发动机故障多级融合诊断研究

针对神经网络中两种常用的网络类型BP和Elman,在发动机故障诊断中的应用过程的特点——各自网络都有自身缺陷,提出基于BP-Elman神经网络与证据理论相结合的多级融合故障诊断方法;首先BP-Elman网络得出其各自的初步诊断结果,经过必要的转换将其转换成证据理论的概率赋值;证据理论组合规则将初步诊断结果融合得出决策级诊断结果;通过对某柴油机燃油喷射系统的故障诊断过程表明,该模型经过尽可能地融合有效故障信息,大大提高系统的诊断精度和诊断正确率,而且有效降低了系统的不确定性。     

Verilog HDL阻塞属性探究及其应用

阻塞赋值与非阻塞赋值语句作为verilog HDL语言的最大难点之一,一直困扰着FPGA设计者,而其中的错误又隐晦莫测,理解不透彻会直接导致运用不当,使设计工程达不到预期效果,而排错又相当麻烦.阻塞赋值与非阻塞赋值语句既血脉相连,又有本质的区别.透过原理和实际应用.从不同侧面对阻塞赋值与非阻塞赋值进行剖析,并阐述了阻塞赋值与非阻塞赋值的各自特点及其应用.     

BP神经网络在预测物流成本中的应用

影响物流成本的因素过多且较复杂,采用简单的猜测试赋值有较大的主观性,因此物流成本预测问题是一个非常复杂的非线性问题.本文根据物流成本与其影响因素之间映射关系,建立了BP神经网络模型,将其应用于物流成本的预测.实验结果表明,该模型具有较高的精度.     

多传感器数据融合技术在故障诊断中的应用

利用多传感器数据融合的方法进行故障诊断,建立融合故障诊断系统.将故障诊断系统按数据融合的方法分为数据级融合模块、特征级融合模块和决策级融合模块.数据级融合模块主要对多传感器的测量信号进行处理,提取出故障诊断的特征信息.特征级融合模块采用3个结构相同的并行神经网络,一是进行局部诊断;二是获得决策级D-S证据理论的基本概率赋值.决策级采用D-S证据理论的方法对特征级局部诊断的结果加以融合,得到最终的诊断结果.利用此系统在汽轮机转子试验台架上进行了故障诊断,得到了令人满意的结果.     

基于XML的信息安全风险评估系统研究与开发

针对典型的信息安全风险评估要求,提出了综合的评估流程,完成了系统的设计和实现.系统信息库设计时除去了大量繁冗的信息;评估识别时,对资产、威胁和脆弱点的内容进行了详细地分类;评估赋值时,在单一的系统赋值基础上扩展了用户和专家同时参与的功能.同时,在风险矩阵计算的前期工作中加入了对系统、用户和专家赋值综合考量的处理思想.基于JavaEE及XML等上乘主流技术开发方案为该系统的安全性,多平台适应性提供了良好的条件.     

基于分布式传感器信息融合的辐射源识别

针对辐射源识别中基本概率赋值函数(BPAF)获取的难题,提出基于模糊集、灰关联分析和特征参数相似度的3种BPAF获取法,推演了获取BPAF的数学关系,建立了基于分布式传感器数种基本概率赋值获取法的信息融合辐射源识别模型,利用该模型进行了识别实验.识别过程中进行了多周期时域融合与分布式传感器窄域融合,并在不同信噪比下与模板匹配法作识别率比较.实验对比结果表明,分布式传感器信息融合识别法是有效的,辐射源平均识别率超过90%.     

基于灰色系统预测威胁赋值方法

资产、威胁、脆弱性是信息安全风险评估的三个基本要素,在风险评估过程中首先必须对这三个要素识别与赋值,赋值的准确度关系到评估结果的科学性和客观性。依据威胁的统计属性,提出用灰色系统预测给威胁赋值的方法,通过建立灰色系统预测模型、灰色微分方程计算、残差检验,用历史数据预测评估本期威胁出现的频率,再经过威胁频率等级化处理,进...     

C＋＋中拷贝构造函数和赋值运算符函数的比较研究

本文首先探讨了浅拷贝和深拷贝问题,说明定义拷贝构造函数和赋值运算符函数的必要性,其次对二者从定义过程、使用中的区别和定义形式上进行了详尽的分析比较。     

基于特征融合的被动声纳目标识别

在被动声纳目标的分类识别中,不同的特征提取方法提取的特征反映了噪声信号不同的特性,一般情况下,很难做出某种方法优劣的判断.如何把这些不同的特征提取方法提取的特征矢量融合起来,对被动声纳目标分类识别非常有意义.在应用数据融合的方法对基于倒谱的特征提取方法、基于局域判别基的特征提取方法和基于听觉响度特征提取方法提取的特征矢量进行融合.提出了基于正态分布的概率密度函数的确定基本概率赋值的方法,利用三种特征提取方法对水声目标噪声信号进行特征提取,对提取的特征矢量进行融合,并进行分类实验,结果表明,特征融合使分类过程中的不确定性样本数减少,从而相应地提高目标分类的正确概率.     

VBA编程实现批量对等高线赋值

通过VBA编程对多线段的标高进行赋值,从而实现批量对等高线赋值,提高作图效率。