耦合网络模型和有限元模型计算巨型水轮发电机定子温度场的比较研究

为了研究用耦合网络模型替代有限元模型来节约计算时间和内存空间,该文在建模原理一致的基础上,针对发电机定子铁心段基本单元分别建立了基于有限元法计算参数的非线性热-流体耦合网络模型和基于热-流体耦合单元的三维非线性有限元温度场模型。采用这两种模型计算了多种工况下、多个典型区域的定子铁心段基本单元温度分布,用统计方法对两者计算结果的偏差作对比分析,表明两种模型的温度计算结果是接近的,且基本上都在实测值范围内,说明两种模型的有效性。而前者的计算时间和内存空间比后者大为减少。为求解具有复杂冷却结构的三峡发电机定子温度场提供了一条可行、有效的途径。

计及轴向周向热传导的耦合网络模型和有限元模型的比较研究

为了研究用耦合网络模型替代有限元模型来节约计算时间和内存空间,本文针对三峡发电机定子局部铁心段分别建立了计及轴向、周向热传导的非线性热-流体耦合网络模型和基于热-流体耦合单元的三维非线性有限元温度场模型。采用这两种模型计算了多种工况下的温度分布,并用统计方法对两者温度计算结果的偏差作对比分析,结果表明两种模型的计算结果是接近的;且与实测值也比较接近,说明两种模型的有效性。前者的计算时间和内存空间比后者大为减少,且随着模型解算规模的增加并没引起计算结果偏差的增加。该方法为以耦合网络模型代替有限元模型来求解具有复杂的冷却结构的大型发电机全定子温度场提供理论基础。

关于地球健康的双层耦合网络模型

建立了一个基于平均场动力学的微分方程组和反应一扩散模型的双层耦合网络模型,用来分析、预测及评价地球生物与环境的健康问题。在双层耦合网络模型中,根据地球地理和气候分布,将全球划分为九块区域,并以此作为全球网络的节点;同时,七个具有代表性的反映地球健康状况的元素,如人口密度、森林、空气质量、生物多样性等,被挑选出作为元素网络的节点;再通过平均场动力学微分方程,建立并描述各个元素间的联系与相互作用;利用数据确定模型参数,从而完善模型,最后,以此模型完成寻找临界点、灵敏度分析、网络结构分析、引入不确定性等工作。

模拟岩溶含水系统演化的耦合网络模型

提出一个数学模型以研究碳酸盐岩含水层由其原始状态到成熟岩溶含水系统的发育过程。模型由3个模块组成:(a)二维连续空隙水渗流模块,表示裂隙系统(“分散流”系统),即岩溶空管道之间透水性差而贮水性强的那部分岩体;(b)非连续管道网络模块,模拟岩溶管道内发生的层流、紊流运动和溶质运移过程;(c)碳酸盐岩溶蚀模块。管道-裂隙系统模型的模拟结果表明,模拟那种复杂的、具有多种地下水补给方式的岩溶含水盆地的演化是可能的。模拟显示岩溶含水系统发端于泉口,向上游方向扩展,这与其他一些作者基于野外观察、溶蚀实验和电法比拟研究所提出的假说一致。此外,通过检验某些参数对溶蚀过程的影响发现 Ca 的平衡浓度是一个岩溶系统发育极为敏感的因子。

基于模糊网络耦合模型的舟山蓝色海湾整治项目综合社会效益评估研究

模糊网络耦合模型(Fuzzy-ANP)是一种兼顾数理性和系统性的社会效益评价工具,因其对不同评价指标相互影响的深度考量而被广泛运用于复杂社会工程项目的效益评价中。本文引入模糊网络耦合模型对舟山蓝色海湾整治行动项目的综合社会效益进行评估,通过构建基础模型、优化指标体系、综合系统测评,最终形成对项目的综合社会效益总评(83.53分)。评价结果不仅能对项目整体社会效益作出判断,亦有益于项目后期维护实施及同类项目效益测评参考。

基于耦合神经网络的步态识别方法

主流步态识别过程中识别率易受到视角变化的影响,使用耦合网络模型解决最小类间距离大于最大类内距离的问题,利用步态样本比对解决识别问题。用二值图像序列合成步态能量图,联合使用逻辑回归与对比损失函数对模型进行训练优化,实验验证耦合神经网络的步态识别性能,并与普通卷积神经网络模型(CNNs)的识别结果进行对比。在背包与大衣遮挡情况下的识别率达到73.7%和60.5%,高于CNNs的识别率,并提高了遮挡情况下步态识别精确度。

用小波神经网络耦合模型预测流域年均产沙量

引入小波神经网络耦合模型对流域年均产沙量进行了定量研究。由于流域的地质、地貌、土壤在一定时间尺度内具有相对稳定的特性,选出年降雨量、年均气温、年径流量、大雨降雨量、暴雨降雨量、蒸发量、日照时数和汛期降雨量等8个要素作为模型的气候水文输入因子,而以耕地面积、林地面积、水库库容、修建公路、水土保持面积、裸地面积、年采矿量及年末总人口等8个要素作为模型的人类活动输入因子,对流域年均产沙量进行了定量建模预测。结果表明:小波神经网络耦合模型不仅拟合精度高,而且预测效果好,为流域产沙的定量研究提供了新的途径。

基于模糊网络耦合模型的高校创业教育研究

文章提出了基于个体发展、高校教育、社会环境、家庭支持的四维创业教育模糊网络耦合模型。依据创业教育理论、查询有关文献、咨询专家等方式建立高校创业教育评价指标体系,运用网络分析法综合考虑各指标间的相互影响,确定评价指标权重。采用模糊综合评判法计算各指标相应隶属度,得到高校创业教育评价分值。通过对宁波大学科学技术学院创业教育水平评估,结果表明该校的创业教育评价为良,其中高校教育指标分值最高,家庭对大学生创业支持度偏低。该评价模型将对高校创业教育的实施方案提供理论基础和教育反思。

洪水灾情评价的脉冲耦合神经网络模型

洪水灾情的评价工作对洪水灾害的分类管理具有重要的指导意义。脉冲耦合神经网络模型应用到洪水灾情评价中是一次新尝试,该方法通过脉冲输出从而调节阈值,并且应用动态阈值来确定洪水灾情的等级。这个方法比传统的BP模型简化了权值的训练,模型更加简便、直观。采用脉冲耦合神经网络模型得出的评价结果同灰色关联法、灰色聚类法、灰色模糊综合法的评价结果进行了比较,表明其用于洪水损失评价具有科学性和实用性。

R/S-BP网络耦合模型及其在年径流预测中的应用

由一维径流序列构建的BP网络模型输入因子(输入层结点数)的确定至今尚无明确定论,R/S分析法能度量前期径流对当前径流的有效影响时长(拟周期),基于此构建了基于R/S分析法的BP网络预测模型——R/S-BP网络耦合模型。该模型由R/S分析法识别径流序列的拟周期,以当前径流为界将拟周期内的前期径流作为BP网络输入的待选因子,优选后得到模型的输入因子,从而构建BP网络并进行径流预测。将R/S-BP网络耦合模型应用于釜溪河流域年径流预测中,并与两种常规BP网络模型的应用结果进行对比分析。结果表明,釜溪河流域年径流序列存在13 a的拟周期;R/S-BP网络耦合模型的预测效果优于常规BP网络模型;R/S分析法可为BP网络筛选输入因子提供科学依据,减少人为选择的不确定性;R/S-BP网络耦合模型用于年径流预测是可行的。

人工神经网络-基团键贡献耦合模型预测煤液化油的偏心因子

为探索预测煤直接液化油窄馏分的偏心因子的新方法,建立了基于人工神经网络-基团键贡献耦合模型(ANN-GBC),以煤直接液化油包含的45个基团键和常压沸点(T_b)共46个参数作为该模型的输入参数,研究了煤直接液化油15个窄馏分的偏心因子与分子结构之间的相关性。结果表明,通过计算20个模型化合物的偏心因子,表明ANN-GBC模型具有较好的模拟推算功能,计算值与理论值平均相对误差均在2.5%以下。偏心因子ω随蒸馏切割馏分温度的升高而增大,ANN-GBC模型预测值普遍高于Watanasiri、NEDOL关联式的计算值。<380℃馏分ω小于1,相对偏差较小;>380℃馏分ω偏差较大;针对>420℃馏分,因仅能定性定量分析其中20%物质,不同物质的含量差异导致个别结果的跳跃,ω偏差较大。

基于Harris矩阵的脉冲耦合神经网络模型

分割含有弱边界、对比度低的图像目标时,传统的脉冲耦合神经网络模型难以得到有效的分割效果,主要原因是动态阈值的衰减时间常数固定,衰减速度固定,分割弱边界时,输出的脉冲信号难以准确描述目标区域,产生误分割现象。为了解决这一问题,本文采用Harris矩阵获取图像梯度信息,特别是弱边界的梯度信息,提出动态阈值的衰减速度与图像的梯度信息有关,当梯度信息大时,动态阈值的衰减快,当梯度信息小时,动态阈值的衰减速度慢,给出动态阈值的新定义。通过对弱边界、对比度低的图像进行仿真对比实验,说明本文算法的分割效果优于传统脉冲耦合神经网络模型。

一种改进衰减时间常数的脉冲耦合神经网络模型

在传统脉冲耦合神经网络模型(PCNN)中,当神经元的内部活动项大于动态阈值时输出脉冲,根据输出脉冲分割出图像目标。分割弱边界的图像目标时,由于动态阈值的衰减时间常数固定不变,动态阈值的衰减速度过快或过慢于理论需要的衰减速度时,影响神经元的内部活动项与动态阈值的比较,发送错误的脉冲信号,产生误分割现象。为了解决这一问题,本文利用人眼对图像亮度的敏感性,使动态阈值的衰减速度与人眼对亮度的敏感度相一致,提出将人眼亮度权重系数作为动态阈值的衰减时间常数的系数,得到新的动态阈值。通过对含有弱边界、目标不规则、目标像素点的灰度值与背景像素点的灰度值存在重叠区域的图像进行仿真对比实验,实验结果说明本文提出的算法优于传统脉冲耦合神经网络模型。

基于栅格元的脉冲耦合神经网络模型

传统脉冲耦合神经网络模型描述神经元之间的内在联系时,仅仅考虑神经元之间的空间位置信息,忽略了神经元之间的灰度信息,使神经元之间的连接权值不准确,易产生误分割现象。为了解决这一问题,本文采用栅格元的响应函数作为神经元之间的连接权值,得到新的连接输入项。在新的连接权值中,不仅考虑了局部区域的灰度信息,而且考虑了局部区域的方差信息,同时继承了栅格元神经元的优点,即具有较强的方向性、位置相对性和周期性。通过对遥感图像、生活图像、血管图像进行仿真对比实验,实验结果说明本文提出的算法优于传统脉冲耦合神经网络模型。

基于感觉亮度的脉冲耦合神经网络模型

在脉冲耦合神经网络模型中,为了寻找最优衰减时间常数,基于韦伯-费赫涅尔定律,考虑到人眼的感觉亮度与实际亮度对数之间的线性关系,提出将人眼的感觉亮度作为动态阈值的衰减时间常数,使神经元动态阈值的衰减速度更符合人眼的亮度感觉。对含有弱边界、对比度低的图像目标进行仿真对比实验。实验结果表明,提出的算法性能优于传统脉冲耦合神经网络模型。

利用脉冲耦合神经网络的高光谱多波段图像融合方法

针对高光谱图像波段众多、数据量大的特点,提出了一种基于脉冲耦合神经网络(Pulse Coupled Neural Networks,PCNN)模型的高光谱多波段图像融合方法.根据高光谱图像多输入的特点对原始PCNN模型进行了扩充,采用多通道PCNN模型来对输入图像进行非线性融合处理.通过分析传统变阈值衰减模型的特点及其不足,提出了修正的变阈值指数增加模型,以改善融合效果和降低PCNN运行的时间复杂度.利用记录点火时刻的赋时矩阵得到带有一定增强效果的融合结果图像.实验结果表明,该方法的融合效果要优于传统的主成分分析融合方法和小波变换融合方法.

一种基于脉冲耦合神经网络的图像降噪方法

传统的脉冲耦合神经网络(PCNN)在图像降噪时不能准确地定位噪声数据并去除图像噪声。提出一种基于改进的PCNN有效去噪方法。该方法在PCNN模型上采用自适应的突触连接系数,使之随不同神经元与其周围神经元相似程度的不同而自适应变化,提高噪声数据的辨识度;同时将PCNN神经元的点火频次记录在点火时间序列中,根据神经元点火次数判断并滤出噪声点,实现更好地降噪效果。实验测试结果表明,该方法不仅可以准确地辨识噪声数据,而且能够有效地去除图像的噪声点,具有较强的适应性和较好的边缘与细节保护能力。

基于脉冲耦合神经网络融合的压缩域运动目标分割方法

针对H.264压缩域内运动目标分割算法所存在的弱自适应性和抗噪能力差等问题,本文提出了一种基于脉冲耦合神经网络的压缩域运动目标分割方法.该方法采用时空域矢量均值滤波对运动矢量进行预处理,减少运动目标丢失率,并设计了前后向矢量累积方法,增强运动矢量的可靠性.基于脉冲耦合神经网络设计的融合模型可以将累积后的运动矢量和宏块模式进行融合处理,增强分割算法的抗噪能力,保证加快分割速度的同时兼顾运动区域的分割准确度.另外,采用最小交叉熵作为点火终止判断条件,实现了最佳分割模板的自适应获取.仿真实验表明,本文算法在自适应性和抗噪能力方面均有较好表现,可以准确分割出监控视频中的运动目标.

复杂装备事故演化涌现层次耦合分析

为有效阐释和分析复杂装备事故层次耦合机理,采用层次全息模型(HHM)从危害故障、操控失误、危险特性和致命环境4个维度综合辨识事故危险因素及关系。探讨复杂装备面向任务剖面的事故危险因素层次耦合效应。从耦合层次维和危险状态时序维,构建复杂装备事故演化涌现的3层次耦合网络模型(TCNAM)。分别定义耦合度、事故链、危险熵、事故涌现等概念。综合运用熵、灰色模型、突变论等理论,将复杂装备事故层次耦合网络模型形式化。结果表明,复杂装备事故是多危险因素由微观向宏观跨层次耦合的结果,其演化涌现定量分析应以多个非线性理论模型为核心。

基于多尺度空间PCNN模型的图像分割算法

运动车辆图像中车牌具有所占比例小、位置不固定和大小不一的特点,因此,对车辆图像分割时车牌区域容易产生过分割与欠分割问题.脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)被誉为"第三代神经网络"并广泛应用于图像分割.在利用PCNN模拟人类视觉的图像分割过程中,由于传统PCNN模型中的连接矩阵使用固定值表示,使得PCNN模型不能满足图像分割时尺度变化的需求.为了解决这个问题,本文提出了基于多尺度空间PCNN模型的车辆图像分割算法,将尺度空间引入PCNN模型,使PCNN模型具有了尺度特性,提高了系统自适应分割车牌图像的能力.