基于自适应模糊聚类的多模型染纱能耗软测量

针对染纱生产的工艺能耗测量问题,提出一种基于自适应模糊聚类的多神经网络的染纱能耗软测量方法.该方法采用自适应模糊C均值聚类算法,基于实时采集的样本数据,将训练集划分成不同聚类中心的子集,并自适应修正.每个子集用径向基函数网络训练得到子模型,然后根据聚类后的隶属度,将各子模型的输出加权求和获得最后结果.通过对染缸能耗软测量建模,并对其进行仿真和典型实例研究,表明该方法具有良好的预测精度和鲁棒性,且与制造执行系统结合具有良好的在线测量能力.     

基于T-S模糊模型的辨识与控制

针对一类非线性系统,采用模糊辫识的方法建立系统的T-S模型,结合广义预测控制对模糊预测控制进行研究.应用模糊聚类和递推最小二乘法辫识T-S模糊模型的前提结构和结论参数.对于非线性系统来讲,T-5模糊模型有良好的描述特性,并结合广义预测控制的滚动优化,实现对非线性系统的有效控制.仿真结果说明了该算法的有效性.     

基于动态聚类的电力变压器故障诊断

本文提出了一种新电力变压器故障诊断的动态聚类方法，以人工免疫网络对故障样本进行免疫学习和记忆，提取表征故障样本的有用特征作为核可能性聚类算法的初始聚类中心，再用遗传算法动态选取聚类个数和中心实现故障样本的分类。该诊断方法经大量实例分析，并将其结果与BP神经网络等方法的结果相比，表明该算法具有较高的诊断精度。     

基于相似日和RBF神经网络的短期电力负荷预测

短期电力负荷预测中选取合适的相似日作为训练样本可以简化训练过程并提高预测精度。为了减小积温效应对相似日选取的影响,提出了一种根据综合相似度选取相似日的方法。通过将温度和其他负荷影响因素分别计算相似度,从而根据计算得到的综合相似度来选取相似日。此外,为了提高RBF神经网络的预测效果,将训练样本先用减聚类进行聚类,根据聚类结果设置模糊c-means聚类的初值,运用模糊c-means聚类来优化RBF神经网络的隐含层参数,最后结合相似日和改进RBF神经网络进行短期电力负荷预测。通过实际电力负荷数据的仿真分析验证了所提方法的有效性。     

直升机主减半主动反共振隔振技术研究

针对滚动轴承剩余寿命预测中的特征评估及模型优化问题，提出了面向轴承寿命的特征评估与模型优化的方法。该方法在轴承特征进行单调性与敏感性评估的基础上，对轴承运行状态跟踪能力进行量化评估，进而筛选出表征轴承性能退化的多维特征集。为了减少多维特征集之间相关冗余信息对寿命预测的影响，采用相似近邻传播（affinity propagation ,简称AP）聚类方法对多维特征集进行聚类和筛选。为了统一描述AP聚类后的特征对轴承退化状态的表征信息，采用自组织神经网络（self-organizing feature map ,简称SOM）构建轴承健康指数。最后，利用自适应混沌粒子群算法（adaptive chaos particle swarm optimization, 简称ACPSO）优化双指数模型预测轴承剩余寿命。试验表明，该方法可以准确描述轴承运行状态时期，并有效地预测了轴承的剩余寿命。     

基于县域经济发展的电力负荷预测方法

县域电力需求与县域经济的发展密切相关。为了能够客观、全面、科学地对县域电力需求进行预测,提出了一种基于县域经济发展的电力负荷预测方法。所提方法首先采用因子分析法和聚类分析法,对县域经济进行分类和发展预测,然后基于县域经济发展指标采用线性回归方程预测电力电量。以湖北省73个典型县为应用实例,采用历史数据对所提方法的正确性进行了验证,并给出了未来典型年份的县域电力负荷的预测结果。     

基于多模型建模的木材含水率测量方法研究

针对单一模型无法全面描述木材含水率的复杂非线性特性问题,本文提出一种多模型建模的方法测量木材含水率,该方法先用模糊C均值聚类算法将含水率等效电阻、进风口、出风口温度等数据分成具有不同聚类中心的子集,每一子集依据样本数分别采用径向基网络、支持向量积训练得出子模型,再用模糊聚类后产生的隶属度将各子模型的输出加权求和得到木材含水率测量的模型。通过实例验证了本方法与RBFNN建模对于木材含水率的检测,具有更好的泛化结果和测量精度。     

基于动态聚类的地面移动目标的低空跟踪

文中提出了一种基于动态聚类的地面移动目标低空跟踪方法。该方法根据目标跟踪的实际情况选择分类特征,确定聚类准则函数,采用动态聚类方法,依次对像平面上的象素进行子窗口聚类,然后对子窗口内的象素进行运动区域聚类,最后对运动区域的象素进行目标聚类,从而比较精确地获得被跟踪目标的重心位置,并将其作为下一帧的聚类中心。由此,目标跟踪的过程变成一个动态聚类的过程。该方法是一个非监督学习方法,简单实用,仿真实验也证明了该方法的有效性。     

基于系统辨识的PEMFC温度非线性建模与预测

针对质子交换膜燃料电池(PEMFC)等一类具有严重非线性的复杂被控对象，提出一种基于模糊模型的模糊预测算法，并对PEMFC系统进行建模。在建模过程中，采用离线学习和在线修正辨识出对象的模糊模型。其中，模型的参数通过模糊聚类初始化和离线反向传播算法进行学习，必要时可通过在线调整后件参数，以使得模型的预测精度能满足实时控制的需要。仿真和实验结果表明了该模糊辨识建模方法具有建模简单、模型精度高等优点，亦证明了该算法的有效性和优越性。     

基于有偏厚尾ARMAX模型的短期电价预测

基丁正态分布假设的时间序列分析模型不能有效地处理电价的有偏厚尾特征.在对电力市场现货电价的影响因素和波动规律综合分析的基础上,提出了一种基于有偏厚尾ARMAX模型的的短期电价预测方法.该方法采用正弦函数和基于正态分布概率密度函数的Gram-Charlier展开来描述多重周期性和有偏厚尾性,可同时考虑电价分布的多重周期性...     

Differential force microscope for long time-scale biophysical measurements

Force microscopy techniques including optical trapping, magnetic tweezers, and atomic force microscopy (AFM) have facilitated quantification of forces and distances on the molecular scale. However, sensitivity and stability limitations have prevented the application of these techniques to biophysical systems that generate large forces over long times, such as actin filament networks. Growth of actin networks drives cellular shape change and generates nano-Newtons of force over time scales of minutes to hours, and consequently network growth properties have been difficult to study. Here, we present an AFM-based differential force microscope with integrated epifluorescence imaging in which two adjacent cantilevers on the same rigid support are used to provide increased measurement stability. We demonstrate 14 nm displacement control over measurement times of 3 hours and apply the instrument to quantify actin network growth in vitro under controlled loads. By measuring both network length and total network fluorescence simultaneously, we show that the average cross-sectional density of the growing network remains constant under static loads. The differential force microscope presented here provides a sensitive method for quantifying force and displacement with long time-scale stability that is useful for measurements of slow biophysical processes in whole cells or in reconstituted molecular systems in vitro.     

Impedance spectroscopy using maximum length sequences: application to single cell analysis

A maximum length sequence (MLS) is used to perform broadband impedance spectroscopy on a dielectric sample. The method has a number of advantages over other pulse-based or frequency sweep techniques. It requires the application of a very short sequence of voltage steps in the microsecond range and therefore allows the measurement of time-dependent impedance of a sample with high temporal resolution over a large bandwidth. The technique is demonstrated using a time-invariant passive RC network. The impedance of single biological cell flowing in a microfluidic channel is also measured, showing that MLS is an ideal method for high speed impedance analysis.     

IEEE 1451网络化智能传感器的通用建模方法及应用

为提高网络化智能传感器的互操作性,在分析IEEE 1451标准传感器的定义和功能需求的基础上,利用统一建模语言(UML),分别从静态用例建模、动态顺序描述和系统部署3个层面构建了一系列面向网络化测控的通用型智能传感器系统模型,搭建了一款可用于在线检测绝缘子污秽状况的网络化智能传感器。相对于从传感器原型开始开发,该方法减少了60%以上的开发时间。实验结果表明,利用UML统一建模方法可以有效描述基于IEEE 1451标准的网络化智能传感器的简化模型,为后续研制及优化高性能的智能传感器提供理论参考和模型基础。建立的传感器模型具有通用性和可扩展性,能关联不同的物理接口;结合实际需求,可在该模型的基础上快速扩展构建所需的网络化智能传感器,能实现传感器的"即插即用"和实现良好的网络互操作性。     

Application of a flexible structure artificial neural network on a servo-hydraulic rotary actuator

In this article the results of the application of a flexible structure artificial neural network for controlling the angular velocity of a servo-hydraulic rotary actuator are discussed. A mathematical model for the system is derived, and a flexible artificial neural network (ANN)-based controller with the feedback error learning method as a learning algorithm is applied to the system. The neural network-based controller has a feed-forward structure and three layers. The flexible bipolar sigmoid function was used as the activation function of the network. The simulation and experimental results show good performance of the developed method in learning the inverse dynamic of the system and controlling the angular velocity of the rotary hydro motor. The advantages of the developed method for servo-hydraulic actuators over other traditional approaches are discussed.     

共享三维变换矩阵的模具工艺协同关键技术研究

分析了网络环境下模具协同工艺设计的关键技术,对比研究了三种工艺协同浏览方案及其开发技术,提出了共享三维变换矩阵的模具工艺协同浏览解决方案,讨论了共享变换矩阵的协同浏览原理,对模具网络协同工艺会商系统中异构CAD数据的轻量化中性交换模型选择、调用及控制方法进行了研究。设计了基于新方案的模具工艺协同设计系统功能框图,采用Java 3D技术开发了模具工艺协同原型实验系统。对三维变换矩阵、工艺白板、工艺命令流等封装、组播和提取过程进行了详细描述。该技术为多工艺专家协同完成大型复杂零部件成形模具工艺设计提供了技术支撑。     

二维位置敏感器件背景光消除的神经网络方法

位置敏感器件 (position sensitive detectors,简称 PSD)是一种可直接对其光敏面上光斑位置进行检测的光电器件 ,常用于非接触高精度动态位移监测。 PSD器件使用中的一个关键问题是如何克服背景光的干扰 ,以提高检测的精度和可靠性。根据 PSD的原理及特征方程 ,分析了存在背景光时 PSD输出信号是非线性的。提出一种基于神经网络的 PSD背景光非线性修正方法。利用神经网络具有逼近任意非线性函数的特点 ,通过训练使神经网络建立在不同背景光下 PSD输出与其标准值之间的非线性映射关系 ,实现 PSD全程跟踪补偿。计算机仿真表明 ,该方法能有效地消除背景光的影响     

基于VMD和LSTM模型的航空液压管路卡箍故障诊断

航空发动机液压管路-卡箍系统中卡箍振动信号具有非线性和非平稳性的特点,难以从卡箍故障信号中准确识别出其故障类型。针对该问题,提出了一种基于变分模态分解(Variational Mode Decomposition,VMD)-长短时记忆(Long Short-Term Memory,LSTM)神经网络模型的智能故障诊断方法。首先,利用遗传算法对VMD的模态分量k值和惩罚因子α进行参数优化;然后,将优化后的VMD对卡箍故障振动信号进行分解处理;最后,将分解后的模态分量输入LSTM网络中进行特征学习,从而实现卡箍故障的识别。实验表明:该方法实现了对卡箍螺栓松动状态、根部断裂状态、衬垫磨损等3种典型故障的精准识别,故障总体识别准确率能够达到98.5%以上,有效地提高了航空液压管路卡箍故障识别的准确率。     

神经网络在直接力矩控制中的研究及应用

提出了利用多层神经网络取代传统开关状态选择器在感应电动机直接力矩中的控制以获得最优的开关状态量的方法。利用MATLAB/MULINK软件做的直接力矩控制的仿真系统包括感应电动机、逆变器开关、触发电路和控制电路。在选定了代表开关状态选择器的最优神经网络后 ,设计了神经网络结构图并进行了验证。为了确定神经网络的可靠性和稳定性 ,将其作为直接力矩控制系统的一部分进行了仿真试验 ,结果表明神经网络直接力矩控制系统优于传统的直接力矩控制系统     

无线传感网络APIT定位算法的改进

通过对无线传感网络APIT定位算法的研究,知道该算法在定位精确度、定位覆盖率等方面存在较严重的问题。利用移动锚节点在异构传感器网络中的优势,结合TDOA测距算法,并综合考虑整个网络的锚节点部署及优化方法,提出一种APIT定位算法的改进算法。通过仿真实验对改进后的定位算法的性能进行定性分析。改进后的算法在定位精确度、定位覆盖率等方面要明显优于传统定位算法。     

神经网络在非石棉垫片分类中的研究

提出运用神经网络的分类方法来对已知的15种非石棉垫片的配方数据进行分类。分别运用神经网络中的PNN,LVQ和SOM神经网络对其进行分类。结果表明,PNN神经网络和LVQ神经网络在所提供的数据中均能进行有效的分类,而SOM的分类结果则不太理想。