基于改进连续型Hopfield神经网络的CAN总线负载率优化

CAN总线负载率对于车载总线的安全性与时延性有至关重要的作用。鉴于传统的连续型Hopfield神经网络(CHNN)在解决此类问题时存在惩罚参数鲁棒性差和所得解易陷入局部最优的缺陷,本文借助模拟退火算法中的蒙特卡洛思想,提出应用于CAN总线负载率优化问题的改进连续性Hopfield神经网络算法(SA-CHNN)。选取微型电动车中99条通信信号作为实验数据进行测试,结果表明,SA-CHNN算法成功解决传统CHNN算法求解CAN总线负载率优化问题的不足,具有明显的优越性。最后,基于搭建的Simulink-Speedgoat CAN总线实验平台对SACHNN算法得到的最优信号分配的报文进行实时负载率仿真验证,结果表明SA-CHNN算法的准确性。

基于注意力机制和多传感器信息驱动模型的水轮发电机组故障预测系统

为满足水轮发电机组在大数据背景下的故障预测需求,结合注意力机制特征提取能力强的特性和多传感器信息驱动可提高模型鲁棒性的优点,提出了一种基于注意力机制和多传感器信息驱动(Bi-GRU-Attention)模型的水轮发电机组故障预测系统,并将其应用于湖南省某水电站#8机组8月在线监测数据中。实际运行结果表明,该系统有效预测了水轮发电机组的振动趋势,实现了水轮发电机的智能预测。