【摘 要】
：
针对无线传感器网络(WSN)节点容易出现故障从而导致网络瘫痪的问题,提出了一种基于改进的深度森林的无线传感器网络故障分类方法;深度森林是基于森林的集成学习方法,其输入是多维特征向量,特征向量将由多粒度扫描和级联森林这两个主要组成部分进行处理,多粒度扫描通过处理数据之间的关系来增强数据表示的能力,级联森林用于分类或预测;针对级联森林部分随着层数的增加可能造成的维数问题进行优化后,将该算法用于故障分类可以提高故障诊断的精确度;在仿真验证阶段,将该算法与深度神经网络(DNN)和支持向量机(SVM)算法进行对比;
【机 构】
：
哈尔滨理工大学自动化学院,哈尔滨 150080
论文部分内容阅读
针对无线传感器网络(WSN)节点容易出现故障从而导致网络瘫痪的问题,提出了一种基于改进的深度森林的无线传感器网络故障分类方法;深度森林是基于森林的集成学习方法,其输入是多维特征向量,特征向量将由多粒度扫描和级联森林这两个主要组成部分进行处理,多粒度扫描通过处理数据之间的关系来增强数据表示的能力,级联森林用于分类或预测;针对级联森林部分随着层数的增加可能造成的维数问题进行优化后,将该算法用于故障分类可以提高故障诊断的精确度;在仿真验证阶段,将该算法与深度神经网络(DNN)和支持向量机(SVM)算法进行对比;结果显示,该算法可以准确地识别出不同的故障类型,并且在损坏故障和电源故障的识别达到了最高精度,综合平均精度在98.4％;对偏移故障、漂移故障和通信故障的识别略低于卷积神经网络(CNN)算法,但综合训练时间、参数调节来看,该算法更能满足实际工程的需要.
其他文献
城市轨道交通的精准短时客流预测可以很好地缓解城市交通拥堵,给城市居民带来更快速、更优质的出行服务.通常短时客流预测的客流量数据规律性较弱、随机误差干扰较强,ARIMA(Autoregressive Integrated Moving Average)模型能对因变量产生的推迟量、产生随机误差的滞后值及当前值进行预测.为验证模型预测效果,以成都轨道交通天府广场站为例,设计一种基于改进ARIMA模型的城市轨道交通短时客流预测研究办法.通过实例分析,验证了改进ARIMA模型在城市轨道交通系统进行车站短时客流预测的
对于独立光伏系统,当外界温度变化或光伏面板遭受遮挡时造成系统工作不稳定,系统在短时间内无法快速精确地对外输出最大功率.针对此问题,提出一种基于参数估计的双积分滑模变结构最大功率跟踪算法并设计独立光伏系统仿真模型.在仿真过程中,利用粒子群优化算法(Particle Swarm Optimization,PSO)估计太阳能板模型参数,解决了常用算法在最大功率跟踪过程中耗时较长、抖动较大的问题.仿真结果表明,该算法提高了功率跟踪的响应速度、跟踪精度,减少功率变化曲线的震荡和功率损耗.
传统的图正则化方法使用欧氏距离度量样本空间的相似度,并不能准确考察复杂数据集的邻域信息,容易导致模型在复杂形状数据和非凸数据集中的泛化性能下降.提出一种改进的图正则算法,使用等距特征映射保留样本空间的邻域信息,帮助模型进行流形学习,同时结合使用KL约束进一步使得数据表示的外部结构变得光滑,从而捕获到更稀疏和高级的特征表示.在MNIST和YaleB等数据集上的实验结果表明,相比于流行的几种特征提取算法,该算法能够提取到更有意义和稳健的特征.在分类任务和聚类任务上具有优势,同时具有更好的抗干扰性能.
在复杂的网络环境中Web数据库面临诸多威胁和挑战.在传统数据库防护技术的基础上,提出一种基于动态异构冗余体系的拟态数据库应用.针对动态异构冗余的拟态数据库模型进行攻击抵御能力实证评估.重点针对拟态数据库的表决器部分进行评估和实验,从不利用软件漏洞的基础出发,使用应用软件的字符处理特性机制来完成攻击实验.论证得出在满足“共谋攻击”的条件下或者在掌握了一定数量的异构体应用漏洞信息的情况下,针对异构体的语义识别差异构造信息输出,可以实现敏感信息从表决器的多模裁决中逃逸,削弱系统设计的理论安全性.
针对传统负载均衡算法不能满足公网数字集群系统高并发用户请求和快速呼叫建立等需求,提出一种基于负载反馈的分布式数字集群动态负载均衡算法,实现公网数字集群系统负载均衡,提高用户容量.首先建立参与MCPTT服务器的静态负载和动态负载监控机制和指标;然后利用加权轮询算法为用户分配参与MCPTT服务器,并通过用户请求的处理获得复合负载参数;根据负载指标的反馈更新参与MCPTT服务器权值以动态调整服务器负载.仿真结果表明,该算法的负载均衡效果优于传统算法和其他动态反馈算法,负载均衡度更小、用户请求响应延迟更低.
随着深度学习方法的不断发展,跨模态哈希检索技术也取得了长足的进步.但是,目前的跨模态哈希检索方法通常基于两种假设:a)相似文本描述的图像内容也相似;b)相同类别的图像有着较好的全局相似性.但是,真实数据集中的数据往往不能满足以上两种假设,导致了跨模态哈希检索模型性能的降低.针对以上两个问题,提出了一种基于文本引导对抗哈希的跨模态检索方法(text-guided adversarial hashing for cross-modal re-trieval,TAH),此方法在构建的网络结构基础上,将文本哈希码
大功率液力机械器是重型特种车辆传动系统的关键核心部件,为满足整车高速、重载和高任务可靠性的使用要求,一方面需要提升液力机械变速器自身的强度和可靠性,另一方面要建立和完善大功率液力机械变速器的状态监测和故障诊断系统;基于专家系统和典型零部件的失效物理模型,针对液力机械变速箱系统和关键零部件的常见失效形式,建立了大功率液力机械变速器状态监测和故障诊断系统,分为变矩与闭锁功能监测及报警模块、换挡提示及报警模块、油位监测及报警模块、系统油压监测及报警模块和油温监测及报警模块共五大部分;通过实车测试证明,大功率液力
姿态监测是四旋翼飞行器实现正常飞行的主要因素之一,飞控手操控飞行但无法精准地获取实时姿态数据,存在一定的误差且准确性较低;针对以上问题,系统设计采用STM32F103RBT6单片机和MPU9250传感器采集四旋翼飞行器飞行过程中的飞行高度、飞行速度、滚转角以及俯仰角,并将数据传输给上位机LabVIEW软件平台;在虚拟软件平台对四旋翼飞行器的姿态信息进行显示、存储、报警及回放等功能;测试结果表明,姿态监测系统可以实现数据可视化,采集数据的绝对偏差值小于0.5％,提高了四旋翼飞行器姿态监测的准确性,满足了控制
客运火车站环境温度易受其他环境特征变量如湿度、PM2.5、二氧化碳等影响,传统的单变量预测算法并未考虑其他环境特征变量的影响因素;为进一步准确预测车站环境温度值,提出了结合长短期记忆神经网络LSTM与梯度提升算法LightGBM的组合模型,对客运站环境温度值进行预测;首先将预处理数据输入LSTM模型,对环境特征变量湿度、二氧化碳、PM2.5、PM10进行单变量预测;再将环境特征变量的LSTM输出预测值输入LightGBM模型得出环境温度预测值;根据波形图与均方根误差RMSE对比分析,基于LSTM— Lig
针对高功率发电机开展测试性设计分析对提升其维修保障性水平具有重要意义;通过对高功率密度发电机的故障模式开展分析,得到发电机的典型故障模式,针对各故障模式总结了发电机故障检测所需监测的物理参数;然后,通过构建多信号流模型和开展故障—测试相关性分析对发电机测点进行改进,提出了基于故障—测试相关矩阵(D矩阵)的测试集优化方法;该方法通过合理优化测点集可提升测点对故障模式的覆盖水平并减少冗余测点;最后,通过测试性预计对比了改进前后发电机的故障检测率和故障隔离率指标,验证了提出的测点改进方法提升高功率密度发电机测试