基于Vague等价关系的粗糙集分解

首先,提出了基于Vague等价关系的（α_t,α_f）-等价类,并在（α_t,α_f）-等价类基础上定义了（α_t,α_f）-粗糙集,得到（α_t,α_f）-粗糙集是λ-粗糙集的推广,研究了（α_t,α_f）-等价类和（α_t,α_f）-粗糙集的性质。其次,给出（α_t,α_f）-等价类分解、（α_t,α_f）-粗糙集分解以及（α_t,α_f）-粗糙集的边界的概念。最后,分别得到等价类、粗糙集以及粗糙集的边界基于Vague等价关系的分解结构。     

n值逻辑系统子代数个数之讨论

在广义和狭义两方面分别研究了六个系统L_n,S_n,G_n,K_n,Z_n,W_n的子代数的个数的特征及其计数问题。由此,得到了逻辑系统L_n,S_n,G_n,W_n,K_n,Z_n的子代数个数及其性质。     

确定型格值有限自动机的最小化

给出了确定型格值有限自动机的定义,并同时给出了有效终止状态和可达到状态的定义。指出了求取DLFA M=Q,Σ,δ,q₀,σ的实质是求取Q/R_k。由此以可到达状态为基础引入了等价关系R_k、S_k与商集Q/S_k,证明了R_k=R_k-1∩S_k,由此得到Q/R_k的等价类为Q/R_k-1中等价类与Q/S_k中等价类的非空交集全体。引入了H_k,并证明了可由H_k求取Q/S_k,从而得到仅利用集合运算便可求取Q/R_k的算法,最终给出了DLFA最小化算法的一个容易实现的构造型描述和相应示例。     

基于一类分类的三角形和三角形相交测试

三角形和三角形相交测试是碰撞检测数据结构和算法的基本组成部分,基于支持向量机的一类分类方法对三维空间中三角形和三角形相交测试提出了一种新的算法,首先用核函数把其中一个三角形（记为T_a）训练成球心为a半径为R的超球体,然后依据另一个三角形（记为T_b上的某些点到超球体的球心a的距离d_i（i=1,2,…,n）与R的关系,判断这些点是否在超球体内。如果T_b有点在超球体内,则断定两个三角形发生相交,反之则没有。理论分析和实验结果都表明,该算法速度很快,效率较高,能够满足动画中运动物体的实时交互碰撞检测。     

基于统计学习的试题难度系数修正算法

试题的难度系数是自动生成考试试卷、影响考试质量的一个重要因素。然而,如何准确确定试题的难度系数是考试系统的一个难点。提出将试题的难度系数分为理论难度系数G和样本难度系数G_k,并将序列{G_k}构造到Hilbert空间上,利用Hilbert空间的完备性,得出了序列{G_k}收敛于G。最后利用统计学习理论的经验风险最小准则,构造了G_k的一个学习器模型,该模型建立在严密的数学理论基础之上,具有收敛速度快和根据考试样本数据进行学习修正的特点。     

一种用于大整数因数分解的多相位粒子群算法

如果大整数N的两个因数p与q满足p=x_p×D+y_p,q=x_q×D+y_q,D>y_p×y_q约束,那么该大整数N将有可能被轻易分解。因此,根据该约束及相关定理,提出了一种用于求解大整数因数分解问题（IFP）的尾数多相位粒子群搜索算法,MMPPSO。数值实验证明,MMPPSO算法对IFP具有良好的求解能力。同时,建议依赖于大整数N分解问题的密码系统做上述约束条件测试,从而保证密钥和系统的安全性。     

不同蕴涵算子下三I方法的解

以R_M、R_Z、R₀三个蕴涵算子为基础,研究了11种形式的三I算法的解,并在此基础上给出了这11种解的同一形式：B*（y）=SUP{A*（x）∧φ（x,y）},其中φ：X×Y→[0,1]表示某一函数,而且φ（x,y）与E_Y的选取依赖蕴涵算子R_i的选取。     

单纯形搜索在遗传算法中的融合研究

构造了单纯形混合遗传算法SM-HGA⁺。分析单纯形搜索算法,提出了单纯形交叉算子和K步随机单纯形搜索算子,并将单纯形搜索算法和这两个算子分别融入到最优微群体μP_B（t）、最差微群体μP_W（t）和普通群体P_C（t）,形成SM-HGA⁺。最优微群体中的单纯搜索算法提高算法的精度;最差微群体中的单纯形交叉算子加速最差个体向优秀个体进化;普通群体中K步随机单纯性搜索提高全局搜索速度,同时在普通群体采用大交叉概率的标准遗传算法,提高全局搜索能力。遗传算法测试函数验证算法SM-HGA⁺的正确性、效率。     

参数化模糊联想记忆网络的学习算法

基于Dubois提出的带参数ξ的t-模T_ξ,提出了一种参数化的广义模糊联想记忆网络Max-T_ξ FAM。由于T_ξ中参数ξ的作用,在应用中Max-T_ξ FAM有更强的可调性和灵活性。接着利用T_ξ的伴随蕴涵算子,提出了Max-T_ξ FAM的一种有效学习算法。从理论上严格证明了,只要Max-T_ξ FAM能完整可靠地存储所给的多个模式对,则所提出的学习算法一定能找到使得网络能完整可靠存储这些模式对的所有连接权矩阵的最大者。最后,用实验说明了所提出的学习算法的有效性。     

除冰机器人关节控制PID参数优化

针对输电线除冰机器人的关节运动,提出一种改进的无刷直流电机控制策略,利用粒子群算法优化不完全微分控制算法来代替传统的PID控制,对K_p、T_i、T_d进行全局优化。实验结果表明,该方法明显提高了控制性能,具有很强的鲁棒性,能够满足除冰机器人对控制系统高精度、实时性的要求。     

基于改进型小波神经网络的往复泵故障诊断

为了对往复泵的故障进行正确诊断,提出了基于改进型小波神经网络的往复泵故障诊断方法。以往复泵单个泵缸内的压力信号作为系统特征信号通过小波包分解来提取故障特征向量,同时将此特征向量作为改进型神经网络的输入,利用改进型神经网络对故障做进一步的精确实时诊断。文中对小波神经网络采用的优化算法是：动量因子和学习率自适应调整相结合的梯度下降法,该方法可以提高学习速度并增加算法的可靠性。通过对往复泵液力端多故障诊断实例的检验表明,该系统故障诊断正确率达到了93％以上。     

小波包在故障诊断中的应用

主要研究小波包变换和神经网络相结合的故障诊断技术。首先利用小波包的多分辨率分析的特点,对故障信号进行多尺度的分解,正交和归一化处理后,根据主成份分析原理提取故障特征向量作为神经网络的训练样本,设计故障类型识别器。仿真结果证实了该方法的有效性和可行性。     

一种异步电动机故障诊断新方法

针对基于RBF神经网络的异步电动机故障诊断方法存在参数确定较困难的问题,提出了一种基于差分进化算法优化RBF神经网络的异步电动机故障诊断方法。首先采用小波变换对异步电动机运行状态信号进行消噪处理,然后采用主元分析法与小波包分析法相结合方式提取消噪后的异步电动机运行状态信号特征,最后采用差分进化算法优化后的RBF神经网络对异步电动机运行状态信号特征进行诊断。实验结果表明,与未优化的RBF神经网络相比,采用差分进化算法优化后的RBF神经网络可有效识别出异步电动机故障。     

飞行器导航传感器故障诊断的应用研究

研究导航传感器故障诊断问题,由于飞行器导航传感器所处环境十分复杂,导航系统由多种部件组成,故障存在许多随机性、模糊性和不确定性因素,难以建立确定数学模型。传统线性模型故障诊断准确率低。为了提高飞行器导航传感器故障诊断准确率,提出一种神经网络的导航传感器故障诊断方法。飞行器导航传感器发生故障时信号中会产生突变成分,利用小波包对原始故障信号进行分解,提取信号特征向量,然后将特征向量输入神经网络训练,实现飞行器导航传感器故障智能化诊断。在Matlab平台实现传感器故障诊断的仿真,结果表明,神经网络提高了飞行器导航传感器故障诊断的准确率,是一种在线、行之有效的导航传感器故障方法。     

Fault gear identification and classification using discrete wavelet transform and adaptive neuro-fuzzy inference

In this paper, an intelligent diagnosis for fault gear identification and classification based on vibration signal using discrete wavelet transform and adaptive neuro-fuzzy inference system (ANFIS) is presented. The discrete wavelet transform (DWT) technique plays one of the important roles for signal feature extraction in the proposed system. The abnormal transient signals will show in different decomposition levels and can be used to recognize the various faults by the DWT figure. However, many fault conditions are hard to inspect accurately by the naked eye. In the present study, the feature extraction method based on discrete wavelet transform with energy spectrum is proposed. The different order wavelets are considered to identify fault features accurately. The database is established by feature vectors of energy spectrum which are used as input pattern in the training and identification process. Furthermore, the ANFIS is proposed to identify and classify the fault gear positions and the gear fault conditions in the fault diagnosis system. The proposed ANFIS includes both the fuzzy logic qualitative approximation and the adaptive neural network capability. The experimental results verified that the proposed ANFIS has more possibilities in fault gear identification. The ANFIS achieved an accuracy identification rate which was more satisfactory than traditional vision inspection in the proposed system.     

小波神经网络在雷达故障诊断中的应用研究

根据某型雷达接收机的信号特点,提出了基于小波神经网络和专家知识相结合的雷达智能故障诊断方法,探讨了该方法在某型雷达接收机故障诊断中的应用,采样信号经过小波去噪和小波特征向量提取后再进行归一化处理,作为小波神经网络的输入向量,小波神经网络隐含层的激活函数选用小波函数,完成雷达接收机典型故障的诊断;MATLAB实例仿真结果表明,该方法诊断准确,智能化水平高,有很好的自学习能力,提高了故障诊断的正确性和效率。     

基于小波-模糊神经网络的齿轮箱故障诊断

根据齿轮箱传动部件故障机理,利用小波变换多分辨率特性和时频局部化特性,提取出故障特征信号;并利用有效的消噪技术,去除噪声干扰.参考专家经验,给出模糊规则及模糊神经网络模型,实现故障推理.并将小波变换和模糊神经网络应用在上海宝钢热轧机的齿轮故障诊断中.     

Fault diagnosis of rolling bearing based on back propagation neural network optimized by cuckoo search algorithm

In order to improve the accuracy of rolling bearing fault diagnosis in mechanical equipment, a new fault diagnosis method based on back propagation neural network optimized by cuckoo search algorithm is proposed. This method use the global search ability of the cuckoo search algorithm to constantly search for the best weights and thresholds, and then give it to the back propagation neural network. In this paper, wavelet packet decomposition is used for feature extraction of vibration signals. The energy values of different frequency bands are obtained through wavelet packet decomposition, and they are input as feature vectors into optimized back propagation neural network to identify different fault types of rolling bearings. Through the three sets of simulation comparison experiments of Matlab, the experimental results show that, Under the same conditions, compared with the other five models, the proposed back propagation neural network optimized by cuckoo search algorithm has the least number of training iterations and the highest diagnostic accuracy rate. And in the complex classification experiment with the same fault location but different bearing diameters, the fault recognition correct rate of the back propagation neural network optimized by cuckoo search algorithm is 96.25%.

     

模拟电路故障诊断新方法

提出了一种新颖的基于多小波神经网络的模拟电路故障诊断方法。介绍了多小波的原理,分析了多小波神经网络的结构、逼近性质及多小波神经网络的算法,提出了用多小波来处理故障信号,提取故障特征向量输入给神经网络,从而进行模拟电路故障诊断。由于多小波函数具有连续、对称性及支撑集短等一系列优点,所以用多小波神经网络来进行模拟电路故障诊断比一般的小波神经网络具有诊断精度高、诊断速度快的优点。给出了仿真诊断实例,验证了该方法的有效性。     

基于优选小波基和模糊SOM网络的模拟电路故障诊断

为了解决模拟电路故障诊断中的特征提取困难并实现对模拟电路故障模式准确的分类,提出一种优选小波基、模糊理论和自组织特征映射网络(SOM,self-organizing feature map)相结合的模拟电路故障诊断方法.该方法首先对模拟电路故障响应信号进行小波分解、提取能量值、均值和方差组成输入特征向量,同时采用余弦分离度评价小波变换在不同小波基函数下获取故障特征的有效性,据此选择余弦分离度最小的小波基分解的特征向量输入到自组织特征映射网络进行故障分类.仿真实验表明,利用余弦分离度选择的最优小波基能有效提高模拟电路故障特征提取,模糊神经网络能对故障模式进行精确分类.