基于Petri网的故障诊断新方法

在分析故障诊断问题特点的基础上，提出一种不增加Petri网元组的故障诊断新模型，对故障传播的分析更加方便，并通过实例验证了方法的有效性。     

An Improved Identity-Based Society Oriented Signature Scheme with Anonymous Signers

In this paper, we present an improved identity-based society oriented signature scheme with anonymous signers, which satisfies： （1） when members leave or join an organization, the public verification key and the signature verification procedure are unchanged; （2） a user participates in several organizations at the same time, her secret key is only related with her identity. However, no previous schemes have these two properties.     

色噪声与乘性信号驱动下昆虫爆发系统的稳定性和随机共振

研究的是一类受色噪声和乘性周期信号驱动的昆虫爆发系统的稳定性和随机共振现象.首先对于一类由色交叉关联噪声驱动的昆虫爆发种群系统,通过应用FPK方程,获取了系统的稳态概率分布函数的近似表达式,重点讨论了噪声强度及自相关时间对此类昆虫爆发系统稳定性的影响; 然后通过加入弱乘性周期信号,根据快速下降法和两态理论给出了信噪比公式,研究了噪声及其关联时间对于昆虫系统信噪比的影响.进而分析它们对系统种群数的稳定性和延续存活时间的一些实际作用     

面向对象软件的回归测试策略

按照「１」「２」的方法进行了类测试及集成测试的面向对象软件,提出了一种回归测试的策略,并给重用且修改现存的测试例,产生新的测试例的方法     

面向对象框架在信息系统开发中的应用

通过数据表维护框架的设计讨论了面向对象框架在信息系统开发中的应用,给出了基于Proxy模式(代理模式)、UML类图及序列图的数据表维护框架的详细设计过程.数据表维护框架对应一个最小的语义单位,可以应用于不同行业的信息系统开发.     

THOR网在机器人装配系统装配质量预测和分析中的应用

装配质量对产品的性能和可靠性有直接的影响．基于一类高级的Petri网——THOR网，对机器人装配系统装配质量的预测进行了研究，提出了系统分析装配质量的模块化建模方法．该方法可以对各种装配策略和手段与装配质量间的关系进行研究，是实现机器人装配系统装配质量评价与控制的有力工具．     

基于面向服务架构的供应链风险预警与决策管理系统

为了能够对供应链运营过程中所遇到的风险进行事先识别与判定,及时地为供应链上所在企业决策提供参考和警告,进而有效防范风险,同时为了实现企业间异构数据和模型的快速整合,构建了基于面向服务架构(SOA)的供应链风险预警与决策管理系统(SSCRWMS).设计了系统的框架,实现了基于Web服务的风险预警模型、风险对策模型和异构数据集成平台,给出了系统的开发实例.SSCRWMS可以解决异构环境下数据的采集和模型的集成问题,使系统具有高度可扩展性,并能实现对分布式异构数据的高效采集和整合.     

基于模糊Petri网的事故树模糊分析方法研究

为了降低获取现场采样数据精确值的难度并提高事故诊断的准确性,根据模糊事故树和模糊Petri网均具有描述事件发生因果关系链这一共同特征,采用模糊Petri网来表示事故树,建立了事故树的模糊Petri网模型,在Petri网中对事故树进行了模糊分析研究.该方法不仅可以对顶上事件各特征量进行估算,还能利用模糊Petri网推理算法进行事故诊断,实现了Petri网与事故树的紧密结合,使事故诊断更加切合实际.引入模糊集合理论到事故树分析方法,用模糊数来表示事件发生的概率,减小了获取底事件发生概率精确值的难度,在一定程度上修正了事故概率统计数据的误差.该方法可以将生产现场的实测数据与专家经验数据结合起来,使得分析结果更接近于工程实际.图2,表1,参13.     

色散型光学双稳系统中的随机共振

运用统一色噪声近似理论、最速下降法理论和随机共振的双态理论推导出在色散型光学双稳系统中由于注入相干光的强度和位相的波动所引起的乘性噪声并在外部周期性弱信号共同驱动下系统的平均首次通过时间和系统信噪比的解析表达式,分析了不同的初始条件下,噪声的关联时间和噪声的强度对首通时间和信噪比的影响,通过对信噪比曲线的研究,分析了系统的随机共振现象.     

基于WGAN的语音增强算法研究

带噪语音可看成由独立的噪声信号和语音信号经某种方式混合而成,传统语音增强方法需要对噪声信号和干净语音信号的独立性和特征分布做出假设,不合理的假设会造成噪声残留、语音失真等问题,导致语音增强效果不佳。此外,噪声本身的随机性和突变性也会影响传统语音增强方法的鲁棒性。针对这些问题,使用生成对抗网络来对语音进行增强,给出一种基于Wasserstein 距离的生成对抗网络(Wasserstein generative adversarial nets, WGAN)的语音增强方法来加快训练速度和稳定训练过程。该方法无需人工提取声学特征,且使语音增强系统的泛化能力得以提升,在匹配噪声集和不匹配噪声集中都有良好的增强效果。实验结果表明,使用训练出的端对端语音增强模型后,语音信号的客观评价标准(perceptual evaluation of speech quality,PESQ)平均得到23.97%的提高。