改进BP神经网络在发动机性能趋势分析和故障诊断中的应用

针对常规BP神经网络参数的经验式取值方法以及收敛速度慢,容易陷入局部最小点等缺陷,设计了一种改进的神经网络系统,利用蚁群算法优化神经网络连接权初值,并采用LM算法对人工神经网络进行训练,提高了网络的收敛速度,降低了训练误差。将其应用于某型利用ACARS报文实时获取飞机性能参数的发动机趋势分析和故障诊断中,可以快速准确地实现对发动机的性能趋势分析和复杂故障的诊断。最后通过仿真,对算法进行检验,结果表明改进算法的诊断置信度比改进前高。

基于组合预测模型的飞机刹车系统性能趋势预测分析

为了对飞机刹车系统进行性能趋势预测分析,提出一种灰色关联分析确定权重的组合预测方法。首先,利用BP神经网络(back propagation network,BP)对刹车片的累积磨损量进行预测,得到网络输出序列与向后预测序列。对于灰色预测(grey model,GM)模型利用粒子群(particle swarm optimization,PSO)对其优化;用粒子群优化灰色模型(particle swarm optimization-grey model,PSO-GM)进行预测得到拟合序列与向后预测序列。在此基础上对BP网络输出序列、PSO-GM(1,1)拟合序列与原始数据序列进行灰色关联分析,确定组合加权的权重。最后对各预测模型的向后预测序列用灰色关联分析法得到的权重进行组合加权,得到最终的刹车片累积磨损量趋势预测值。仿真结果表明,采用灰色关联分析确定权重的组合预测方法具有比单预测模型更好的趋势预测效果,具有对刹车系统性能趋势预测分析很好的实际应用价值。

基于回归分析的网络性能管理

网络管理是控制一个复杂的计算机网络,使得它能安全、高效地完成所承担的工作任务。文中在介绍网络管理系统的体系结构的基础上,论述了网络管理中极为重要的网络性能趋势分析的实现方法,设计并实现了性能趋势的一元回归分析算法,该方法对性能趋势的预测具有较高的准确率而且容易实现。该论文涉及到的技术已经在某产品中得到应用。

基于智能分析的自适应数据采集关键技术研究及应用

为支撑电力通信网络的事前预警及主动运维,需要对电力通信传输设备的性能数据进行准确、可靠、及时的采集。传统手工获取和处理性能数据的方法时效性较差,费时费力,而简单地采用周期性自动采集又会给传输设备及网管带来较大的负荷压力,不利于电力通信网络的稳定运行。文章设计实现了一种基于趋势智能分析的自适应数据采集方法,可在周期性采集的基础上,结合趋势智能分析和性能采集任务管理,针对不同场景、不同风险等级的设备进行自适应数据采集。给出了该方法的关键技术研究和具体实现,并在某省电力公司进行了实际应用,运行情况良好,基于智能分析的自适应数据采集很好地支撑了电力通信网络的运维管理,确保了其承载的继保、安稳、自动化等重要电力业务稳定可靠运行。