基于优化递归小波与改进型ART2网络的内燃机故障诊断

曲轴角振动信号是内燃机故障诊断的有效依据。针对传统小波变换存在数据窗长、实时性差的局限性,构造出一类用递推公式进行小波变换的小波基。基于该类小波基的小波变换不受分析窗的制约,能够实时地提取暂态特征。同时提出此类小波时频特性的优化方法,对内燃机曲轴角振动信号进行递归小波分解,并提取特征。针对传统ART2网络只利用模式的相位信息而丢失幅度信息和网络性能依赖于样本顺序等不足,在网络权值更新时引入平均滤波和关联函数,以便提高网络稳定性和收敛速度,同时降低其对样本输入顺序的敏感性。最后,将改进型ART2网络应用于内燃机故障诊断。实验结果表明,递归小波能反映内燃机状态信号的特征;改进型ART2网络训练耗时小于传统ART2网络的3%,识别率为100%。     

基于ART半监督在线学习的文档分类

根据自适应谐振理论提出了半监督学习自适应谐振理论系统．在该系统中取消了一般半监督学习算法中假定已知数据概率分布的条件限制，利用自适应谐振理论的稳定性和可塑性，使其具有非常强的学习新模式和纠正错误能力．为了提高系统自适应性能力，将警戒参数设置为动态变化。实验结果表明半监督学习自适应谐振理论系统的性能优于判别式CEM算法，特别是在含有噪音和新模式数据情况下，其优势更为明显。     

智能轨道快运电车安全性分析

简要介绍了智能轨道快运电车(简称智轨电车)系统的结构和特点;从系统顶层危害分析出发,以列车脱轨危害为例,阐述了智轨电车危险源和安全功能的识别过程;结合轨道交通和道路交通相关安全标准,通过事故严重度、事故暴露概率和避免伤害3个方面阐述了智轨电车安全完整性等级的判定和定量计算依据,进而确定了智轨电车安全相关功能的安全完整性等级;最后给出了实现智轨电车安全完整性等级的安全减轻措施。     

一种基于ART2神经网络的高速公路交通事件自动检测算法

提出一种基于ART2伸经网络的高速公路交通事件自动检测的新算法。该算法利用高速公路交通流模型和ART2神经网络分别作观测器和分类器。观测器估计的数据和实际交通数据进行比较,得到残差序列;利用ART2神经网络对残差序列进行分类,以区分不同交通状态下的交通信息,达到检测交通事件的目的。本算法不但可以识别已知的交通事件类型。还可以识别未知的或从未出现过的交通事件类型,是一个可以边工作、边学习的检测系统。