多层结构有机物薄膜制备及光致发光特性

利用有机物真空沉积技术制备了８－羟基喹啉铝和叔丁基联苯基苯基恶二唑交替生长的多层结构薄膜。低角Ｘ射线衍射测量表明，样品具有良好的层状结构；光吸收及光致发光测量结果表明，随着ＰＢＤ层厚度的减薄，激发成能量发生了从ＰＢＤ向Ａｌｑ层中转称的现象。     

一种用于模式分类的多层感知机模型和学习算法

将ａｌｍａｎ滤波算法与ＢＰ算法相结合，提出一种用于模式分类的多层感知机模型和学习算法，并对计算实例进行了计算机模拟实验，实验结果表明，这种算法适用于非线性模式分类，且具有较快的收敛速度。     

多层结构的X射线双晶衍射研究

用Ｘ射线双晶衍射术研究了玻璃薄层－铂膜－α－Ａｌ＿２Ｏ＿３多层结构。发现不同材料的玻璃层，使多层结构因热失配对铂膜产生不同的应力。对铂薄膜电阻器件的测量结果表明：应力引起器件的电阻值变化；不同的应力状态，产生不同方向的附加电阻。选择适当材料的玻璃层，使热失配在铂膜内产生相反的应力，从而造成相反的附加电阻。以这种应力补偿方法提高了薄膜铂电阻的可靠性。     

基于非线性映射的分类器及其在变压器故障诊断中的应用研究

变压器故障诊断和维修是一项复杂的任务,尽快诊断出故障并确定故障类型为即时安排相应的专业维修技术人员争取时间,对于电力系统可靠供电,尤其是不允许断电的用电场所,具有非常重要的意义.本文采用非线性映射,将样本数据映射至高维空间,对高维空间的生成样本设计分类器进行分层分类.给出了小样本高映射情形下范数最小分类面和大样本低映射最优二乘分类面存在的条件和分类面的唯一解;证明了大样本低维映射分类面范数和误差同时最小指标要求下的优化分类面的问题等价于一凸线性规划问题.对于在线诊断系统,针对传感器收集数据存在较大误差的问题,本文对方法进行了"测不准"鲁棒性分析.文末给出了基于溶解氧含量(DGA)实例,并与相关研究结果进行了比较,证明本文所提出的方法的有效性和较好的鲁棒稳定性.     

基于BP人工神经网络的变压器故障诊断

电力变压器是电网中最重要的电力设备,对变压器故障及时和准确的预测是确保电网安全稳定运行的必要前提。本文针对变压器故障的特点和类型,利用油中气体含量分析的方法,通过对其故障数据的采集,使用BP人工神经网络方法对变压器进行故障诊断。最后,通过实例仿真,验证了BP神经网络可以有效地运用到变压器故障诊断中。     

基于神经网络专家系统的高压断路器故障诊断研究

将神经网络与专家系统的融合技术应用于高压断路器故障诊断的研究,该系统利用神经网络鲁棒性好、学习功能强等优点,可以充分发挥专家系统逻辑推理能力,克服专家系统容错能力差和学习能力弱的缺点。仿真结果验证了该方法的有效性和可行性,为高压断路器的快速故障诊断提供了一条新的途径。     

基于最小二乘法的多层前向神经网络构造学习算法

提出了一种基于最小二乘法的多层前向神经网络的构造学习算法。神经网络的结构在学习的过程不断变化,通过动态生成学习误差反向传递,利用最小二乘法实现神经网络的快速学习。仿真结果表明,该学习算法盯具有学习速度快,学习精度高,泛化强等优点。     

基于蚁群神经网络的电控发动机故障诊断研究

针对电控发动机故障的复杂性,以及传统的专家系统在知识获取等方面的缺点,采用BP神经网络作为故障诊断模型的核心,并将蚁群算法融入到BP网络的训练过程中进行优化,得到了满意结果.通过对该故障诊断模型的验证,表明采用蚁群算法改进后的BP神经网络能够对汽车电控发动机的故障进行有效和准确的诊断.     

基于BP神经网络的集中监测系统故障诊断

铁路信号集中监测系统通过采集信号设备开关量、模拟量并记录分析,实现了设备工作状态监测、故障报警等功能。为了进一步实现集中监测系统对设备故障原因的分析,讨论基于BP神经网络的集中监测故障诊断流程,对信号设备故障机理的分析确定特征参量,再利用集中监测系统功能获取故障数据,将故障数据作为训练样本对神经网络进行训练,从而获取其中的映射关系。集中监测系统实时监测特征参量的异常变化,将测试的信号设备特征参量作为待诊断样本输入神经网络。结果表明,网络将会输出最匹配的诊断结果,实现集中监测系统的故障诊断功能。     

多分类器融合算法研究与应用

分类算法是数据挖掘、机器学习和模式识别中一个重要的研究领域.单一的分类算法一般会得到不同的分类结果,多分类器融合算法可以将各分类器的结果进行集成来提高系统的分类性能.该文提出一种多分类器融合算法进行分类分析,结果证明该算法在解决目标分类中具有优越性.     

基于BP网络改进算法的模拟电路故障诊断

将BP神经网络的改进算法应用到模拟电路故障诊断中,并在MATLAB7．0中运用神经网络工具箱中的函数加以实现,对实验结果进行比较研究．     

基于火焰图像特性的神经网络诊断系统研究

该文运用计算机数字图像处理技术,对气体火焰和煤粉火焰的图像特性进行了试验与理论研究。在此基础上,运用现代人工神经网络智能理论,提出并建立了燃烧火焰状态的图像识别方法,开发出一套具有实用价值的火焰实时诊断识别系统。     

基于概率神经网络的信源-信道联合编码/调制

提出一种基于概率神经网络的联合编码调制方法.该方法的复杂度及延时低于传统的联合编码调制,对信道差错更鲁棒.仿真结果显示这种联合编码调制方案得到的重建信噪比比传统的级联编码有明显的改善.     

基于AdaBoost.M2-NN的变压器故障诊断

组合分类器的经典算法AdaBoost即自适应Boosting算法是提高预测学习系统预测能力的有效工具.针对传统BP（Back Propagation,BP）神经网络在变压器故障诊断时存在不稳定和网络易陷于极小值等缺点,将AdaBoost扩展算法AdaBoost.M2与BP神经网络结合,形成基于Ada-Boost.M2-NN（AdaBoost.M2Neural Network）的变压器故障诊断模型.利用AdaBoost的集成提升作用,在一定程度上弥补了BP算法的不足.仿真结果表明：该模型不仅能将单个BP神经网络无法识别的样本类别识别出来,而且还能整体上相比BP神经网络和传统三比值法将识别率提高11.5%,说明其具有可行性.     

基于模糊MLP网络的清浊音判决

讨论了一种新型的模糊MLP神经网络及其在清浊音判决中的应用，该网络实现了多参量的综合评判，而且有效地处理了语音信号的模糊性，从而获得了较高的判决准确率。     

基于细胞神经网络的楼面裂痕诊断研究

为了更好地监测楼面裂痕,提出了一种改进细胞神经网络楼面裂痕图像识别方法.该方法通过一定的图像处理,建立裂痕网络和细节网络,同时增加了裂痕相似网络模型,避免了仅对裂痕特征提取信息不能准确识别裂痕的问题.实验证明,改进的裂痕识别算法实现简单,识别楼面裂痕准确率高,达到了实时识别技术的要求.     

基于图象分割子集法的人工神经网络在两相流层析成象仿真中的应用研究

提出了基于图象分割子集的神经网络对管道内两相流进行电容层析成象的方法.解决了神经网络的输出单元数与重建图象精度之间的矛盾.研究了成象的分割网络模型及其实现步骤.给出了系统误差E和图象仿真结果.结果表明该方法能够更精确和快速地重建出两相流体的断层图象.