摘要：与传统多类分类相比,多维分类中每个对象仍由一个示例(特征向量)表示,但同时与多个类别变量相关联,各类别变量基于异构类别空间刻画对象的语义.降维可以有效地缓解维度灾难并加速模型训练,已有多维分类研究均关注于设计性能更好的学习算法,尚未出现面向多维分类数据降维方面的工作.本文基于特征空间和语义空间的相关性,首次面向多维分类数据设计了一种名为SDeM的监督式线性降维方法.该方法使用Hilbert-Schmidt独立判据衡量两个空间的相关性,通过最大化投影特征空间与语义空间在该度量下的相关性确定投影矩阵.实验结果表明,相比于无监督式降维方法,SDeM所得降维特征更有利于多维分类方法取得更好的泛化性能.

摘要：针对粒子滤波(PF)在变桨距系统故障诊断中存在的样本贫化现象导致故障诊断精度低的问题,提出一种蝙蝠算法自适应优化粒子滤波的故障诊断方法。通过改进的蝙蝠算法优化粒子滤波的采样过程,并结合最新的观测值定义粒子适应度函数,引导粒子整体向高似然区域移动;同时引入一个动态自适应惯性权重来设计新的粒子全局搜索位置更新机制,自适应调整粒子的全局搜索与局部搜索能力的有效协调,改善粒子贫化及陷入局部极值的问题,以期提高粒子群对故障状态的估计性能。通过对风力机桨距系统执行器和传感器故障诊断的仿真分析,表明该方法可有效提高故障诊断的准确性。

摘要：在非线性系统中,粒子滤波需要大量粒子才能保证状态估计的准确度,这降低了算法的实时性,导致故障诊断的准确率和实时性不佳。针对该问题,提出基于GPU平台的粒子群优化粒子滤波(PSOPF)并行算法。通过分析PSOPF算法的并行性,设计并实现一种基于CUDA并行计算架构的PSOPF并行算法,利用大量的GPU线程对算法进行加速。为解决拒绝重采样对GPU全局内存的非合并访问带来的执行效率低问题,通过改进拒绝重采样并行算法,使线程束中的线程对同一内存区段中的粒子进行重采样,提高了其执行效率。通过对风力机组变桨距系统故障诊断验证了算法的有效性。实验结果表明,该方法可满足故障诊断准确率和实时性的要求。

摘要：针对大型浮选设备对矿浆液面自动控制系统的高要求,设计了矿浆液面自动控制系统中的执行器,提出了一种符合现场复杂情况、基于神经元网络技术的软测量方法,在基于过程补余量算法中,引入利用不同形状的反馈凸轮片产生不同非线性来改变控制阀的原有流量特性,结合比例系数得到了具有线性流量特性的调节阀曲线函数的一种软测量模型建模和优化的过程。该设计方法经现场的实际使用验证效果良好。

摘要：为了实现准确有效地排除网络故障,根据局域网的特点,本文在分析现有计算机网络故障诊断方法不足的基础上,结合层次分类神经网络原理,提出了基于层次分类BP神经网络算法的局域网智能故障诊断系统,该系统具有层次分类策略、故障诊断策略、通信数据包采集、网络故障知识数据库、故障显示报警等功能,可以实现已知、未知故障的正确识别。通过对故障诊断算法和故障定位的仿真,结果表明故障诊断系统响应性能良好,故障误报率较低,具有一定的实用性。