基于改进的SOM神经网络在水质评价分析中的应用

随着人们对水资源环境的日益重视,各种水质评价方法层出不穷.传统的水质评价方法多采用精确的数学模型进行描述,无法很好的反映水环境中存在的复杂非线性关系,从而影响整体评价结果.因此,本文提出采用一种改进的自组织特征映射神经网络(SOM)方法来进行水质评价,利用SOM神经网络能在无监督、无先验知识的状态下对样本进行自组织、自学习,实现对样本的评价与分类这一特点.通过引入主成分分析,解决SOM神经网络处理高维和相关性强的指标时出现的问题,提高网络收敛速度和聚类准确性.仿真结果表明:改进后的SOM神经网络能够直观准确地评价水体质量,反映水质整体状况.     

基于PCA-SOM神经网络的反舰导弹作战目标分类模型

针对我军缺少对反舰导弹作战目标分类研究的问题,提出了基于PCA-SOM神经网络的反舰导弹作战目标分类模型。该方法能够消除评价指标间的重复、冗余信息,保证SOM网络数据综合和映射功能的同时,解决其学习速度和无效神经元的问题。实例分析表明,该分类模型能够依据目标价值准确完成反舰导弹作战目标的分类。     

基于KPCA的航空发动机滑油滤磨屑图像识别

针对目前航空发动机滑油滤的检查仍处于目视定性检查水平,检查结果依赖人员的经验,既主观又无定量依据的现状,研究了基于图像识别的航空发动机滑油滤磨屑检测技术。首先构造了油滤图像检测硬件系统;然后提出了利用核主成分分析(kernel principle component analysis,KP-CA)对滑油滤图像进行特征提取的方法;最后,利用实际采集的滑油滤图像进行了实例分析,并与普通的主成分分析(principle component analysis,PCA)方法进行比较。结果表明,KPCA方法可以更为有效地提取出滑油滤图像的磨损状态特征,能够有效地提高发动机磨损故障预报的准确率。     

基于粒子群优化SOM神经网络的轴系多振动故障诊断

针对自组织特征映射神经网络(SOM)在多振动故障诊断中出现的不能对所有可能故障完整分类和明显区分的缺点,提出基于粒子群算法优化的SOM神经网络.利用粒子群优化算法易实现、收敛快等优点,对SOM神经网络的参数进行优化,并用优化后的SOM神经网络对轴系故障进行仿真诊断.仿真诊断结果表明,粒子群算法优化的SOM神经网络比SO...     

高速列车牵引变流器故障诊断研究

针对高速列车牵引变流器冷却滤网状态异常引发的牵引变流器故障问题,通过综合分析牵引变流器故障分类和滤网堵塞程度之间的相关性,提出一种基于多任务深度学习的故障诊断方法。首先,构建了包含牵引变流器故障诊断主任务及滤网堵塞程度子任务的多任务深度神经网络（multi-task deep neural networks,简称MT-DNN）;然后,为了准确预测牵引变流器失效退化趋势,将多任务深度神经网络预测结果与自组织映射（self organizing map,简称SOM）方法结合,构建了多任务深度神经网络自组织映射模型（multi-task deep neural networks self-organizing map,简称MTDNN-SOM）,该方法根据历史故障数据特征变量演化规律定义退化状态曲线,直接反映故障特征量和退化状态之间的关系,最终实现了牵引变流器滤网脏堵故障诊断和维修预测。试验结果表明,该方法在精度和效率上都明显优于单任务或传统故障诊断方法,得到了较好的效果。     

制造装备智能优选及快速的设计方法

针对企业在制造装备选择效率低、现有数据利用不足的问题.本文提出了一种改进的自组织特征映射(SOM)神经网络联合模糊近似优先比的方法.基于数据挖掘技术,对制造装备优选数据预处理方法开展了研究,改进了SOM神经网络中欧氏距离计算方法,引入贡献率对历史方案数据进行加权处理,构建了多特征数据的融合模型,联合了模糊近似优先比方法...     

液压投堵车的开发与应用

液压投堵车是用于油田不压井作业过程中油水井管柱堵塞的专用车，通过采用液压控制的绞车系统把专用的高压特长毛细钢管作为输送手段将用于油水井堵塞的专业堵塞器起下到井底准确位置，并利用该车设计的高压水泵产生高压水流启动堵塞器在井底做封，堵塞住油水井管柱中液体，实现油水井在带压的情况下安全起下管柱进行作业。和传统的手抛堵塞器再通过油管打压做封的方式相比具有起下定位准确，打压做封彻底，提高了油水井堵塞的成功率和准确性。降低了作业成本，提升了作业效率。     

滚动轴承振动诊断的SOM神经网络方法

归纳和总结了SOM神经网络多参数诊断法的实施步骤,阐述了轴承故障与振动信号之间的关系以及SOM神经网络的工作原理和实现过程,通过试验研究,提取了反映滚动轴承故障类型的振动信号的特征参数,以构建训练神经网络的特征向量,利用MATLAB 7.0人工神经网络工具箱(ANN)模拟和仿真SOM神经网络,然后用训练后的SOM神经网络对故障模式进行识别。     

地铁车辆电动塞拉门的剩余寿命预测

针对地铁车辆客室电动塞拉门传动装置润滑不良的问题,提出了基于自组织映射（SOM）神经网络、隐马尔可夫链（HMC）模型和蒙特卡罗（MC）仿真的剩余使用寿命预测方法。该方法首先对采集到的电机电流信号进行特征提取;然后利用SOM对提取出的多维特征数据进行融合与编码,将所得结果作为HMC的输入向量,训练得到全部寿命下劣化状态转移矩阵;最后利用MC方法实现对其劣化过程的剩余使用寿命预测。故障模拟实验结果表明,该方法可以在考虑润滑不良故障模式下,有效预测得到电动塞拉门丝杆的剩余使用寿命。     

改进粒子群算法和ELM的刀具磨损量预测

为了提高车刀磨损量预测模型的训练速度和在线预测精度,提出了一种基于改进粒子群算法（Improved Particle Swarm Optimization,IPSO）和极限学习机（Extreme Learning Machine,ELM）的刀具磨损量预测方法。采集车削加工中的声发射信号,利用小波包变换理论对信号进行降噪和特征提取,并通过主成分分析对提取的特征进行降维,选取其中对刀具磨损量敏感的特征值组成特征向量。建立基于极限学习机的刀具磨损量预测模型,并通过改进粒子群算法优化模型中的初始权值和阈值。实验结果表明：优化后的刀具磨损量预测模型相比于传统BP神经网络有更快的训练速度,同时改进后的粒子群算法有更好的寻优能力,提高了模型对于刀具磨损量的预测精度。     

基于KPCA-SOM网络的列控RBC系统故障诊断方法

无线闭塞中心(RBC)系统是CTCS-3级列控系统的核心设备,在现场其故障分析主要依靠人工完成,诊断结果不精确、效率低。因此,提出了基于one-hot模型、核主元分析(KPCA)和自组织映射(SOM)网络的RBC系统智能故障诊断方法。首先,通过人工选取的故障特征词库和故障追踪记录表构建基于“one-hot”模型的故障文档矩阵;其次,利用核主元分析方法对故障文档矩阵进行降维降噪处理,避免信息冗余;最后将处理后的数据输入至SOM网络,训练生成KPCA-SOM故障分类模型。通过与BP神经网络算法、SOM网络算法比对分析,KPCA-SOM智能诊断方法可有效地对列控RBC系统常见故障类型进行区分,并且在准确率和处理效率上进一步优化提升。     

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。     

基于改进灰色神经网络的液压泵寿命预测

改进了GM(1,1)模型,提高了其精度和适应范围;将改进的GM(1,1)模型与神经网络预测模型相结合来构建灰色神经网络组合预测模型;提出了基于支持向量机的液压泵寿命特征启发式搜索策略,以液压泵寿命特征参数特征集的交叉验证错误率为评价指标,从液压泵的特征参数（振动、压力、流量、温度、油液信息等）中选取寿命特征因子;运用小波阈值降噪法进行降噪处理,提取典型的小波包能量特征作为模型的输入。以齿轮泵为例,将改进的灰色神经网络预测模型与原始GM(1,1)模型和改进GM(1,1)模型比较可知,灰色神经网络预测模型预测精度最高,达到98.42%。     

基于深度语义分割的多源遥感图像海面溢油监测

针对遥感图像海面溢油区域通常受到斑噪声以及强度不均等因素的影响,从而导致溢油区域监测效果较差的问题,本文引入了深度语义分割的方法,将深度卷积神经网络与全连接条件随机场相结合,形成端对端连接。以Resnet结构为基础,首先通过深度卷积神经网络对多源遥感图像粗分割并作为输入,然后经过改进的全连接条件随机场,利用高斯成对势和平均场近似定理,建立条件随机场形成递归神经网络作为输出。通过多源遥感图像对海面溢油区域进行监测,并利用可见光图像估计溢油区域面积。实验在所建立的多源遥感图像数据集上与其它先进模型进行对比,结果表明本文方法提高了溢油区域的分割精度以及精细细节程度,平均交并比为82.1%,监测效果具有明显地改善。     

Quantitative identification of illicit drugs by using SOM neural networks

Qualitative identification of THz spectra of illicit drugs using self-organization feature map (SOM) artificial neural network has been demonstrated. In this paper, investigation results show that SOM has quantitatively identified drug mixtures successfully. Based on Beer’s law THz spectra data of various drug proportions were made for training dates. After analyzing the clustering algorithm of SOM, we introduced a parameter named shortest distance as a quantitative criterion for identification result. By this parameter, an automatic recognition algorithm has been developed and successfully applied to the content identification of experimental samples. Combined with our previous work, the SOM neural network can be an integrated and effective method in the identification the THz spectra of illicit drugs.     

小波神经网络在CCD图像噪声处理中的应用

目的：CCD相机响应功能的非线性,导致了CCD噪声模型的复杂性,使得滤波效果不佳,本文提出一种针对于数字图像中CCD噪声的小波神经网络滤波器。方法：首先,分析CCD噪声模型,找出导致CCD噪声模型复杂的原因——CCD相机响应功能（camera response function简称CRF）的非线性;接着,在对ANS滤波器分析的基础上,针对影响滤波效果的两大问题：滤波窗口和图像强度,将小波神经网络非线性逼近CCD噪声曲线,按照噪声参数对图像进行区域划分并分配相应的权值,然后结合相应的非线性滤波器进行针对性滤波,最后综合输出。结果：实验结果表明：本文改进的滤波器滤波效果明显,信噪比得到进一步提高（24.65）。结论：利用神经网络良好的非线性函数逼近性,将其结合ANS滤波器构造出神经网络非线性ANS滤波器（NN-NANS filter）,试验结果表明,该滤波器在去除噪声的同时边缘细节也得到了很好的保留,同时提高了信噪比。     

基于改进卷积神经网络的燃气调压器故障识别研究

针对传统故障识别方法不仅过分依赖专家经验对故障特征进行提取且识别准确率不高的问题,在深度学习理论基础上,提出了一种将一维卷积神经网络与SVM分类器相结合的改进深度卷积神经网络,实现调压器“端到端”的故障识别。首先,介绍了传统卷积神经网络结构;其次,将改进后的一维卷积神经网络与SVM相结合,提出了基于1-MsCNN-SVM算法的调压器故障识别模型,并对模型的组成部分进行了介绍;然后,通过对比实验确定了模型的卷积核长度和卷积层组数;最后,为验证模型的有效性,基于燃气调压器故障数据集,开展了燃气调压器故障识别研究。研究结果表明,改进后的1-MsCNN-SVM算法故障识别准确率高达99.20%,模型具有较好的分类准确率。     

净油储罐运行状态识别与故障诊断技术研究

为了实时、准确地判断净油储罐运行状态，本文提出了一种基于聚类分析和专家系统相结合的状态模式识别方法，有效地解决了传统判别方法存在的误判问题，并且利用离散Hopfield网络对联合站所有净油储罐的运行过程故障状态进行了正确识别，确保了原油集输系统的稳定、安全、高效运行，提高了整个原油集输系统的工作效率。实践表明，本文提出的状态识别与故障诊断方法具有很好实用价值。