串行分组深度学习运行状态分析与故障预测

在现代工业生产运行中,如何充分挖掘海量的多源异构生产运行数据,实现异常工况的快速检测和故障预测,有效提高工业生产设备的可靠性,仍然是研究的难点。提出一种基于串行分组深度学习的工业生产运行状态分析与故障预测模型,针对时间序列突变故障设计了串行分组深度学习网络框架,实现目标对象的故障检测与预测,及时发出故障预警。通过对某造纸厂数据以及风力发电频率监测数据进行测试,并与传统神经网络预测模型进行对比分析,表明了所提算法的准确性,为提高生产设备使用寿命、减低工业生产成本,提高安全稳定运行起到重要作用。

在线教育系统学习路线管理模块的设计与实现

随着时代的发展,在线学习成为当今重要的学习方式之一,也产生了很多在线学习系统,但是目前的在线学习系统都没有预设学习路线和修改学习路线这个功能,无法监督学习者的学习状态,不方便教学管理。文章以辽东学院课程中心为例主要讲述在线学习系统预设学习路线模块的课程关系的分析、数据库表的建立、学习路线预设与修改等技术,建立串行学习路线预设、并行学习路线预设和混合学习路线预设框架模型,并对其中的关键技术的实现做了详细的叙述,希望能为开发者提供一个实用模型,并且希望对其他应用的建设有一定的借鉴作用。

基于广义生长-剪枝径向基函数神经网络的谐波源建模

采用广义生长-剪枝RBF神经网络建立稳态频域的谐波源模型。在该模型中,各次谐波电流的幅值和相角与各次谐波电压的幅值和相角以及负荷特征参数的非线性映射关系通过一种新颖的广义生长?剪枝RBF网络进行建模。该网络的学习算法是串行的,可以进行动态建模。算例计算表明,该模型具有训练时间少、精度高、可动态建模等优点。

一种提高CMAC神经网络收敛性的改进算法

为了克服CMAC(Cerebellar Model Articulation Controller)算法收敛不稳定问题,该文提出了一种提高CMAC神经网络收敛性的改进算法.首先将收敛条件扩展到一般情况,得出了当量化区间内训练样本均匀分布且学习速率不恒为1时,得到CMAC收敛的频域条件,分析并证明了学习速率对收敛范围的影响,并以此为基础提出改进算法.改进前后的算法进行对比仿真,结果表明改进算法能大大提高CMAC收敛过程的稳定性.改进算法用于克服CMAC的收敛不稳定性问题是可行的、有效的.