基于邻域粗糙集和决策树算法的核电厂故障诊断方法

核动力装置系统复杂,需要采集和监测的变量较多,这给装置故障诊断增加了困难。针对该问题提出基于邻域粗糙集的参数约简算法,该算法实现了实数空间的粒度计算,可直接处理数值型参数,无需离散化参数。在此基础上,采用决策树算法对核电厂的失水事故、给水管道破裂、蒸汽发生器U形管破裂和主蒸汽管道破裂等4种典型故障进行训练学习,并将诊断决策结果与支持向量机算法进行对比。仿真结果表明,该算法可快速、准确地诊断出核电厂上述故障。     

基于集成学习的核电站故障诊断方法

核电站系统复杂,需要采集和监测的变量较多,给核电站的故障诊断增加了困难。针对该问题提出集成学习算法,对核电站的失水事故、给水管道破裂、蒸汽发生器U型管破裂和主蒸汽管道破裂等4种典型故障进行训练学习,并分别在正常情况下和参数缺失情况下进行仿真实验。仿真结果表明,该算法在参数缺失的情况下仍能得到较好的诊断结果,具有良好的容错能力和泛化能力。     

时尚的异想世界——概念瓷器

瓷器，是我们不可或缺的居家饰物，尤其是对于拥有时尚观念的现代人而言，倍显“舍我其谁，宏而爱之”的前沿境界。简洁、优雅、温馨、实用等诸多优势，使其逐渐成为家饰品里的大家族，所散发出的每一处亮点，都在准确地诠释着“时尚”个性居家的生活真意。     

基于时序数据挖掘的核电厂故障诊断技术研究

将时序数据挖掘引入核电厂故障诊断,把核电厂的故障诊断当作序列监督学习问题来对待,并采用滑动窗算法将序列监督学习问题转化为经典的监督学习问题.针对反应堆失水事故( LOCA)进行的仿真实验结果表明,在采用滑动窗算法后,诊断精度有一定的提高,再进一步对滑动窗内的时序数据进行特征提取后,诊断精度有了更大的提高,可以解决经典算...     

CCPSO优化支持向量机的鸟声识别技术研究

鸟类是生态系统中的重要组成部分，鸟类物种的多样性对生态环境有重要作用。所以，通过鸟声信号来识别鸟类从而对其进行保护有现实意义。文章对鸟声信号采用双参数的双门限法进行分段，从鸟声信号中寻找出声音的起始点和终止点的具体帧，进一步进行特征提取，提取每段鸟声信号中的短时能量和短时平均幅度，短时语谱图中的平均值、对比度、熵，共5种特征，采用优化参数的支持向量机进行鸟类物种分类。结果表明，基于混沌云粒子群优化(Chaos Cloud Particle Swarm Optimization, CCPSO)的支持向量机对比普通支持向量机的分类准确度得到提升，可有效地识别鸟类。利用该方法实现鸟类物种保护和生态系统管理的目的。