基于Simulink的钻井信息传输通道特性仿真

为利用钻杆有效地随钻传输地面与井下之间的数据。本文应用声波无缝传输模型将任意钻柱组合分解为单个声波无缝传榆模型级联方法．根据某单个典型钻具无缝传输模型系统函数的S参数和声波钻井信道的传输特性,推导了在信道通带内某一频点等效传输函数．在Simulink环境下仿真了该S参数的等效传输函数,并仿真了将双口网络S参数构成单钻具系统函数进行级联构成多个钻具的联接的系统函数。最后根据双口网络参数性质,多钻具级联的系统函数等效为各级T参数的连乘,将S参数转化为T参数,得到多个相同钻杆级联后的模型系统函数特性,仿真结果将对随钻声波传输仪器的方案设计提供有力的技术支持。     

通信网络级联失效建模与仿真分析

通信网络的级联失效会导致网络的鲁棒性下降,严重时会导致网络的大面积瘫痪, 对其进行理论建模是研究通信网络级联失效的基础和关键。在分析通信网络级联失效机理的基础上,建立了通信网络级联失效模型,并针对通信网络的级联失效模型进行了仿真分析,验证了模型的科学性和有效性,从而为研究级联失效对通信网络的影响提供了新的研究思路和方法。     

网络级联型视频监控服务器的设计与实现

提出了一种新的网络级联型视频监控系统的模型,通过级联服务器,该系统能够灵活地适用于各种复杂的异构网络环境．充分利用网络资源,并在统一的平台上实现管理和控制,其中着重论述了系统的级联服务器的模块化设计和实现方法。     

COST207频率选择性信道下实现多级编码和空时编码的级联方案

提出了一种应用于正交频分复用系统(OFDM)中的多级编码和空时分组编码级联方案(MLC-STBC),并将这种级联方案应用于COST207频率选择性信道中。在COST207的典型城市(TU)模型中应用这种级联方案取得了很好的编码增益和分集增益。通过分析也发现,对MLC-STBCOFDM系统来说,Ungerboeck分割(UP)也是最优的集分割方案。     

PSO算法优化BP网络的新方法及仿真实验

 提出一种基于粒子群算法优化BP网络的权值调整新方法.该算法在基本BP算法的误差反传调整权值的基础上,再引入粒子群算法的权值修正,从而建立了基于粒子群算法优化的BP网络新模型.此模型不仅可以克服基本BP算法收敛速度慢和易陷入局部极值的局限,而且模型的精度较高,较好地提高了BP网络学习能力与泛化能力.将新模型应用于4个典型复杂函数的仿真实验,并与基本BP模型、基于遗传算法优化的BP网络模型(GA-BP)和传统的粒子群优化前向BP网络模型(PSO-BP前传)的仿真实验结果进行分析比较.仿真实例表明新PSO-BP优化模型性能尤其是泛化性能优于其它3种BP网络优化模型.     

基于节点冗余容量动态控制的复杂网络鲁棒性研究

针对传统级联失效模型中冗余参数固定不变的问题,该文综合考虑节点受攻击程度不同和失效过程中网络拓扑的动态变化,建立了基于节点冗余容量动态控制(DRC)的级联失效模型.通过定义网络相变临界因子θ衡量节点失效引发级联失效的概率,分析了网络鲁棒性与θ之间的相关性,并结合度分布函数详细推导了θ的解析表达式,基于解析表达式提出了两种网络鲁棒性提升策略.仿真结果表明,在模型网络和真实网络中,根据被攻击节点度的不同,通过调整节点初始负载参数可以有效提高目标网络的鲁棒性;DRC模型下级联失效传播范围较τ Motter-Lai(ML)模型显著减小.     

时变级联滤波器的两种设计方法

本文针对雷达杂波抑制中常用的时变级联滤波器,提出了两种实用的设计方法。第一种方法通过时变级联滤波器与时变非级联滤波器的等效来设计时变级联滤波器。该方法可以使时变级联滤波器具有最佳杂波滤波器的效果。第二种方法通过对总的等效滤波器的设计来得到级联滤波器第二级的权系数。分析表明,时变级联滤波器第二级的频率响应很难写出,但可以通过总的等效频率响应来体现。     

驾驶员自适应神经模糊推理模型的建立与仿真

提出了一类基于自适应神经模糊推理系统(ANFIS)的飞机驾驶员建模方法.首先建立了包含若干待定模糊规则参数的基本驾驶员Takagi-Sugeno模糊模型,将其转换成等效的ANFIS网络系统后,采用驾驶员实际操纵数据和自适应BP算法对模糊规则各个待定参数进行训练并建立最终的模型.进而对已建立的驾驶员模型进行人机闭环系统仿真,结果表明,较之传统的传递函数模型,ANFIS模型与驾驶员实际操作输出之间的拟合程度更加理想.     

基于BP神经网络的杂散电流腐蚀速度预测

为了建立更实际的杂散电流预测模型,提出了一种基于BP神经网络的杂散电流腐蚀速度预测,通过构建BP神经网络模型,建立训练样本集,进行网络训练和网络仿真,得到了BP网络模型预测结果。预测结果表明该BP网络模型在埋地金属管道的杂散电流预测中具有一定的应用和推广价值。     

DWDM系统中级联EDFA光信噪比计算

本文推导出级联EDFA密集波分复用系统光信噪比表达式,并由EDFA噪声指数的定义推导出级联EDFA系统等效噪声指数的表达式,分析了级联EDFA系统输出端OSNRout与等效噪声指数之间的关系,并通过实验对之加以了验证。     

基于BP神经网络的管道失效状态预测

针对管道系统历史数据缺乏、失效机理非线性的特点,选用具有良好自学习性、鲁棒性等特点的BP神经网络对管道失效状态进行预测.在对管道外表面涂层检测数据预处理的基础上,采用BP神经网络进行建模分析,通过样本的反复训练,得到预测集的相对误差最大为8.3％,预测结果比较理想.结果表明：用BP神经网络能够较好地预测管道的失效状态值,为管道的预防性维修提供理论依据.     

一种新的强鲁棒性的边缘检测方法

针对图像同时叠加脉冲噪声和高斯白噪声的非标准分布噪声的情况,本文提出一种新的基于统计向量和神经网络的强鲁棒性的边缘检测方法。首先选取窗口子区域内若干中间值像素点构造了由4个统计量组成的统计向量。然后计算训练图像的统计向量作为样本,对不加噪的训练图像的统计向量降维并作双阈值处理得到学习边缘图,对BP神经网络训练。最后将训练的BP神经网络直接用于边缘检测。新方法对脉冲噪声和高斯白噪声均具有较好的鲁棒性,BP神经网络的结构和训练都比较简单,而且不需要设定阈值检测边缘。     

基于GA与L-M优化算法的变压器故障诊断研究

利用MATLAB环境建立一个用于变压器故障诊断的BP网络模型。首先利用具有全局寻优功能的遗传算法对BP神经网络的初始权值和阈值进行优化,然后采用L-M(Levenberg-Marquardt)优化算法对BP神经网络进行训练,从而达到加快网络训练速度,避免训练过程陷入局部极小点的目的。最后,详细记录网络的实际输出,并与期望输出做对比研究,最终证实了此网络达到了设计要求,可用于变压器的故障诊断。     

人工神经网络在气体分析系统中的应用

为了研究人工神经网络在气体分析系统中的应用,选择了识别CH4和CO的传感器阵列及用于网络模型训练的样本。实验分析确定了信号预处理方法,选取合适的网络模型并创新性的对用于气体种类识别的BP算法进行改进,并研究网络结构和参数的变化对气体分析系统性能的影响,实验结果证明气体传感器阵列与BP算法相结合进行气体成分分析具有一定的可行性,若能进一步调整及完善气体传感器阵列的硬件测量电路,则可开发出用于现实复杂环境的多气体分析系统。     

基于PCA和BP神经网络算法的车牌字符识别

文章采用了双重PCA算法链接BP神经网络的方法对车牌字符进行识别.先由主成分分析法对原始样本数据进行分类,然后由BP神经网络法对拒识样本进行识别.研究结果表明,与传统的单一识别方法相比,提高了识别正确率,减少了训练时间.     

高速铣削工件表面粗糙度遗传-BP神经网络建模

遗传算法作为一种高效,并行的全局搜索优化方法,非常适合用于BP神经网络学习率的优化。文中通过基于遗传算法和BP神经网络提出了遗传-BP神经网络。以实验1、实验2、实验5、实验6、实验9、实验11、实验13和实验15下的高速铣削试验数据构建用于高速铣削工件表面粗糙度建模的训练样本对,并用回归的高速铣削工件表面粗糙度预测模型对实验3和实验7状态中的高速铣削工件表面粗糙度进行预测。通过比较表面粗糙度预测结果和实际结果,发现遗传-BP神经网络在高速铣削工件表面粗糙度进行建模方面是一种十分有效的方法。     

基于神经网络的HEMT大信号模型

运用人工神经网络技术建立了高电子迁移率晶体管(HEMT)的大信号模型。通过脉冲I-V测试和测量不同偏置条件下的S参数,获得了大信号等效电路模型中寄生参数和非线性本征元件的数值。通过BP神经网络,利用偏置相关的非线性元件值作为训练样本,利用误差反向传播的Levenberg-Maquardt方法训练神经网络并得到了网络权重数据。模型中的非线性元件在CAD软件中用神经网络实现,并将权重数据和CAD软件结合进行仿真。测试和仿真结果表明模型具有很高的精度。     

BP神经网络在电子战效能评估中的应用

利用BP神经网络算法对电子对抗干扰效果进行评估,根据干扰效果评定的诸因素的隶属函数确定其隶属度,以此作为神经网络输入层数据.然后,根据选定的训练样本对所构造的三层BP神经网络进行训练,再运用几组典型干扰对抗效果实验数据对该BP神经网络性能进行检验.结果表明BP网络已经训练好,用此BP神经网络评估电子对抗干扰效果是合理的,该方法减少了评估中的人为因素,使得评估结果更为可信.     

基于BP神经网络的说话人识别技术的实现

说话人识别就是从说话人的一段语音中提取出说话人的个性特征,通过对这些个人特征的分析和识别,从而达到对说话人进行辨认或者确认的目的。神经网络是一种基于非线性理论的分布式并行处理网络模型,具有很强的模式分类能力及对不完全信息的鲁棒性,为说话人识别技术提供了一种独特的方法。BP(Back-propagation Neural Network)是一种非循环多级网络训练算法,有输入层,输出层和N个隐含层组成。首先概述了语音识别技术,介绍了BP神经网络训练过程的7个步骤及其模型,如何建立BP神经网络模型。同时介绍了与其相关的特征参数的提取,神经网络的训练和识别过程,最后,通过编程在Linux系统下实现说话人身份的识别。     

激光熔覆成形薄壁金属制件精度的预测模型

为了控制激光熔覆成形薄壁金属制件的精度，分析了激光熔覆成形金属薄壁的工艺理论和影响因素。采用BP神经网络建立了激光功率、光斑直径、扫描速度和送粉率与金属零件壁厚的非线形关系模型和激光熔覆成形薄壁制件的精度控制系统。通过优化神经网络的权值和阈值，并引入动量因子和学习速率的自适应调整，克服了BP算法容易陷入局部最小值的问题。用实验参数作为训练样本对模型进行训练，并进行了误差分析。实验和仿真结果表明，训练样本和检验样本的最大相对误差分别为1.93％和1.19％，预测精度高。该网络模型可用于优化激光熔覆成形工艺参数和成形金属制件精度的在线实时控制。