A MULTI -OBJECTIVE FUZZY DECISION -MAKING APPROACH FOR POWER NETWORK PLANNING UNDER UNCERTAINTY

This paper proposes a multi - objective fuzzy decision - making approach for power network planning under uncertainty ,which simutaneously considers not only the least investment cost,the minimum power loss,the maximum reliability,and the least environmental impacts, but also the uncertainty about the future load growth and the capital investment availability. The validity and effectiveness of the proposed approach is verified with numerical examples.     

The Method of Diagnosing Brain-dysfunction Based on Membership Function and BP Neural Network

Membership functions.formed with the characteristic values obtained by applying the continuous reaction time (CRT) theory from controls and heptic encephalopthy and proposedin this paper.whith these membership functions,the CRT data to be diagnosed are calculated in advance,and then discriminated by BP meural network to differentiate patients with or without braindysfunction.The troubles of low accuracy and efficiency,encountered in training BP network withfuzzy samples.scattered data and extended samples,are solved.     

基于SOFM神经网络的核心种质取样算法

介绍了核心种质和自组织特征映射网络的基本概念，使用自组织特征映射网络的自组织特性对种质性状数据进行了聚类，利用聚类的分组结果，提取核心种质，通过对核心种质的各种参数的检验并与完全随机取样和一般的系统聚类的对比。结果表明，SOFM的取样算法，是一种比较有效快捷的算法，可以在实际中加以应用。     

基于BP神经网络的信息融合发动机故障诊断的研究

为了解决发动机喷油器故障诊断中基于单传感器信息的方法诊断精度低的缺点，在神经网络分析的基础上，提出了一种基于气缸压和、缸盖振动信号和燃油压力等多传感器信息融合的喷油器故障诊断新方法。该方法能有效地提高其故障诊断精度，明显增加了诊断过程的准确性和智能化。     

机械结合面切向接触阻尼的神经网络结构化建模

为了使机械结合面切向接触阻尼实验数据便于在机械结构CAD中应用，本文基于人工神经网络的非线性映射能力，提出了机械结合面切向接触阻尼基础数据的神经网络结构化建模方法，并进行了实例建模。结果表明，该方法实用、有效，建模精度和建模效率较高，而且集传统建模与建库思想于一体，实现了多种结合条件下的机械结合面切向接触阻尼基础数据的统一建模。     

基于形态谱和形状特征的平面四杆机构设计方法

连杆轨迹曲线与连杆机构参量之间存在着复杂的非线性关系,用具有旋转、缩放、平移不变特性的形状谱和几何参数作为联合特征,描述了连杆轨迹曲线的结构形态特征和整体形状特征,并构建曲线形态的识别、比较方法,实现了连杆轨迹曲线描述最小的数据冗余;利用人工神经网络拟合了连杆轨迹曲线与连杆机构之间的非线性关系,获取与预期轨迹最为吻合的连杆曲线参数,实现了机构的快速综合设计.以512幅连杆曲线图像为学习库,64幅图像为工程测试样本的实验数据说明了本文方法的可行性,并分析了误差产生的原因.     

基于改进BP神网络的离心泵性能预测

采用改进神经网络(贝叶斯正则化算法)对IB型单级离心泵水力模型的性能进行了预测,通过工程实践中得到的100组离心泵最优几何尺寸来训练网络,并用训练好的网络对需生产的水泵进行工况预测。结果显示,用改进神经网络来预测单级离心泵的性能,预测误差不超过6%。     

移动机器人避障路径规划方法研究

以全自主移动机器人为研究平台，介绍了移动机器人的硬件体系结构、避障行为决策、避障运动控制等。提出一种足球机器人避障路径规划方法，该方法吸取了栅格法信息处理量小的优点，只对障碍物的威胁点进行检测，弥补了其在特征匹配方面的不足，同时无需考虑障碍物的运动状态和运动速度，提高了机器人避障的灵活性和鲁棒性。     

基于CMAC神经网络的自适应渠道输水自动控制研究

介绍了小脑模型神经网络CMAC的原理及基于CMAC的自动控制方法。在渠道输水控制技术的基础上,依据CMAC神经网络学习速度快、能够表达复杂非线性关系、适合于适时控制的特点,提出了基于CMAC的渠道输水控制模型。仿真结果表明,基于CMAC的渠道输水控制,算法简单方便,具有实时性、稳定性和较强的鲁棒性,控制效果较为理想。     

基于随机森林回归算法的小麦叶片SPAD值遥感估算

使用机器学习中的随机森林(RF)回归算法构建小麦叶片SPAD值遥感反演模型。以2010—2013年江苏地区试验点稻茬小麦3个生育期(拔节、孕穗、开花)的叶片为材料,结合我国自主研发的环境减灾卫星HJ-1对研究区域进行同步监测,分析了各生育期叶片SPAD值与8种植被指数间的相关性;以0.01水平下显著相关的植被指数作为输入参数,使用RF回归算法构建了每个生育期的小麦SPAD反演算法模型,即RF-SPAD模型,以支持向量回归(SVR)和反向传播(BP)神经网络算法构建的SVR-SPAD模型和BP-SPAD模型作为比较模型,以R2和均方根误差(RMSE)为指标,分析了每个生育期3个模型的学习能力和回归预测能力,结果表明:RF-SPAD模型在3个生育期都表现出最强的学习能力,R2和RMSE在拔节期分别为0.89和1.54,孕穗期分别为0.85和1.49,开花期分别为0.80和1.71;RF-SPAD模型在3个生育期的回归预测能力都高于BP-SPAD模型,高于或接近于SVR-SPAD模型,R2和RMSE在拔节期分别为0.55和2.11,孕穗期分别为0.72和2.20,开花期分别为0.60和3.16。