Ｃ－ 均值算法性能优越．     

模糊控制的CCC算法

本文借助模糊推理的特征展开法思想，提出了一种新的模糊控制算法──特征系数合成算法（简称ＣＣＣ算法）。与Ｍａｍｄａｎｉ算法相比，对于多观测量的系统控制，该算法十分简便，而且控制的输入，输出均为连续的实变量（非模糊）     

邻域编码二值图像跟踪的快速算法

讨论了如何通过快速实现８－邻域编码来解决快速完成３×３窗局部运算 的问题。给出了一个快速跟踪任意复杂图像边界的完全边界跟踪算法 （ＮＣＣＢＦ）；与经典的ＢＦ和ＣＣＴ边界跟踪算法相比，ＮＣＣＢＦ算法具有速度 快和适应性更强的优点；其独特边界标记方法补充和完善了ＮＣＢＦ算法。     

基于字节查表的循环冗余校验码的软件生成算法

本文提出了基于字节查表生成循环冗余校验码（ＣＲＣ码）的三种软件算法,并对其效率进行了分析。算法具有占用存储单元少、生成ＣＲＣ码速度快的特点,适宜在单片机系统中应用。     

基于高阶累积量的格型结构及算法

为了解决格型结构对噪声敏感的问题,从基于高阶累积量的均方误差（ＣＭＳＥ）准则出发,提出了一种基于高阶累积量的格型（ＣＬ）结构,并讨论了该结构具有的一些重要性质。在此基础上进一步推证了系统参数辨识的基于高阶累积量的Ｂｕｒｇ算法（ＣＢｕｒｇ）,并给出了三阶ＣＢｕｒｇ算法的一种快速递归实现方案。仿真结果证明：就辨识结果的无偏性而言,这种ＣＢｕｒｇ算法的抗高斯噪声性能明显优于常规Ｂｕｒｇ算法而两种算法的运算量大体相当。     

SRAM型FPGA互连资源单故障的一种检测方法

采用三次编程的方法对SRAM到FPGA中连线资源模型的单故障进行检测与定位,在给定的故障模型下,三次编程并施加文中所给测试向量集T后,可使单故障的故障覆盖率达100％,对线段（Segment)的stuckat故障,开路故障,桥接故障可定位到线段。     

粗糙集与故障树理论的组合故障诊断

故障知识的获取以及故障树结构的确定一直是亟待解决的瓶颈问题.将粗糙集理论引入到故障树的故障诊断中,利用粗糙集对实例测得的故障信息进行知识约减和知识获取,寻找系统各个故障源信号之间的逻辑关系,并通过这些逻辑关系构造基于知识的故障树模型.故障实例分析表明,将粗糙集理论与故障树有机结合在一起进行故障诊断能有效地压缩故障特征空间,实现快速、准确的故障推理.     

东营凹陷南坡断块类型及其油气封闭性研究

东营凹陷南部斜坡带沙河街组发育大量顺向及反向断层组成的断块圈闭，处于有利构造背景下的断块圈闭仅部分成藏，因此，断层的地质属性制约了油气封闭的有效性。从断层的各项属性如活动性、断距、砂地比、断面应力、紧闭指数及SGR因子等入手，针对研究区的顺向断块、反向断块及倾向相反的顺反向组合断块等3种主要类型开展封闭性研究。研究表明，高含砂量层系（沙二段）反向断块更易成藏，顺向断块成藏概率较低；中、低含砂量层系（沙四下亚段-孔店组）顺向、反向断块均可成藏，且反向断块更为有利。此外，倾向相反的共轭组合断块研究表明，斜交式比共线式组合断块的封堵性更好，斜交式断块的主控断层及辅助断层满足经验断层封闭参数，该共轭组合断块亦是有利类型。     

励磁功率单元主回路快速故障诊断策略

分析总结了发电机组励磁系统功率单元的故障类型和常见故障,通过 Matlab 仿真功率单元主回路故障类型,重点研究基于故障频谱分析的定量故障特征提取和故障分类,提出了一种快速针对功率单元主回路的故障诊断真值表法,最后通过实验平台验证故障类别,结果表明：该方法能够正确有效地诊断出功率单元主回路具体的故障晶闸管,为励磁系统功率单元故障诊断提供依据。     

有杆抽油系统故障递阶诊断的故障识别研究

有杆抽油系统工况极其恶劣,发生故障的概率较高。针对有杆抽油系统的特点及其故障诊断目前存在的问
题,提出基于示功图的有杆抽油系统故障递阶诊断法,该方法分为故障分辨和故障识别两个阶段,在基于示功图的有
杆抽油系统故障递阶诊断法的第二阶段故障识别阶段,从故障机理入手,在故障分辨的基础上,将正常样本的统
计信息与搜索树相结合,建立起有杆抽油系统故障识别的搜索树,对故障样本进行故障类型的详细识别。通过实例和
多种典型故障示功图,包括严重故障,验证了该方法能有效识别出有杆抽油系统的单个故障和组合故障。     

Soft Fault Diagnosis for Analog Circuits Based on Slope Fault Feature and BP Neural Networks

Fault diagnosis is very important for development and maintenance of safe and reliable electronic circuits and systems. This paper describes an approach of soft fault diagnosis for analog circuits based on slope fault feature and back propagation neural networks (BPNN). The reported approach uses the voltage relation function between two nodes as fault features; and for linear analog circuits, the voltage relation function is a linear function, thus the slope is invariant as fault feature. Therefore, a unified fault feature for both hard fault (open or short fault) and soft fault (parametric fault) is extracted. Unlike other NN-based diagnosis methods which utilize node voltages or frequency response as fault features, the reported BPNN is trained by the extracted feature vectors, the slope features are calculated by just simulating once for each component, and the trained BPNN can achieve all the soft faults diagnosis of the component. Experiments show that our approach is promising.     

模拟电路故障定数的理论和方法

本文研究模拟电路的故障定数问题，这是作者提出的一个新概念，在最近２０年的故障诊断研究中，涉及到故障定位和故障定值，本文首先指出，故障定数、故障定痊和故障定值三者乃是整个故障诊断的三个主题，并给出了模拟电路故障定数的理论和方法。     

Feature Extraction Technique for Fault Prognosis Based on Fault Trend Analysis

Fault prognosis is one of the key techniques for prognosis and health management,and an effective fault feature can improve prediction accuracy and performance. A novel approach of feature extraction for fault prognosis based on fault trend analysis was proposed in this paper. In order to describe the ability of tracking fault growth process,definitions and calculations of fault trackability was developed, and the feature which had the maximum fault trackability was selected for fault prognosis. The vibration data in bearing life tests were used to verify the effectiveness of the method was proposed. The results showed that the trackability of energy entropy for bearing fault growth was the maximum,and it was the best fault feature among selected features root mean square( RMS),kurtosis,new moment and energy entropy. The proposed approach can provide a better strategy for fault feature extraction of bearings in order to improve prediction accuracy.     

雷达系统故障的诊断技术

对雷达系统故障诊断技术作了归纳和分类,分析了当前故障诊断技术的优缺点,重点讨论了以下8个方法:基于知识的智能故障诊断方法;对神经网络故障诊断方法;粗糙集诊断方法;基于遗传算法的故障诊断方法;故障树的诊断方法;专家系统故障诊断方法;基于小波分析的故障诊断方法;模糊故障诊断方法.最后,指出了雷达系统故障诊断技术在当前和今后的研究重点和方向.     

基于可拓工程的特高压直流输电线路故障类型甄别

±800 kV特高压直流输电线路故障类型的正确判别是国家电网安全稳定运行的重要保证。针对目前基于行波保护的装置在实际运行中存在的易拒动和易误动的问题,本文研究了基于暂态电压和暂态能量的两种暂态特性分析与故障类型甄别原理。然后在介绍可拓工程原理的基础上,应用可拓学中的物元模型将两种故障类型识别判据进行可拓融合,提出了用于区分输电线路发生单极接地故障、双极接地故障、非故障性雷击和故障性雷击四种暂态状况的识别判据。