基于管理层的风险分析方法探析

风险管理是近几年来比较热门的安全话题,也是很多学者一直在钻研探讨的学术方向。风险管理作为事前预防的一种手段方法,对于预防事故的发生具有现实意义。以往对于风险的管理过多的是针对于操作层员工,关于管理层对于风险管理的贡献则谈之甚少。出于员工层与管理层的风险管理的目的有所不同,本文针对此设计出适用于管理层的风险分析方法。以期望可以自下而上与自上而下相结合地进行风险管理。     

遗传算法在柴油机故障诊断中的应用

BP神经网络在故障诊断时,对故障的学习训练盲目性大,导致速度慢,结果可靠性差。但是遗传算法可以优化挑选故障向量具有针对性,弥补BP神经网络诊断的不足。所以基于遗传算法的BP神经网络可以使各代种群在进化过程中容易得到全局最优解。实例对比分析,表明优化后的神经网络具有较好的收敛性能和运算速度,能够改善诊断精度。     

基于MATLAB的煤粒图像识别

为了提高煤炭企业对煤粒几何尺寸、颜色、形状等特征的分析能力,提出了基于MATLAB的煤粒图像识别系统。系统对煤粒图像进行有效分析,取出图像相关特征向量输入到神经网络中,通过BP神经网络对煤粒的密度级别进行预测。测试结果表明,该方法精确度高,可以大大提高选煤效率,具有广阔的应用空间。     

基于优化的BPNN模型在色彩空间转换中的应用研究

色彩空间转换在图像采集、显示,色彩信息传递及重现中发挥着重要作用,为实现真正意义上的“所见即所得”,需提高色彩转换精度。针对传统色彩空间转换模型中BP神经网络转换精度低、易陷入局部最优等不足,使用萤火虫算法优化BP神经网络的初始权值和阈值,提出一种FABPNN算法的色彩空间转换模型,并使用色差模型进行验证。实验结果表明,该模型具有较高的色彩转换精度,达到预期效果。     

基于BP神经网络优化的PID控制器研究

在现代网络控制系统中,数据通信时数据包的丢失,严重影响网络控制系统的稳定性。针对数据包丢失问题,采用一个满足2-stateGilbert的随机分布变量来描述数据在传输过程中的丢包,进而建立一个随机的、非线性输入模型,设计一种BP神经网络PID控制器,将BP神经网络算法和PID控制器有效结合,实现由BP神经网络整定的最佳PID控制。仿真验证表明,当网络控制系统的数据丢包率在一定范围时,与传统的PID控制器性能进行对比,BP神经网络PID控制器可以使系统具有更好的控制效果、较好的环境适应力和鲁棒性。     

基于RBF神经网络的雷达干扰效能评估方法

BP神经网络在雷达干扰效能评估中存在收敛速度较慢的问题,对此,提出了一种基于RBF的神经网络算法。该方法依据干扰效果评定因素的隶属函数确定其隶属度,作为RBF神经网络的输入层数据。选定训练样本,将测试样本的神经网络性能进行检验,以此比较BP神经网络算法。理论推导和仿真实验结果表明：新方法具可行性与有效性,且比BP神经网络具有更快的收敛速度和更好的稳定性。     

具有多时滞的离散Hopfield网络的收敛性分析

研究了一类具有多重时滞的离散Hopfield网络的收敛性定理,证明了如何把一个具有多重时滞的神经网络转化为一个新的具有单一时滞的网络.基于串行演化模式演化规则,给出了具有多重时滞的离散Hopfield网络的收敛性条件.     

基于CNN超混沌序列的语音加密方案研究

提出一种基于五维CNN超混沌序列的语音加密方案,并对该方案进行了性能分析.仿真结果表明,该方案对密钥具有高度的敏感性,密钥空间巨大,明文的统计特性完全被打破,且大大降低了相邻语音数据的相关性,因此,具有较高的可靠性和保密性.     

基于模糊控制的智能变频空调控制系统研究

通过神经网络和模糊控制技术的结合,实现了模糊神经网络控制器FNNC和神经网络预测器NNP的结构设计。该设计可以提高压缩机的控制精度,加强控制系统的适应性,实现压缩机的智能化。     

基于分类法矢量控制的感应电机转子电阻辨识

因感应电机矢量控制中对电机参数的准确测量之需,提出一种工业应用的参数辨识方法。该算法的基础是基于分类的矢量控制,对逆变器的输出矢量进行分类可以将算法线性化以节约处理器的计算时间,并且验证了其谐波含量也更低。电机工作时转矩和磁链对电阻的变化敏感,而传统的辨识模型对电机参数有一定依赖性,稳定性差。鉴于此,在分类法矢量控制的基础上设计了基于无功功率的模型参考的自适应系统以辨识转子电阻。因无功功率模型中不含有受电机运行工况影响的参数,保证了算法的鲁棒性。经仿真和实验分析,验证了所设计的辨识系统的灵敏性、准确性和可靠性。