基于混合型鲁棒输入训练神经网络的非线性数据校正方法及其应用

提出了一种基于混合型鲁棒输入训练神经网络的非线性数据校正模型,在基于过程数据的神经网络模型中引入了反映过程机理的约束方程.根据所提模型的网络结构,采用罚函数法将约束方程加入到网络训练目标函数中,并采用BP算法推导出该网络的学习方法,进而给出了基于该方法的数据校正流程.分别以一个五维非线性系统和某1 000 MW机组1#高加测点为对象进行算例分析,结果表明:所提出的模型能正确检验出测量数据中的不良值,具有良好的鲁棒性;在完成数据校正的同时还能保证重构数据满足相应的系统机理约束条件;在多测点同时发生故障时,也能保证数据校正的准确性和可靠性.     

自动电压控制中不良数据的辨识

自动电压控制(AVC)系统由于缺乏对发电厂遥测量数据真实性的有效和准确辨识,容易引起装置误动.支持向量机(SVM)是一种具有优良模式识别性能的数据挖掘方法.文中利用SVM建立发电厂遥测量不良数据的辨识模型:首先应用SVM非线性回归对各种运行情况下发电厂的遥测量数据进行曲线拟合,然后应用SVM训练分类网络.将实时遥测量数据输入到训练好的曲线拟合网络和分类网络中,就能够迅速判断该遥测量数据是否为不良数据.仿真算例验证了SVM模型的有效性和准确性.     

木糖醇发酵过程的软测量研究

针对木糖醇发酵过程中木糖醇浓度不能在线测量和影响发酵过程控制的情况,使用软测量技术来估算木糖醇的浓度和底物浓度,使用动态BP网络作为软测量模型,并确定了10个隐含层节点的网络拓扑结构,使用LM算法训练网络。用未经训练的数据检验软测量模型,取得了满意的逼近效果。实现了木糖醇发酵过程木糖醇浓度和底物浓度的间接实时测量。     

基于APCA的电站热力过程故障传感器自适应检测方法

为自动适应电站热力过程的连续变化,提出了基于APCA的电站热力过程传感器故障诊断方法,通过模型参数的自动更新,使模型及时反映当前的系统状态,从而连续可靠运行.对PCA重构残差进行研究,在对电站实际测量数据可靠性分析的基础上提出了参数自适应预估计方法,利用预估计值来替代故障数据,以抑制残差污染,提高重构参数的准确性.利用电厂实际测量参数进行了算例分析,表明所提算法能很快适应系统状态变化,并给出正确的检测结果,即使在系统同时存在多个传感器故障时,通过对不良数据的检验,也能够获得准确的重构数据.     

基于免疫机制的径向基函数网络动态训练方法

提出了一种针对动态系统的两级径向基函数（RBF）网络训练方法.该方法借鉴自然免疫系统的动态特性和自适应处理能力,将RBF网络的隐层节点分为粗、细拟合节点,分别对动态系统中的稳定部分和突变部分作不同强度的训练.通过自适应免疫机制,较大地降低了计算复杂度,提高了系统的动态追踪能力.仿真结果表明,所提出的方法能较好地平衡训练精度与收敛速度的矛盾,达到了很高的性能.
     

基于动态分类算法的入侵检测系统

为了使分类方法适合网络入侵检测系统在线、实时的特点,根据自适应谐振理论提出了基于联想和竞争学习的动态分类算法。算法采用改进的胜者全得方法训练神经网络,通过估算类别数目方法优化初始系数。该算法能防止分类时丢弃特殊模式,并能对未知类别数量的数据动态进行分类,实验采用相同的数据集训练自适应谐振理论网络和动态分类网络。结果证明,动态分类算法具有良好的收敛性和模式分类能力。将该算法应用于入侵检测系统的网络行为智能学习,其误报率仅为10%左右。     

基于核主元分析和动态递归模糊神经网络的软测量建模

针对软测量建模过程中的误差数据剔除、特征提取,及模型的动态辨识问题,提出基于核主元分析和动态递归模糊神经网络软测量建模方法.首先,利用样本间马氏距离进行样本相似程度分析,去除样本中错误数据以确保数据质量;然后利用核主元分析提取系统的非线性主元,作为动态递归模糊神经网络的输入;最后利用新样本数据训练动态递归模糊神经网络.将该方法应用于赖氨酸发酵过程的产物浓度预测,仿真结果表明该方法具有较高的预测精度,满足现场测量要求.     

自动电压控制中不良数据辨识的研究

自动电压控制（AVC）系统由于缺少对发电厂遥测量数据的真实性进行有效和准确地辨识,容易引起装置误动。支持向量机（SVM）是数据挖掘中一种具有优良模式识别性能的新方法。本文提出了利用SVM建立辨识发电厂遥测量中不良数据的模型：首先应用SVM非线性回归对各种运行情况下发电厂正常的遥测数据进行曲线拟合（即训练）;然后运用训练好的模型对历史遥测数据(包括正常遥测数据和不良遥测数据)进行预测,取得预测值与实际遥测数据的误差百分比;再结合历史遥测数据正确与否,应用SVM分类功能训练分类网络;最后将实时遥测数据输入到训练好的曲线拟合网络和分类网络中,就能够迅速判断该遥测数据是否为不良数据。仿真算例验证了SVM模型的有效性和准确性。     

一种数据表实时备份系统的高速缓存方法

通过分析Oracle数据表实时备份系统中本地数据的生成速度和网络速度的不匹配所引发的问题,提出了一种基于内存映射文件的高速缓存方法.该方法通过与指针访问动态内存相同的方式来访问磁盘上的文件,从而实现快速高效地读写数据.并引入了一种基于二分法的探测报文速率的带宽测量技术,使系统能动态地适应网络状态.实验表明,该方法不但能使系统具有良好的实时性,而且保证了系统在不同网络状态下具有良好的稳定性和动态适应能力.     

决策树与神经网络结合的入侵检测系统模型研究

入侵检测系统是保证网络信息安全的有力手段,文中提出一种结合决策树和神经网络的入侵检测系统框架。决策树分类方法把数据集划分为正常数据和入侵数据,并作为训练集分别用神经网络进行训练,改善了系统的检测精度并提高了对未知数据的检测能力。离线训练后的系统可以实现网络数据的实时检测,通过实验证明了此系统很好的检测效果和自适应能力。     

MIMO准线性神经网络的研究与建模

给出了多输入－多输出（MIMO）的准线性神经网络（PNN），采用递推预报误差的二阶算法作为训练方法，讨论了PNN的收敛性，通过对多变量、强耦合的非线性加热炉的动态建模，表明这种神经网络建模方法具有效果良好、参数少、收敛快且准确性高的特点。     

基于输出反馈的网络系统控制器的设计

对网络控制系统进行分析,在考虑网络诱导时延和数据包丢失的基础上,基于一定的数据包丢失率和不大于一个采样周期的时延建立数学模型,研究了动态输出反馈网络控制系统指数稳定性和控制器设计问题,将系统建模为结构事件率约束的异步动态系统.利用线性矩阵不等式方法推导出网络接通率约束的系统指数稳定的充要条件,给出了确保系统稳定的控制器设计方法,仿真实例说明研究结果是有效可行的.     

伪线性神经网络

给出了多输入－多输出（MIMO）的伪线性神经网络（PNN）结构与模型。PNN的构成是基于Gain-schedu-ling 控制技术与扩展线性化方法。还讨论PNN的递推预报误差的二阶学习算法（RPF）和训练过程中，并通过对多变量、强耦合的非线性加热炉的动态建模,证明了用PNN建模，效果良好，且具有训练参数少，收敛 速度快，准确性高等良好性能。     

基于GML的空间数据动态集成及应用研究

在分析GML数据格式和几何特征基础上,提出一个基于GML的空间数据动态集成框架,探讨了数据动态集成过程,并以福建省漳浦县绥安镇的林业数据为样本,进行了动态集成应用示范.结果表明,应用GML对空间数据进行动态集成,是在现有网络环境下以矢量方式进行数据传输、交换、集成海量空间数据最有效的方法.     

基于动态模糊神经网络的配电网规划供电可靠性评估

传统的供电可靠性评估方法是以准确的配电网结构和多年的元件可靠性历史数据为基础进行评估,难以实现对城市配电网规划方案的供电可靠性评估.为此本文提出一种基于动态模糊神经网络的配电网规划供电可靠性评估方法,首先对供电可靠性的影响因素进行分析,建立供电可靠性评价指标体系,然后利用动态模糊神经网络对规划目标年的供电可靠性进行评估,算例表明,该方法是有效的.     

网络安全监测

“网络安全监测”通过实时分析网上数据流来监测非法入侵活动，并根据监测结果实时报警、响应，达到主动发现入侵活动、确保网络安全目的。系统由嗅探器、监测中心、远程管理服务器等构成，采用基于模式、基于统计2种方法发现入侵。方案技术的关键是入侵识别，解决的主要难点是数据流实时性与查询速度矛盾、入侵模式动态添加等问题，具有漏洞自检、智能分析、双向监测等功能。它是传统网络安全产品的强有力助手、是对付越演越烈的网络入侵的重要工具。     

工业以太网络控制系统的建模及其控制器设计

为了解决多种现场总线难以集成的难题,提出基于工业以太网的网络控制系统.研究同时具有网络诱导时延和数据包丢失的工业以太网络控制系统的建模问题.假设数据包丢失率一定,网络延时不大于一个采样周期,将工业以太网络控制系统建模为具有事件率约束的异步动态系统.针对对象状态不完全可测情况,研究采用动态输出作为反馈的网络控制系统指数稳定问题,给出确保系统稳定的动态输出反馈控制器的设计方法,并通过仿真算例证明该方法的有效性.     

带动态因子调整模糊神经网络控制器的研究

探讨了将模糊规则的提取和推理转化为人工神经网络参数的确定及神经计算，提出一种具有自学习功能的模糊神经网络（ＦＮＮ），并用因子动态调整逼近法，解决了系统中静态误差和积分饱和等问题．     

基于神经网络的GPS坐标转换方法研究

全球定位系统(GPS)与地理信息系统(GIS)结合是湿地研究的关键技术之一.将神经网络方法用于GPS全球坐标系统和地方坐标系统之间数据坐标转换研究中,建立了三层前馈神经网络模型.训练方法采用Levenberg-Marquardt算法,并改进其性能函数以提高网络的泛化能力.对神经网络模型的建立、网络的训练方法、仿真曲线、神经网络的输出结果进行了详细的讨论.仿真结果证明改进的Levenberg-Marquardt算法适用于GPS数据坐标转换问题.选择松辽流域为研究区域,以流域内扎龙湿地为中心进行了考查.结果表明,神经网络方法能够建立坐标转换的复杂模型,是一种效率高、准确性高的方法,在湿地保护的动态数据分析方面具有一定的意义.     

多模式无线数据采集动态神经网集成融合算法

针对现有数据采集系统中采用有线方式或单一无线方式传输数据存在的问题,诸如:安装不灵活、稳定性差,提出了一种多模式无线数据采集系统的设计方案。新方案有机地结合了蓝牙、IEEE802.11b、HomeRF和nRF2401各自的特点,使得系统可以灵活、准确、有效和低成本地进行无线数据采集与传输,并提高了数据采集系统的抗干扰能力。在对数据的融合中,提出了一种动态神经网络集成算法。该算法采用动态聚类算法实现对各个体神经网络输出数据的集成,较为有效地克服了单个神经网络泛化能力差的缺点。