基于小波包和Elman神经网络的螺杆泵井故障诊断

在螺杆泵井故障诊断技术中,有功功率信号最能全面反映螺杆泵井的泵况。提出一种基于小波包分析结合Elman神经网络的故障诊断方法,该方法采用小波包对螺杆泵有功功率信号进行消噪滤波,将不同频段的故障信号进行3层db4小波包分解,根据各频段功率谱的变化提取故障特征,应用Elman神经网络进行识别。利用Matlab仿真,结果表明,该方法能有效提高螺杆泵井的故障诊断准确性。     

基于神经网络的高并行大规模MIMO信号检测算法

随着5G和未来移动无线网络的不断发展,大规模多输入多输出(multiple input multiple output, MIMO)是其中的关键技术之一。随着天线数目的不断增加,给接收机的设计带来更高的挑战,复杂度过高的检测算法在实际中难以应用。本文将一种高并行(high-parallelism, HP)检测算法展开到神经网络中,单层神经网络基于该算法的每次迭代,并将其与可训练的权重参数和非线性神经单元相结合,提出基于网络结构HP-Net的方法。通过训练HP-Net得到最优可训练参数,进而提高检测性能。实验结果表明,所提方法相对传统最小均方误差(minimum mean square error, MMSE)算法复杂度更低,并能够得到更低的误码率;同时相对HP并行检测算法误码率性能更优。     

基于改进Elman神经网络的非线性预测控制

为了提高非线性预测控制中预测模型的精度,提出一种基于递归神经网络建模的预测控制方案.采用改进Elman神经网络在线建立预测模型,用递推最小二乘法在线修改神经网络权值,并引入误差补偿环节,从而达到改善预测模型精度的目的,使控制系统的控制性能得到提高.仿真实验表明了该方法的有效性.     

保证服务质量的最小能量无线传感器网络路由算法

为了减小无线传感器网络(wireless sensornetwork,WSN)的路由能量开销,同时保证数据传输的服务质量,提出了一种新的路由算法,称之为DEER(delay-constrained energy efficient routing)算法。DEER算法的核心思想是将路由选择和传输速率控制相结合。算法首先采用概率分析方法,估计出最优的总跳数以及相应的传输速率;然后再逐跳选择出后续节点,构成整条路径。理论分析和计算机仿真结果都表明,在现有的路由算法中,如果端到端传输时延变小,那么能量消耗将呈指数上升趋势;而在DEER算法中,二者的关系将从指数退化成多项式关系。可见,DEER算法不但保证了端到端传输的服务质量,而且大幅度地降低了路由能量开销。     

网络通信中自定义协议的一种制定方法

通过对各种网络系统及其协议体系的研究,提出了一种自定义协议的制定方法. 该方法定义了一种通用的协议结构,保证协议体系条理清晰,方便管理. 该方法的协议定义思想,使被定义协议具有可拓展性和可复用性. 通过一个示例,详细说明了该自定义协议结构的各个组成部分,以及协议中主要字段的含义和用法.     

Al_2O_3-Ni网状复合材料的制备及力学性能

以αAl2O3超微粉和羰基Ni粉为原料,采用热压方法制备了Al2O3Ni网状复合材料,并对其三点弯曲强度和断裂韧性进行了研究·结果表明,随Ni体积分数的增加复合材料的强度稍有下降,而断裂韧性明显增加·Ni体积分数为20%时,断裂韧性可达88MPa·m1/2·复合材料对缺陷的敏感性远远小于氧化铝陶瓷,在材料表面引入载荷为100N的维氏硬度压痕后,氧化铝陶瓷的强度下降60%,而Ni体积分数为20%的复合材料强度仅下降19%·     

配电网重构组合优化的研究

首先，基于配电网潮流解的可行性提出了一种电压稳定性指标。用它可以方便地计算出各节点电压稳定性指标值。然后，对该电压稳定性指标进行分析，得出配电网降低线损与电压稳定性之间的关系，即当降低配电网的线损时，各节点的电压稳定水平提高，系统稳定运行。最后通过算例表明，实现了线损最低的重构后的配电网，其电压稳定性指标也得以最优化，提高了供电的经济性和安全性。     

基于灰色关联分析的高阶神经网络剪枝算法

在综合分析网络纵向、横向灰色关联分析特点的基础上提出了一种新的基于灰色关联分析的剪枝算法,并将其用于训练高阶神经网络.该算法运用灰色关联分析对比网络各节点输出值序列之间联系的紧密程度,用网络纵向灰色关联分析确定剪枝连接,再用网络横向灰色关联分析确定相应的并枝连接,实现网络结构的动态修剪.训练后的高阶神经网络具有合理的网络拓扑结构和较好的泛化能力.实验验证了该算法的合理性、有效性.     

一种基于风险评价的无线传感器网络信任模型

针对现有无线传感器网络的信任模型未考虑风险因素,导致不能有效处理恶意节点攻击的问题,采用一种基于风险评价的信任模型(Risk evaluation basedtrust model,RBTM)。RBTM的框架由检测模块、信任计算模块和决策模块组成,并考虑上下文因素的影响。计算信任度时同时考虑推荐信誉值和风险值的影响;风险值的计算借用风险评估函数和风险信誉调节函数实现。研究结果表明：RBTM能够有效抵抗恶意节点的攻击,与已有的信任模型相比具有更大的灵敏性,较大程度地提高了对恶意行为的检测成功率,可以使节点之间更有效地建立信任关系。     

人工神经网络理论在控制领域中的应用综述

力图从人工神经网络的研究历史出发,在对人工神经网络在控制系统中的应用现状作出概述之后,针对当前的自动控制领域所遇到的难点问题,说明为什么人工神经网络理论能在其中获得如此广泛的关注,并详细论述其适用于控制工程领域应用的主要特征。