基于网络编码的空间DTN中CGR改进算法

随着空间通信技术的发展,卫星节点的增多,以及容延迟容中断通信需求的不断提高,空间DTN(Delay Tolerant Network,容延迟网络)环境中各通信节点间的路由技术日益重要,相继出现了多种适用于DTN的路由技术。基于空间DTN的结构与特点,对CGR(Contact Graph Routing,接触图路由)算法以及基于编码的路由算法进行了分析比较,然后针对空间DTN中CGR算法的缺点和不足,研究提出了基于NC(Network Coding,网络编码)的空间DTN中的CGR改进算法(NC-CGR),并通过仿真实验平台对算法性能进行了分析评估。仿真结果表明,相比于CGR算法,NC-CGR算法在链路传输时延、传输包裹数目、中继缓存大小、链路丢包率等不同条件下的适应性方面均表现出较大优势,更适用于具有复杂拓扑、带宽受限、高动态特性的空间DTN环境。

基于改进灰狼算法的新媒体网络资源分布式共享系统设计

在共享资源采集层以AD2S1210WDSTZ为核心,设计数据采集装置,并用SPI接口编程实现共享资源传输信号交互。在共享资源处理层,设计多机集群的脱敏处理装置,实现对资源的统一分布式处理。在共享资源服务层,设计API共享接口,保证共享接口稳定。在新媒体网络资源高维空间中,引入非线性收敛因子,改善全局搜索能力。根据非线性收敛因子优化结果,使用Sigmoid函数实现解空间与二元空间数据类型的转换,保证转换结果匹配,实现分布式灰狼位置映射。结合二进制编码,计算待需要处理节点长度和多共享信道传输效益,更新灰狼搜索位置,实现多信道资源分布式共享。由实验结果可知,该系统在2个场景下与理想频谱展示结果一致,且资源最大吞吐量为450 bit,具有良好资源分布式共享效果。

基于改进粒子群算法的模糊神经网络变压器油色谱监测故障诊断策略

针对标准误差反向传播(back propagation,BP)神经网络算法易陷入局部最优、收敛速度缓慢等问题,提出一种基于改进粒子群算法的模糊神经的变压器油色谱故障诊断方法。该方法首先通过模糊编码边界对网络输入模糊化;再结合非线性策略的惯性权重及学习因子改进的粒子群BP网络算法来诊断变压器故障类型,既能平衡全局搜索和局部搜索能力,还可以避免BP神经网络陷入局部最优;最后,采用MATLAB软件对变压器油色谱数据进行仿真,结果表明该方法具有收敛速度快、诊断准确率高、泛化能力强等优点。

基于改进型遗传算法的神经网络参数优化

针对标准遗传算法的不足,文中提出一种改进型遗传算法,它将标准遗传算法和BP算法有机结合,兼具了标准遗传算法的全局搜索和BP网络局部精确搜索的特征,并将其应用于船舶自动舵神经网络控制器的训练中,取得较满意的结果。

基于改进混沌遗传算法的配网重构

针对现有配网重构算法存在收敛速度慢、局部寻优能力差、计算时间长、易早熟等问题,提出了一种基于改进混沌遗传算法的配网重构算法,即将支路交换算法和混沌遗传算法相结合,在满足电压和线路潮流约束的前提下,先由支路交换算法将配电网网络结构分环,大幅缩短染色体长度,再由混沌遗传算法重构分段开关和联络开关的状态,将种群中适应度较差的个体替换成混沌移民,增加种群中基因个体的随机性和遍历性,防止算法陷入局部最优,并通过算例进行了验证。结果表明,该算法不仅收敛速度快,且降低了网损。

基于T-S模糊神经网络模型的编码器故障软闭环容错控制方法

针对舞台吊杆调速系统中速度反馈元件增量式编码器可能产生的丢码、断码等问题,为防止故障影响的传播,结合数据驱动技术提出了一种基于T-S模糊神经网络(T-S FNN)模型的编码器故障检测与软闭环容错控制方法。首先,利用系统正常运行时的历史数据建立系统较为精确的T-S FNN预测模型,并用实际编码器测量值与模型预测值相减获得残差信息;其次,将其残差实时数据通过改进的序贯概率比检验(SPRT)算法进行故障检测,以克服检测延迟确保故障检测的可靠性,当检测出故障时,再用T-S FNN模型的预测输出替代故障编码器的输出,实现软闭环方式下的容错运行;最后,针对编码器丢码、断码等故障,采用上述方法进行了软闭环容错控制的有效性仿真验证。仿真结果表明,该方法能够快速可靠地检测到编码器故障,并用预测的重构信息通过容错切换机制,及时、安全地以软闭环方式实现了对故障编码器的容错控制,提高了舞台吊杆调速系统运行的安全可靠性。

基于改进牛顿算法的蛋白质二级结构预测

主要介绍构造性机器学习方法即改进牛顿算法在蛋白质二级结构预测中的应用。针对标准BP算法存在的缺点,讨论用迭代矩阵替换二级微商来改进牛顿算法,实现蛋白质二级结构预测。实验表明,采用基于概率的Profile编码方式,改进牛顿算法正确率可以高达73.68%,与其他预测方法相比有较好的准确性。

基于网络编码的协作恢复机制线性可解性研究

针对基于网络编码的协作恢复(CR)机制线性可解性未知问题,建立了CR机制网络编码包的线性可解性的量化分析模型,给出了在任意阶伽罗华编码有限域下接收方解码出所有源数据包的概率上下界,并提出了一种改进Gauss-Jordan的线性可解性在线判定算法。数值实验结果验证了所提上下界的紧密性和改进Gauss-Jordan算法解码的低等待时延特性,节点部署实验显示改进Gauss-Jordan算法较传统Gauss算法解码复杂度降低35%。

基于进化神经网络的灰色预测模型

为了弥补神经网络用于灰色理论中学习效率低、收敛速度慢、易陷入局部最优等缺点,采用了改进遗传算法IGA(im proved genetic algon ithm)来辅助优化神经网络,实现了对网络连接权的自适应进化,并应用于灰色预测中。提出了进化神经网络灰色预测模型,通过M atlab程序对某地区农村人均收入的数据进行了预测、比较,预测结果误差均在0.3%以下,明显优于传统的GM(1,1)(grey m odel)的预测结果,其误差在10%左右。实例验证,将进化神经网络应用于灰色预测模型中是可行和有效的。

构造线性广播和线性扩散网络编码的改进Jaggi-Sanders算法

网络编码是一种允许信息在中间节点进行编码的新型网络信息传输方式.它相较于传统路由的"存储-转发"方式,能够充分利用网络的信道容量,提高信息的传输效率.采用Jaggi-Sanders算法可以在单源无圈网络上构造出能够达到网络最大流界的线性多播网络编码.但要构造出更强的线性广播和线性扩散,此前的方法是对原网络按一定方式进行扩展,再通过构造新网络上的线性多播和线性广播来得到原网络上的线性广播和线性扩散.文章通过对Jaggi-Sanders算法进行改进,使得不需要进行网络扩展便可在网络上直接构造出线性广播和线性扩散,并且减少了构造所需的时间消耗.

基于ICS优化RBF的水库水质三维预测方法

针对已有水质预测模型在数据降噪、网络参数初始值设置和优化、精度提高等方面能力的不足,构建了一种优化的水质三维预测模型。利用主成分分析算法筛选出水质关键参数,并基于自适应噪声的完全集合经验模态分解算法结合小波阈值模型对三维水质参数和气象数据降噪处理,使用3维卷积神经网络(Three-dimensional convolutional neural networks,3-D CNN)提取出特征数据集,自编码器(Autoencoder,AE)获得径向基函数(Radial basis function,RBF)网络参数初始化值,改进布谷鸟搜索算法(Improved cuckoo search,ICS)优化更新网络中超参数动态初始化值。广东省湛江市徐闻县大水桥水库区域22个典型在线监测站点以及6个手持监测点的实测数据对比验证结果表明,浊度和藻密度分别与总氮含量强正相关,叶绿素含量与气温强正相关,所提出的水质预测模型在5个典型精准性评价指标方面优于已有文献方法。研究成果可为管理部门和研究者对水质监测提供参考。

基于性能衰退评估的轴承寿命状态识别方法研究

针对滚动轴承退化性能难以评估、寿命状态难以识别的难题,提出一种基于性能衰退评估的轴承寿命状态识别新方法,该方法基于卷积自编码器(convolutional autoencoder,CAE)与多维尺度分析(multidimensional scaling,MDS)算法构建轴承性能衰退指标,再根据构建指标和改进卷积神经网络(convolutional neural network,CNN)建立轴承寿命状态识别模型,实现轴承寿命状态识别。将轴承信号样本输入CAE,实现轴承寿命状态特征的自动提取与表达,再将所提取的特征通过MDS算法进行约简获得低维特征,在低维特征空间构造欧氏距离作为轴承性能衰退指标,依据指标实现轴承数据标签化。使用标签化的轴承数据训练CNN,建立轴承寿命状态识别模型。在训练过程中,为抑制过拟合,对原始训练样本进行加噪处理,为提高模型抗干扰能力,将Leaky ReLU(LReLU)函数和dropout作为激活函数。运用轴承全寿命试验数据对识别模型进行检验,通过对比验证,结果表明所提出的轴承寿命状态识别方法能更准确的实现轴承寿命状态识别。