小波网络

摘要： 为提高烟草制丝设备在停机故障时的检测精度,结合小波网络,开展对烟草制丝设备停机故障检测方法设计。通过小波网络提取烟草制丝设备停机故障特征,并根据提取的特征确定烟草制丝设备停机故障类型,进而完成烟草制丝设备停机故障检测。通过对比实验证明,所设计检测方法在实际应用检测结果中,欧氏距离数值明显小于基于压缩感知的检测方法,检测结果的精度更好,可有效提升烟草制丝设备的维护水平。

摘要： 为实现瞬态空燃比精确控制,提出基于小波网络逆系统的复合预测控制策略.利用小波网络辨识空燃比系统逆模型,实现对瞬态空燃比系统中进气量的动态前馈补偿,并将该逆系统与原系统串联构成一伪线性系统,然后结合动态矩阵控制对系统的扰动、误差等进行修正,实现对非线性、时滞、时变的瞬态空燃比系统的预测控制;最后利用瞬态工况试验数据进行仿真,并与台架试验数据进行对比,结果表明小波网络逆模型能高精度地逼近空燃比瞬态过程,结合动态矩阵控制可提高系统的鲁棒性和抗干扰能力,该复合预测控制策略能实现、也适合发动机瞬态工况空燃比的精确控制.

摘要： 为了提高机械设备故障检测结果的时效性,解决现有检测方法存在的精准度低的问题,利用小波网络技术,实现对机械设备故障自动化检测方法的优化设计.根据机械设备的内部结构,构建设备组成模型.在该模型下,根据设备的工作与故障机理设置故障检测判据.自动化采集机械设备实时运行信号,利用小波网络,从时域和频域两个方面提取信号特征.通过提取特征与设置判据的匹配,确定机械设备的故障类型,结合故障位置的确定结果,得出最终的故障检测结果.通过与现有方法的对比得出结论:设计方法的查全率和查准率均有所提升,且时间开销更少,即设计方法在精准度和时效性两个方面更加具有优势.

摘要： 在进行配电网空间数据库建模中,需要对空间数据库进行优化检测和诊断,提高配电网的稳定运行能力,提出基于小波网络的配电网空间数据库故障诊断方法.构建配电网空间数据库的分布模型,采用高维特征分解方法进行配电网空间数据库的特征量化分解,结合小波网络学习方法进行配电网空间数据库故障状态特征提取,根据故障特征的聚类性进行配电网络空间数据库的结构重组和故障特性辨识,结合模糊统计分析方法,实现对配电网空间数据库的故障智能诊断.仿真结果表明,采用该方法进行配电网空间数据库故障诊断的准确性较好,分辨能力较强,提高了配电网空间数据库的稳定性.

摘要： 针对飞行器试验中外测测量数据在某些条件下可能产生的数据丢失问题,提出了一种基于小波网络的缺失数据插补方法.利用外测缺失数据段落两段的有效测量数据构建学习样本,对小波网络进行训练并进行双向预测,对缺失数据进行预测插补.为进一步提高预测插补数据精度,首先对学习样本进行降采样处理,粗略预测缺失段落数据,逐步提高采样率至与原始测量数据采样率一致,对预测数据进行逐步修正,实现缺失段落数据的高精度预测.实测数据处理结果证明了利用小波网络对外测缺失数据进行预测插补可获得满足精度要求的插补结果.

摘要： 为改善小波网络(WNN)的非线性建模能力,提出一种基于改进无迹粒子滤波(UPF)的WNN学习算法.算法先引入最小偏度策略减少无迹变换(UT)的Sigma采样个数,改进无迹Kalman滤波(UKF);再用改进UKF算法选取粒子滤波的重要性密度函数,构成新型UPF;最后,将SUPF作为WNN的学习算法进行训练和测试.实验表明,基于新采样策略UPF与基本UPF的WNN模型精度总体接近,但速度更快,效率更高,某型军用飞机气动力建模也验证了算法的有效性与可行性.

摘要： The recognition and prediction of intake air flow was built based on wavelet networks due to the non-linear and dynamic property of engine intake system.To improve the reliability and precision of wavelet network model,the parameters and control law were learned and optimized with Davidon least square (DLS) algorithm.Then BP neural network model for intake air flow under transient conditions was established and compared with wavelet network model based on the actual acquisition data.The results show that the wavelet network model can successfully forecast intake air flow of gasoline engine under transient conditions and is superior to BP neural network model due to higher accuracy.Accordingly,the model may apply to the accurate control of transient air fuel ratio.%由于发动机进气系统具有复杂的非线性动态特性,因此构建了进气流量小波网络辨识与预测模型,并利用最小二乘法(DLS)对小波网络参数和预测控制率进行了学习和优化,以提高小波网络预测模型的可靠性和预测精度.作为对比建立了基于BP神经网络的预测模型,并利用瞬态工况试验数据分别对两种模型进行了仿真研究.结果表明,小波网络模型能有效地预测发动机瞬态工况进气流量,与BP神经网络预测模型相比,误差精度更高,可用于发动机瞬态工况空燃比的精确控制.

摘要： 建立瞬态工况小波网络发动机油膜模型,利用蚁群算法对小波网络参数进行初始化寻优,将其作为小波网络参数初始值,以提高小波网络的训练速度和误差精度,并基于该网络模型测试了发动机空燃比瞬态过程,然后利用瞬态工况试验数据进行了仿真,并与台架试验实际数据进行对比.结果表明,基于蚁群算法初始化小波网络模型能有效地辨识发动机瞬态工况油膜参数,高精度地逼近空燃比瞬态过程,不仅具有较强的泛化能力,而且大大缩短了训练时间.蚁群初始化小波网络适用于油膜参数辨识,本研究为发动机瞬态工况空燃比的精确控制奠定了基础.

摘要： 提出一种具有尺度、平移与旋转不变性的不变矩特征小波网络识别方法，结合小波矩不变量可以表示图像的全局、局部特征与小波网具有很强的学习、推广能力的优点，首先提取目标图像的小波矩特征，然后与小波网结合构成红外目标自动识别系统，最后对三类飞机目标进行自动识别，实验结果证明了该方法的有效性与高识别率。

摘要： 本文构造的前馈小波网络是将小波分析与BP神经网络融合,以Gauss小波及其伸缩平移系作为隐含层小波基函数,对传感器阵列检测到的变压器油中气体进行处理.配置了150组包含各种故障的油中溶解气体,其中140组作为前馈小波网络训练的样本,剩下10组气体对网络进行检验.实验结果显示:本文构造的小波神经网络适合处理变压器油中溶解气体的数据,能有效解决气体传感器的交叉敏感问题,提高了网络的训练速度和气体的检测精度.在相同的情况下,其性能优于传统BP神经网络法.

摘要： 利用粒子群算法优化小波网络已被证明是一种可行的有效的方法,但是,当粒子数量众多,或者网络结构复杂的时候,算法的运算量会非常庞大,从而限制了基于粒子群的小波网络在复杂情况下的应用.本文提出一种基于改进粒子群优化算法的小波网络学习算法,通过设定权值和网络因子两个粒子群,分别优化网络参数,并应用同一个粒子适应度来保证两个粒子群的一致性.在个人信用评估问题中,选取影响信用评价的关键因素进行量化,量化值作为小波网络的输入,应用改进粒子群算法学习成功的小波网络可以得到个人信用的评价结果.基于改进粒子群优化算法的小波神经网络训练方法不仅能够减少迭代次数,而且也能够提高收敛精度,适用于网络结构复杂,算法的运算量庞大的情况.优化后的小波神经网络具有很好的分类能力,能有效地用于分类问题.

摘要： 在采用网络模型对带有噪声的混沌时间序列进行建模的过程中,噪声会影响模型的泛化能力。针对上述问题,本文提出了基于小波去噪的小波网络预测框架。在预处理阶段使用小波阈值方法抑制噪声,运用相空间重构理论确定嵌入维数和延迟时间,进而确定改进的小波网络模型的结构,结合BP算法和遗传算法对模型的参数进行学习。最后,在带噪声的Mackey-Glass混沌序列预测实验中验证了该框架的有效性。

摘要： 针对带材轧制是一个复杂的非线性过程，板形板厚系统具有强耦合、非线性、含纯滞后环节的特点，提出了一种基于小波网络的PID神经元网络控制方案，利用两个结构相同的小波网络构造Smith预估器，预估器的输入参数与时延阶次无关，能较好地解决小波网络对维数较为敏感的问题。将PID神经元网络控制与小波网络Srnith预估器结合，使得整个系统具有良好的鲁棒性、实时性。仿真研究表明，控制方案对周期性干扰的影响可以很快克服，具有较快的速度和良好的动态性能。

摘要： 粗糙集和小波网络在解决银行信贷信用分类问题上各有优缺点，本文提出结合这两种方法的混合方法，用于银行信贷信用分类问题。实证分析表明，该方法比单独使用粗糙集或小波网络有更高的分类准确性。

摘要： 针对电梯交通流具有复杂性、随机性、非线性等特点，提出一种基于小波网络的电梯交通流预测方法．在应用小波网络建立交通流预测模型的基础上，采用Fleteter-Reeves共轭梯度法进行网络训练和调整权重．模拟仿真结果表明：与传统BP神经网络电梯交通流预测方法相比，本方法具有收敛速度快、易实现全局最优，预测误差小等优点．

摘要： 设计是一个复杂的过程,不管是建筑设计还是工程设计,所涉及到的参数都很多.在这其中,最复杂的是人的因素.在确定任务之后,通过抽象化,拟定功能结构,寻求适当的作用原理及其组合等,确定出基本求解途径,得出求解方案,这一部分设计工作叫做概念设计.概念设计是设计过程中一个非常重要的阶段.不但产品的创新设计主要在概念设计阶段,而且根据有关的统计资料表明,产品工本费的70％是在产品设计阶段决定的.同时,一旦概念设计被确定下来,产品设计的60％～70％也就被确定下来.尤其需要提及的是,即使详细设计再好,也难以弥补概念设计阶段所出现的缺陷.在设计问题中,常见的评价方法有两种,即人工评价和机器评价.目前机器评价应用并不广泛,主要是因为对设计的评价仍是一个复杂的问题,表现在量化上更是一个难以解决的问题.本文研究 小波网络的自构造算法和基于小波网络的概念设计评价。

摘要： 本文在对高新技术产业园区评价指标分析的基础上，提出了中国高新技术产业园区发展的小波网络综合评价方法，并在最小均方能量准则下，采用相应的共轭梯度学习算法求解子波函数线性组合的尺度和时延参数，以及小波网络的权值。实现了对高新技术产业园区发展的综合科学评价与判断。

摘要： 针对框架小波网络存在的网络结构不易确定的问题,提出一种基于TBIC(TestingBayesianinformationcriterion)信息准则的网络结构设计方法.该方法权衡网络规模和测试精度两方面因素,得到了在TBIC信息准则下的最优小波网络,达到了优化网络结构的目的.仿真结果表明,用该方法设计得到的小波网络具有较小的网络结构和良好的测试精度.相比于BIC(Bayesianinformationcriterion)准则函数,该准则能更准确地反映出测试精度随网络结构变化的趋势.

摘要： 本发明提出了小波卷积小波神经网络及情报分析方法与系统，小波卷积小波神经网络及情报分析方法(1000)，包括情报处理流程(100)、全段前向计算流程(200)、wCwNN训练计算流程(300)；可以应用到模式识别、拟合预测、智慧城市、智能警务安防和智能交管领域。该方法包括情报处理、全段网络前向计算、全段网络训练计算流程。该系统包括不受控系统、前端情报板、网络安全与交换设备、海量情报服务器、高性能情报分析器、情报监察控制器。该方法与系统应用时可以通过物联网采集不受控系统大数据信息，快速完成训练，高精度完成智能计算，实现高性能智能系统。

摘要： 本发明公开了一种声表面波型小波神经网络器件，它由输入层功能模块，隐含层功能模块，输出层功能模块三部分组成。其中，输入层功能模块由声表面波器件实现的小波重构功能器件阵列构成；隐含层功能模块，由声表面波器件实现的输入层到隐含层权值求和功能器件阵列和隐含层非线性阈值器件阵列构成；输出层功能模块，由声表面波器件实现的隐含层到输出层权值求和功能器件阵列和输出层非线性阈值器件阵列构成。本发明中声表面波型小波神经网络器件，由于采用无源、体积小、易于大规模生产、成本低、高频特性好的声表面波器件实现了小波神经网络算法，提高了处理信号的频率范围，减少了器件的实现体积，降低了功耗。

摘要： 本发明公开了一种基于小波神经网络的网络故障诊断方法，步骤如下：S1，获取故障和正常状态下的网络数据；S2，对网络故障数据进行数值化和归一化处理，并采用PCA降维算法进行数据降维；S3，创建小波神经网络模型，选用改进的灰狼优化算法，将优化得到的参数作为小波神经网络模型的参数；再将步骤S2处理后的网络故障数据作为输入，反向调整参数时增加动量因子，通过不断训练，完成网络故障诊断模型建立；S4,输入实时网络状态数据，判断网络是否出现故障；S5,输出网络故障诊断结果及故障类别。本发明引入动量因子，提高诊断模型的局部寻优能力；采用改进灰狼算法，优化故障诊断模型的初始参数，避免初始参数选取的随机性。

摘要： 本发明公布了一种模糊神经网络控制的混合小波神经网络盲均衡方法，本发明方法包括如下步骤：a.)将发射信号x(n)经过脉冲响应信道得到信道输出向量b(n)；b.)采用信道噪声N(n)和步骤a所述的信道输出向量b(n)得到盲均衡器的输入序列；c.)将步骤b所述的盲均衡器的输入序列y(n)依次经过改进的混合小波神经网络得到输出信号利用模糊神经网络(FNN)来调整改进的混合小波神经网络中神经元小波函数中平移因子和尺度因子的迭代步长，并以均方误差E(n)＝MSE(n)与均方误差的偏差ΔE(n)＝MSE(n)-MSE(n-1)作为模糊神经网络控制器的输入。本发明系统的灵活性高，避免了易陷入局部极小值的困境。

摘要： 本发明提出了小波卷积小波神经网络及情报分析方法与系统，小波卷积小波神经网络及情报分析方法(1000)，包括情报处理流程(100)、全段前向计算流程(200)、wCwNN训练计算流程(300)；可以应用到模式识别、拟合预测、智慧城市、智能警务安防和智能交管领域。该方法包括情报处理、全段网络前向计算、全段网络训练计算流程。该系统包括不受控系统、前端情报板、网络安全与交换设备、海量情报服务器、高性能情报分析器、情报监察控制器。该方法与系统应用时可以通过物联网采集不受控系统大数据信息，快速完成训练，高精度完成智能计算，实现高性能智能系统。

摘要： 本发明公开了一种基于小波神经网络和小波技术的变压器噪声预测方法，利用小波基函数取代传统BP神经网络隐含层神经元双曲正切S型激励函数，并在调整神经网络参数时引入动量因子，使得预测模型具有更快的收敛速度和更高的误差精度。利用小波分解技术对振动和噪声数字信号经行分解，将得到的小波低频系数作为预测模型的输入-输出对，当建模完成后，利用小波重构技术对预测得到的小波低频系数经行重构，得到预测的噪声数字信号。本发明不仅减少了训练样本的数量，缩短了神经网络中神经元的训练时间，而且还避免因变压器实测噪声数据中含有环境高频干扰噪声而导致预测效果差的问题。

摘要： 本发明公开了一种声表面波型小波神经网络器件，它由输入层功能模块，隐含层功能模块，输出层功能模块三部分组成。其中，输入层功能模块由声表面波器件实现的小波重构功能器件阵列构成；隐含层功能模块，由声表面波器件实现的输入层到隐含层权值求和功能器件阵列和隐含层非线性阈值器件阵列构成；输出层功能模块，由声表面波器件实现的隐含层到输出层权值求和功能器件阵列和输出层非线性阈值器件阵列构成。本发明中声表面波型小波神经网络器件，由于采用无源、体积小、易于大规模生产、成本低、高频特性好的声表面波器件实现了小波神经网络算法，提高了处理信号的频率范围，减少了器件的实现体积，降低了功耗。

摘要： 本发明公开了一种基于小波神经网络的网络故障诊断方法，步骤如下：S1，获取故障和正常状态下的网络数据；S2，对网络故障数据进行数值化和归一化处理，并采用PCA降维算法进行数据降维；S3，创建小波神经网络模型，选用改进的灰狼优化算法，将优化得到的参数作为小波神经网络模型的参数；再将步骤S2处理后的网络故障数据作为输入，反向调整参数时增加动量因子，通过不断训练，完成网络故障诊断模型建立；S4,输入实时网络状态数据，判断网络是否出现故障；S5,输出网络故障诊断结果及故障类别。本发明引入动量因子，提高诊断模型的局部寻优能力；采用改进灰狼算法，优化故障诊断模型的初始参数，避免初始参数选取的随机性。

摘要： 本发明实施例公开基于小波神经网络的网络流量预测方法，确定进行网络流量预测的空间区域、采集时间段和采集间隔，通过网络流量监测软件在采集时间段对空间区域的实时网络流量按照采集间隔进行采集，获得每个采集时间点的网络流量数据；将网络流量数据拆分为训练数据组和测试数据组，对训练数据组的网络流量数据进行编组，构建小波神经网络模型，对编组后的训练数据组A进行训练，采用训练完毕的小波神经网络模型对空间区域中测试数据组的采集时间段的网络流量进行预测，将预测结果与测试数据组实际值比较；采用指标进行预测评价，满足预设的误差精度后，将训练完毕的小波神经网络模型用于空间区域的网络流量预测。精度高，方法简单，泛化性强。

摘要： 本发明提供了基于自适应微分进化算法优化小波神经网络的短期网络流量预测方法，包括以下步骤：步骤1：数据预处理，将数据集拆分成训练样本和测试样本；步骤2：初始化小波神经网络WNN结构及自适应微分进化算法ADE种群大小NP、最大进化代数G、初始变异概率F0、交叉因子CR的参数；本发明在小波神经网络修正参数的步骤中增加动量项；同时采用自适应微分进化算法(ADE)生成小波神经网络初始连接权值、小波系数及动量项系数，通过优化调整WNN参数初始化的策略，建立了基于自适应微分进化算法优化小波神经网络(ADE‑WNN)的模型，经过优化改进的小波神经网络模型，收敛速度更快，预测精度也更高且具有很好的稳定性，可以有效地预测未来短期的网络流量数据。