基于CUSUM算法的网络设备故障预测

网络设备故障预测根据设备的近期健康度、特征参量及历史数据,通过预测算法对网络设备当前健康状况进行检测,对系统未来时刻的状态进行预测,可以使管理人员在故障发生之前采取有效措施保证网络的顺利运行。本文采用CUSUM算法实现了对网络设备状态进行检测和故障预测,根据设备运行参数精心选择了算法所需参数,实验结果表明检测算法可以提前检测出系统的异常状态,为设备故障预测提供决策依据。     

基于改进型BP神经网络PID的电阻焊机电源恒电流控制

针对实际电阻点焊过程复杂多变,精确数学模型的建立较为困难,传统PID控制器难以保证系统在不同的工作状况下具有良好的控制特性,提出了一种改进型BP神经网络PID的电阻焊机电源恒电流控制方法。将BP神经网络与PID控制方法相结合,通过神经网络的自学习、加权系数的调整,优化PID控制器参数Ki、Kp、Kd,并将粒子群算法引入到神经网络中作为其学习算法,有效的提高了BP神经网络算法收敛速度。仿真结果表明,该电源智能控制方法能够根据系统运行状态对PID参数进行自适应调整,有效的对焊接电流进行恒定控制。     

基于信息加权控制的网络路由损伤诊断方法

分布式加权自组网网络常用在无线通信网络组网中,该网络路由信息由于信息加权的自组织性,通常会产生信息空洞或孤岛节点,导致路由损伤,有效的路由损伤诊断方法可以提高网络的可靠性。提出一种基于信息加权控制的网络路由损伤诊断方法。构建了分布式加权自组网网路的路由分布模型,分析路由损伤诊断机理,并对链路数据进行融合预处理,引入虚拟通道技术计算路由链路沿通道变化的信息加权,通信信息加权控制实现网络路由损伤特征分析和诊断。仿真结果表明,采用该算法进行路由损伤诊断,链路数据融合性能和损耗节点的准确检测性能较好,为实现路由修复奠定基础,提高网络稳定性和可靠性。     

大型民航通信系统鲁棒性测试模型仿真分析

民航通信系统属于复杂网络通信系统,系统的通信节点数目庞大,传统的复杂网络鲁棒性分析算法性测试结果存在失真。为此提出一种分层权重划分理论的鲁棒性分析模型,并应用到航空通信系统的鲁棒性检测中,塑造BP神经网络大型民航通信系统鲁棒性评价模型,对影响大型民航通信系统鲁棒性的各项指标进行打分,依据综合得分进行不同的加权,获取大型民航通信系统鲁棒性评价指标的分层权重样本测试数据,按照获取的大型民航通信系统信息以及信息的改变量,对自适应加权BP神经网络权向量进行修正,建立大型民航通信系统中不同节点间的关联约束关系,将某种约束条件引入传统的关联规则中,提高大型民航通信系统鲁棒性测试的效率,获取准确的测试结果。实验结果表明,采用所提模型能更精确的分析出航空通信设备的鲁棒性。     

煤矿设备中的基于动态模糊与BP神经网络的故障诊断

在煤炭机电设备故障检测过程中,由于涉及到众多的硬件设备,容易出现电压稳定性较差,间接影响故障检测信号不稳定,检测样本数据空间维数大、诊断实时性差等缺点。本文提出了采用动态模糊自学习理论和BP神经网络相结合的方法针对故障进行诊断,首先通过动态模糊自学习方法对设备故障的有效数据,使用BP网络对其进行快速分类诊断。仿真实验表明:本文算法能够有效地提高故障诊断正确率,从而提高诊断的识别与决策能力。     

低温环境下混凝土重要参数衰减实验与分析

在低温环境下,混凝土的性能是混凝土研究中比较薄弱的部分,而对混凝土重要参数的衰减实验进行研究具有重要意义。提出低温环境下混凝土的重要参数的衰减实验与分析。采用三点的弯曲实验对混凝土荷载的位移曲线进行测取,推导得出混凝土抗拉的软化关系与开裂的强度以及抗拉强度等参数,对低温环境下混凝土腐蚀的过程进行模拟,对不同腐蚀程度的60个混凝土的棱柱体进行抗压性能的实验,得出不同的抗压指标。实验结果表明,低温环境下混凝土试件的外观以及质量和破坏的形态会随着侵蚀的时间产生变化,腐蚀的时间延长,抗压的强度就会产生降低,但弹性的模量变化的不明显,利用不同的参数衰减指标对不同腐蚀程度的混凝土试件力学性能的衰减进行分析,得出各指标与混凝土抗压性能的衰减间变化的规律。     

恶劣天气下的公路交通有效调度模型

恶劣天气的公路交通极易瘫痪,设计公路交通优化调度模型,提高公路交通网络的稳定性和抗毁坏性。传统的公路交通调度模型采用并行微观矢量等价加权结构,各重点路段和路口节点不能有效区别评价,调度效果不好。提出一种基于多维矢量线性规划的恶劣天气下的公路交通有效调度模型。进行恶劣天气下的交通路网信息采集,构建PID神经网络路网模型,路网模型采用一个5元组表示,提取制约交通拥堵的关键信息。设计恶劣天气下的交通拥塞检测算法,根据多维矢量线性规划可得单位路径行程时间下的拥塞状态联合分布,计算最佳适应度值,实现交通优化调度。仿真结果表明,采用该模型进行公路交通拥塞程度检测和调度,检测精度较高,能准确反映公路交通的实时状态信息,通过有效调度能大幅度提供公路交通的通行效率,应用价值较高。     

基于BP神经网络的应用及实现

针对医学中癌细胞与正常细胞的正确分类率不高的问题,提出BP神经网络对其进行分类。本文介绍了BP神经网络的基本算法及几种改进算法。为了提高癌细胞的检测正确率,本文分别采用四种改进算法训练BP神经网络并进行测试。通过分析其训练效果的关键数据及测试结果,可以得到较高的癌细胞分类准确率。实验表明,采取合适的算法对BP网络进行训练,可以达到较好的分类效果。     

基于计算智能的损伤检测研究

本文将计算智能(CI)现代信号处理方法有机地结合起来进行损伤检测,提供了一种机械传动系统故障诊断方法。采用离散小波分解和小波包变换,分别对去噪后的信号进行分解,对齿轮不同状态下的信号进行了研究。重构了小波变换后的各层信号,并计算了各层信号的能量,得到了信号的能量分布特征。分别利用小波分析与神经网络相结合和小波包变换与支持向量机相结合的计算智能算法对获得的齿轮特征信号进行了分析、识别和比较。研究表明,该方法可以很好的用于设备损伤检测领域。     

虚拟机组网技术在网络实验教学中的应用

由于网络实验设备种类繁多,设备购置费用高,为避免实验资源浪费,在计算机网络课程教学中利用虚拟机进行辅助实验,建立虚拟网络实验室,克服时间和空间的限制,节省设备投资,软硬件升级容易,实验管理方法灵活,使学生能够跟上网络设备更新换代的速度,掌握最新的技术。     

超密集网络中病毒攻击优化识别算法

超密集网络是根据汇聚节点的拓扑属性进行测度中心加权融合的网络模型,超密集网络中容易受到类似于DOS等病毒的拒绝服务攻击。由于DOS病毒特征具有频谱混迭特性,在超密集网络难以有效识别。目前采用联合特征检测方法进行病毒攻击信息的检测识别,性能随着环境干扰影响起伏较大。提出一种基于幅频响应带宽检测的病毒攻击识别算法。进行病毒攻击的数学模型构建和信号分析,然后设计格型陷波器实现攻击信号的干扰抑制和滤波,根据病毒攻击信号的检测带宽和攻击带宽,选取不同的陷波器频率参数和带宽参数,进行频谱特征混迭加权处理,提取幅频响应特征进行病毒攻击的带宽检测,实现攻击特征识别。仿真结果表明,采用该算法对超密集网络中的病毒攻击进行幅频响应特征提取,具有较好的抗干扰性能,准确检测识别概率优越于传统算法,在网络安全领域具有较好的应用价值。     

考虑变权重自适应调整的网络信息鲁棒性分析

BP神经网络加权权重成固化状态,导致信息信任度评价误差较大。提出基于BP神经网络的变权重自适应网络拓扑结构的C2C网络信息信任度评价和鲁棒性分析模型,以营运商可信度、网站信任度和外部环境为一级指标体系构建网络信息评价体系。以12维可信性因素作为输入向量,系统结构以网络信息信任度作为输出,通过调整网络拓扑权重向量设置信任度周期响应加权变量自适应函数,有效降低迭代算法的运算成本。仿真实验表明,采用新的网络信息鲁棒性评价模型能使C2C网站信息评价误差率大幅减低,系统具有较好的健壮稳定性和鲁棒性,能有效促进C2C网络健全运行和发展。     

基于深度学习的风机叶片裂纹检测算法

风电机组叶片裂纹问题对机组正常安全运行会产生严重影响。为对风电机组叶片损裂状态进行有效检测,基于风场大数据,提出了一种基于深度学习区域卷积神经网络(Cascade R-CNN)的风机叶片裂纹检测方法。并通过对数据集进行图像增强、选取ResNeXt-101作为特征提取网络、在特征提取部分加入特征金字塔网络(Feature Pyramid Networks,FPN)等改进方式进行优化。实验结果表明,所提方法都能有效的提高风机叶片裂纹检测的准确率,精度共提升了10%,本文还与目前主流的目标检测算法如Faster-RCNN等进行对比,实验结果表明,本方法识别精度更高,检测速度与其他方法基本持平。     

基于自适应RBF神经网络的电网变压器故障检测

变压器的故障诊断方法大部分以油中溶解气体为诊断基础,如目前较为常用的四比值法、三比值法等。但存在"编码盲点"、故障诊断准确度不够等问题。本文提出一种基于自适应RBF神经网络的电网变压器故障检测方案,算法输入层节点只会把信号传送到隐含层。在隐含层中,通常使用高斯函数来对所得到了输入向量响应。输出层则是使用一般的线性函数来对输出进行加权。这种模式是一种标准的前向网络模式,能够使得神经网络的输入空间与输出空间得到映射,进而为分类网络并实现函数逼近,提高了网络收敛速度。仿真实验结果表明,本文提出的自适应RBF网络在故障诊断的准确率以及诊断时间的表现皆优于BP、GA-BP神经网络,所在在变压器故障诊断时,可以优先考虑自适应RBF神经网络。     

多服务器环境下网络调度模型仿真分析

多服务器环境下网络具有随机性和异构性,导致传统方法由于算法收敛效率低、易出现局部最优等弊端,大大降低网络调度的效率,无法有效完成网络调度,提出一种基于重复博弈算法的多服务器环境下网络调度方法,塑造多服务器环境下网络调度模型,依据网络调度模型以及博弈论原理,通过最优反应函数对多服务器环境下网络进行调度,将其转换成目标规划问题,采用混沌粒子群优化算法对目标规划问题进行求解,从而有效完成多服务器环境下的网络调度。实验结果说明,所提的网络调度方案可提高网络调度的速度以及效率,能够有效处理多服务器环境下网络任务调度过程中出现的问题。     

基于MATLAB神经网络工具箱的核电厂故障诊断

本文将MATLAB神经网络工具箱应用于核电厂的状态检测与故障诊断,通过对核电厂典型故障的特性分析,确定网络的输入输出并建立相应的网络结构。为验证神经网络故障诊断的有效性,本文对核电厂蒸汽发生器系统进行了仿真实验,验证了神经网络故障诊断的准确性、实时性和可扩充性。     

网络设备监测系统的简易实现及应用

利用计算机编程技术和通信技术实现对网络设备的管理和发现,能够实时对网络设备和通道进行监测,同时能够收集、存储网络设备的状态信息并对其进行分析、整理。网络监测系统实现了网络自动监测、定位、故障告警功能,为正常的网络通信提供了可靠保障。     

基于图像的化工厂重度污染等级判定研究与仿真

在不同化工厂检测环境中,空气中的环境变化情况较为复杂,带有颜色特征的污染气体浓度会被迅速稀释,造成转化的像素特征强度衰减。传统算法多是基于采集到的某种像素特征强度进行污染等级的判断,一旦气体被稀释,颜色特征发生退化,检测准确率会降低。提出了一种基于像素支持向量机增量学习算法。通过灰度差分的支持向量机增量学习。建立对不同像素等级信号进行对应增强学习,克服像素衰退的弊端。实验证明,这种算法能够避免由于化工厂内气体大量扩散,造成的像素衰减的缺陷,提高了化工污染程度检测的准确率。     

高速移动环境下移动通信节点衰减性能检测

高速移动场景下的无线网络覆盖已经成为移动网络建设的重要组成部分,传统的移动节点衰减模型,由于其在计算的准确性和反应速度方面存在着一定的局限性,无法得到理想的衰减信道。为此,提出建立高速环境下移动节点衰减性能检测模型。新型高速环境下移动节点衰减性能检测模型通过测算大差分衰落特性,对高速移动环境下通信节点接收信号幅值强度进行计算,为高速铁路建网前期通信节点的建设规划和后期网络运行提供准确的基础数据。通过提高外置车顶天线的接收性能,减少测量过程中因速度的改变和场景的变化而造成的通信节点衰减性能的下降幅度。通过对高速移动场景下多尺度、多角度衰落系数的修订,消除地貌环境的影响,最终推衍出综合检测模型。仿真结果表明,新型的通信节点性能检测模型最终可将高速移动环境下的移动通信节点衰减性能检测参数计算的精准率提高20%。     

引入推理模型的大型电网设备的故障检测方法

针对大型电网设备中的故障信号稳定性较差,并且信号之间的关联性较弱,导致不能有效检测故障的问题,提出了一种引入估计推理模型的大型电网设备故障检测方法。系统依据贝叶斯网络的学习和概率分析能力,在传统的神经网络诊断模型中,引入一种推理估计模型,以电网设备中的测速机、脉冲发生器、传感元件的高频故障信号为基础,估计模型运算电网设备的故障概率,配合边缘化算对数据结构中的故障信息进行表达。仿真实验说明,算法可以解决电网故障信号的随机性特征,准确检测出电网设备中的故障信号。