基于小波变换和分形理论的输电线路故障检测

提出了一种基于小波变换和分形理论的架空输电线路故障识别新方法.该方法对电流采样信号分别进行了小波变换和分形计算,尔后采用神经网络进行识别.经实例分析计算,取得了良好的检测结果,从而验证了该方法的正确性和有效性.     

基于小波能谱熵和神经网络的输电线故障识别

在暂态电流信号小波变换结果的基础上,采用小波能谱熵定义,对小波分解系数进行处理,提出了一种基于小波能谱熵和神经网络的输电线路故障类型识别方法。该方法通过计算故障前后三相电流信号小波变换系数沿尺度分布的小波能谱熵,经过适当处理,输入神经网络,利用神经网络在模式识别方面的优势,输出结果即为故障类型识别的结果。仿真结果表明,该故障类型识别方法不受故障类型、故障电阻及故障位置等因素的影响,识别结果准确可靠。     

量子信息中的连续小波变换

介绍连续小波变换和量子信息的基本概念和基本理论,进而分析连续小波变换在量子信息处理中应用的可能性与及必要性。从定量与定性分析中发现,连续小波变换对明亮光束等连续量子信息的处理与分析、计算方法起著重要的作用,尤其是对量子信息理论和技术起到直接的作用。     

BP网络对小波变换轮廓术中提取相位的校正

在小波变换轮廓术中,采用一维小波变换去解调变形结构条纹包含的物体面形分布时,小波处理所带来的误差分布同被测物体的面形分布及其变化率存在联系.为了减小小波变换轮廓术中相位提取的误差,从小波变换的相关实质出发,提出了利用神经网络的强大学习能力和函数逼近功能来校正相位.该方法以提取相位的一阶和二阶差分、小波尺度因子等相关计算量作为多层前馈型反向传播网络的输入,通过对复杂样本的训练,实现了输入与误差之间的非线性映射.计算机模拟和实验验证了用神经网络校正相位方法的有效性.     

神经网络自变量输入模式的视电阻率求解算法

根据瞬变电磁场理论公式中的响应和自变量之间的关系特点,提出用非线性方程模式的 BP 神经网络求解电阻率。通过构造单输入单输出网络结构,建立以不同时间点上的电流归一化的感应电压值为输入、视电阻率值为输出的神经网络,来拟合瞬变电磁场的二次涡流曲线。利用数值方法计算出的数据验证该训练网络的精确性,比较了不同算法对训练精度和收敛速度产生的影响。以重庆大学某处的防空洞探测实验为例验证了该算法的有效性,该算法避开具体的复杂电磁场计算或数值反问题计算,从而实现电阻率快速计算,为快速成像准备必要条件。     

基于振动模态小波变换模极大的结构损伤检测

给出了将小波奇异性检测原理应用于结构损伤检测的方法:对结构的模态振型进行离散小波变换,根据小波变换模极大诊断结构的损伤位置;利用BP神经网络模拟多个尺度下小波变换模极大与损伤程度之间的非线性关系,根据网络的输出诊断结构的损伤程度.为了检验该方法的有效性,以某简支梁损伤检测为例进行了数值模拟,结果表明,利用离散小波进行结构损伤检测,无需计算Lipschitz指数,而且精度可满足工程要求.     

基于小波神经网络的风速预测及置信区间估计

小波神经网络是在小波变换理论和人工神经网络的基础上建立的一种新型网络模型,综合了两者的优点,克服了BP神经网络易陷入局部极小点和训练速度慢的缺点.本文建立了小波神经网络模型,采用最陡梯度下降法训练网络,将该网络用于对风电场小时风速的预测,并对预测置信区间进行计算.预测结果表明小波神经网络在训练速度和预测精度方面均优于BP神经网络.     

小波包变换在煤与瓦斯突出预测中的应用

针对目前滤噪技术不能很好地使声发射监测得以准确预报的情况,进行了基于小波包变换的去噪研究.该研究利用信号的小波包分析、计算和最优小波包基选取的方法,通过计算机数值计算,模拟了强噪声下声发射信号检测,并通过Sym8小波包与小波变换去噪的比较,证明前者优于后者.用小波包变换进行消噪处理,噪声消除彻底,提高了预警准确性.     

连续小波变换研究

给出了多元可允许小波定义,提出了多元小波变换的一般形式,通常的小波变换只是其中的特例.从数值计算角度出发,在一系列的多元小波变换中,选择一个适当的小波变换,对小波正变换和逆变换进行离散,构造了数值解法,仿真实例表明了此方法的有效性.     

基于小波包变换的模糊神经网络小电流接地系统故障选线

根据小波包变换和模糊神经网络的特点，提出了基于小波包变换模糊神经网络的一种小电流接地系统单相接地故障选线方法，即利用经过接地后零序电流训练的小波模糊神经网络来判别接地线路。该方法适用于任何小电流接地系统，并且不受负荷谐波、暂态过程、故障点过渡电阻等因素的影响，从理论上解决了传统方法选线准确率低的问题。EMTP仿真计算结果表明，该方法是准确和可靠的，具有实用潜力。     

贵州松桃道坨锰矿资源储量计算方法研究

贵州松桃道坨锰矿床是新发现的超大型全隐伏矿床,资源储量位居全国首位。为降低资源储量计算难度、提高精度,引入三维地质模拟技术,结合现代地质统计学法,构建数字化三维模型,建立真三维环境下深部矿产资源储量计算方法流程。该方法直观形象地表达矿体空间分布特征,以"可视"的方式科学合理地划分矿体块段及储量类别;并对比分析传统几何法,实现道坨锰矿资源储量分类计算。研究结果表明:该方法计算结果科学合理、高效准确,可用于对比验证传统几何方法;该方法具有推广性和适用性,可推广应用到深部矿产资源储量计算,尤其适用于贵州矿产资源深部找矿现状。     

热释放率计算和预测的神经网络方法

基于多层前馈神经网络提出了火灾实验中不同材料热释放率的学习算法和预测技术．同时,将具有全局收敛特性的混合共轭梯度（ＭＣＧ）算法应用于该问题中多层前馈神经网络的训练,克服了传统ＢＰ算法收敛速度慢,推广性能差的缺陷．文中对ＭＣＧ方法进行了大量模拟,并将模拟结果与ＢＰ算法及带有动量项的ＢＰ算法作了全面比较,结果表明：ＭＣＧ方法不仅在学习速度和收敛性方面均优于传统的ＢＰ算法而且显示了良好的性能和行为     

基于进化神经网络的RNA二级结构预测方法

本文提出了一种基于进化神经网络预测RNA二级结构的方法.该方法利用进化算法优化了神经网络结构和权值,改善了传统BP人工神经网络容易陷入局部最优等缺陷.实验结果表明该算法能够获得一个最优结构和权值的神经网络,利用该网络去预测不带伪结的RNA二级结构能获得理想的效果,敏感性和相关系数都有所提升,证明了该改进算法的可行性.     

一种基于核主成分分析的人脸识别方法

针对主成分分析（PCA）算法中存在不能提取非线性特征的问题,提出了利用KPCA提取图像特征,最近邻法分类的人脸识别改进方法。基于ORL数据库的相关实验表明,这样的系统能够取得比传统PCA更好的识别性能。     

基于改进遗传算法的多级关联资源协调调度技术

在实际生产调度中,存在一类人员、设备、夹具、刀具等多级资源共同参与调度的情况.与传统的机加调度不同,此类调度问题增加了人员、卡具、刀具的约束.文中提出了基于改进遗传算法的多级关联资源协调调度技术以解决此类问题.本技术主要包含应用遗传算法在满足匹配关系的多级资源之间进行动态组合,通过适应度计算保留质量好的多级资源组合及面向资源协调的多级资源工序调度时间处理,根据选定工序所需资源占用情况,寻找最早的工序插入的时间区域,并结合工程实例分析验证了该技术的有效性.      

基于神经网络的具有不确定性因素的RLED机器人鲁棒控制

对具有不确定性因素的电机驱动刚性机械臂控制 ,提出了一种基于神经网络的鲁棒控制器 .控制器的设计采用Backstepping法 ,神经网络用于识别系统中一些包含不确定因素的复杂的非线性项 ,并且使系统的在线学习成为可能 .给出的网络权值演化算法可保证系统的跟踪误差和网络权值的一致终值有界 (UUB) .数值仿真结果亦表明该控制器具有良好的鲁棒性和控制精度     

web日志挖掘中会话识别方法

通过对传统web会话识别方法分析和比较,改进了目前最常用的基于时间阈值会话识别方法,提出了一种基于动态阈值会话识别方法,该算法采用动态计算会话中请求记录间的平均时间间隔和动态计算会话中页面的平均大小相结合的方法,根据用户和网页的特点动态调整阈值,相对于传统单一的先验阈值,该方法可以根据不同的用户访问不同的页面生成动态的阈值,充分运用用户和网页信息.经过实验验证,该方法可以识别出更多的用户会话,且识别会话的准确率和查全率也比传统算法更高.     

一种多目标多传感器航迹相关算法

提出一种适合于分布式多传感器数据融合的新的航迹相关算法（ＭＫ－ＮＮ）。对其航迹相关准则进行了详细的描述，研究了航迹质量设计、多义性处理、阈值选择和算法的相关检验过程，并通过仿真把它与最近邻域法（ＮＮ）和Ｋ近邻域法（Ｋ－ＮＮ）进行了比较。仿真结果表明，在密集目标环境下和／或交叉、分岔及机动航迹较多的场合，ＭＫ－ＮＮ算法的性能明显优于ＮＮ法，其正确相关率比ＮＮ法提高了约４０％。ＭＫ－ＮＮ与Ｋ－ＮＮ相比不但正确相关率获得约５％的改善，而且处理速度也提高了约一倍。     

区域交通资源配置效率综合评估

为有效促进交通运输及区域经济的发展,有必要对区域交通资源配置效率进行综合评估。研究通过构建交通资源配置效率指标体系,提出了基于三阶段DEA-Bootstrap模型对区域交通资源配置效率进行评估。利用三阶段DEA模型剔除评估过程中的环境误差,引入Bootstrap方法克服DEA模型有效性值的内在依赖性,并以长江经济带11个区域为例进行案例研究。结果表明,剔除环境因素与随机干扰的影响,长江经济带交通资源配置效率为0.612,较传统DEA计算效率结果下降了0.189。解决技术投入冗余和促进规模效率发展是该区域交通资源高效配置的关键。可见,该方法可有效避免传统 DEA 方法在评估资源配置效率时的偏差,高效评估区域交通资源配置效率。     

基于改进遗传算法的BP神经网络自适应优化设计

BP(Back Propagation)神经网络在网络训练中存在着局部最优问题,其算法收敛过慢、局部收敛不理想,影响其工作性能.针对以上不足以及传统神经网络设计规模庞大等问题,提出了一种由EGA(改进的遗传算法)确定网络拓扑结构和训练网络的方法,该方法通过实数编码、自适应多点变异等操作有效地优化了网络拓扑结构和网络参数,从而有效缩小了网络规模和提高了BP网络训练的速度以及收敛的有效性.最后结合了番茄常见病害诊断的实例说明了此方法的可行性.