_計(jì)算機(jī)應(yīng)用_2011年選題方向和重點(diǎn)組稿內(nèi)容.

1、擇了 400 個(gè)訓(xùn)練樣本對(duì)網(wǎng)絡(luò)訓(xùn)練，由于篇幅有限，列舉部分訓(xùn)練樣本如表 5 所 示，其中平穩(wěn)溫度狀態(tài) Ts、平穩(wěn)上升溫度狀態(tài) T r、突然上升溫度狀態(tài) Tsr、突然下降溫度狀態(tài) Tsd、突然上升后平穩(wěn)狀態(tài) T srs、突然下降后的平穩(wěn)狀態(tài) T sds。表 5 各個(gè)溫度狀態(tài)的典型樣本樣本序列溫度狀態(tài)輸入特征向量x k (t 1 x k (t 2 x k (t 3 x k (t 4 x k (t 5 x k (t 6 x k (t 7 x k (t 8仃 s 76. 377. 177. 578. 478. 578. 578. 878. 9 2T s75. 475. 276. 176. 176.27

2、7. 577. 778. 0 3T sds92. 364. 365. 866. 467.867. 969. 372. 4 4T r40. 746. 851. 959. 264.770. 673. 477. 75T r52. 558. 365. 777. 678. 978. 979. 380. 4 6T srs64. 380. 480. 680. 981. 381. 681. 481. 9 7T sr43. 258. 761. 665. 773. 978. 479. 681. 52 識(shí)別檢驗(yàn)。網(wǎng)絡(luò)訓(xùn)練完成后，記住了各輸出神經(jīng)元節(jié)點(diǎn)與輸入神經(jīng) 元節(jié)點(diǎn)的聯(lián)接權(quán)重，建 立了基于時(shí)間的溫度測(cè)值序列與溫度

3、狀態(tài)相對(duì)應(yīng)的非線性映射關(guān)系。為驗(yàn)證該模 型建立的有效性，利用 100 個(gè)未參加訓(xùn)練的樣本作為 “未知”樣本，運(yùn)用該模型已 掌握的知識(shí)信息識(shí)別，按其輸出節(jié)點(diǎn)（即最大的內(nèi)積 值的節(jié)點(diǎn)的類別判別其待識(shí) 別樣本的類別，識(shí)別正確率 89%。表 6 所列舉的 3 個(gè)樣本是針對(duì)表 3 中右部測(cè)點(diǎn) 2 在 t 2 時(shí)刻一個(gè)周期可能會(huì)出現(xiàn)的樣本序列，利用 SOFM 對(duì)其識(shí)別結(jié)果。其中，樣本 1 預(yù)測(cè)是平穩(wěn)狀態(tài)，則需要報(bào)警，因其平穩(wěn)狀態(tài)是保持 t2時(shí)刻異常升高的溫度。樣本 2 識(shí)別結(jié)果是在突然下降后的平穩(wěn)狀態(tài)，t2時(shí)刻后一個(gè)周期內(nèi)溫度又回到突變 之前的狀態(tài)，即正常狀態(tài)，即不需要報(bào)警。 樣本 3 除個(gè)別點(diǎn) 外，保持

4、上升的趨勢(shì)，即異常變溫度之后的溫度繼續(xù)上升，因此也 需要報(bào)警。由此可見(jiàn)，引入 SOFM 對(duì)關(guān)鍵測(cè)點(diǎn)進(jìn)行一段 時(shí)間的識(shí)別提高了溫度判 別的可靠性。表 6 待測(cè)樣本識(shí)別結(jié)果與實(shí)際相比較樣本序列輸入特征向量x k (t 1 x k (t 2 x k (t 3 x k (t 4 x k (t 5 x k (t 6 x k (t 7 x k (t 8預(yù)測(cè)狀態(tài)實(shí)際狀態(tài)191. 291. 891. 992. 092. 092. 192. 793. 2TsTs291. 267. 267. 267. 367. 267. 267. 567. 9T sds T sds391. 268. 569. 294. 382.

5、 596. 3100. 2104. 5T sr T sr 4 結(jié)語(yǔ)以牽引電機(jī)外殼多測(cè)點(diǎn)的溫度監(jiān)測(cè)為例，為減少因過(guò)多 測(cè)點(diǎn)帶來(lái)的繁瑣復(fù)雜性 引入 AHP 方法對(duì)各個(gè)測(cè)點(diǎn)進(jìn)行動(dòng)態(tài) 時(shí)刻選擇，挑選能反映當(dāng)前設(shè)備溫度的關(guān)鍵測(cè) 點(diǎn),同時(shí)引入 T Kohonen 人工自組織神經(jīng)網(wǎng)絡(luò)對(duì)選擇的測(cè)點(diǎn)的溫度進(jìn)行一段時(shí)間的跟蹤識(shí)與溫度判別，提高了識(shí)別的可靠性并能準(zhǔn)確地找到關(guān)鍵測(cè)點(diǎn)。本文的方 法中體現(xiàn)了 3 個(gè)比較新穎的方面。1 AHP 方法的成功引入，不是孤立地研究設(shè)備 的某一測(cè)點(diǎn)，而是設(shè)備外殼很多的測(cè)點(diǎn)及內(nèi)部相關(guān)測(cè)點(diǎn)。當(dāng)外殼某測(cè)點(diǎn)出現(xiàn)異?？梢躁P(guān)聯(lián)地判知是否是內(nèi)部相關(guān)測(cè)點(diǎn)的溫度變化而引起的，避免了孤立地研究一個(gè)測(cè)點(diǎn)

6、的信息單一化，增加了表達(dá)設(shè)備溫度狀態(tài)知識(shí)信息的豐富性。2 Kohonen 人工自組織輸入?yún)?shù)的確定，當(dāng)某測(cè)點(diǎn)某時(shí) 刻的溫度被 AHP 排序 選中，Kohonen 對(duì)此點(diǎn)的溫度進(jìn)行一個(gè) 周期的跟蹤識(shí)別，而不是孤立地研究某時(shí)刻 的溫度值進(jìn)行判別，提高了溫度狀態(tài)判別的可靠性。3 由于表達(dá)溫度狀態(tài)的溫度序列值的多樣性,利用了 Kohonen 人工自組織的優(yōu)點(diǎn)，將高維映射到低維，將相近或相似的溫度序列映射到二維空間相近或相同的區(qū) 域，保持了其拓樸結(jié)構(gòu)的不變性，同時(shí)也提高了分類能力。參考文獻(xiàn)：1 張甲敏，陳軍龍，鄒朝軍，等.溫度對(duì)密封鎘鎳蓄電池容量的影響J.電源技術(shù),2007, 31(3 :225-227

7、.2楊麗偉，張奕黃.異步牽引電機(jī)的溫度場(chǎng)分析J.防爆電機(jī)，2008, 43(2 :18-21.3張舟云，徐國(guó)卿，沈祥林牽引逆變器散熱系統(tǒng)的分析與設(shè)計(jì)J.同濟(jì)大學(xué)學(xué)報(bào)：自然科學(xué)版,2004, 32（6 :775 778.4于建國(guó)，葉慶 泰，呂晨亮地鐵用制動(dòng)電阻彈性熱力耦合仿真分析J.計(jì)算機(jī)仿真，2004, 21（10 :167 169.5 ZHANG YAN，ZHANG HONG; ZHONG ZHENYU ，et al. Objec-tivelyevaluating environmental comprehensive quality by improved AHP methodC /The

8、 2ndIntern ati onal Conference on Bioi nfor-matics and BiomedicalEngineering. Washington，DC:IEEE Com-puter Society，2008:4645 4649.6高雋.人工神經(jīng)網(wǎng)絡(luò)原理及仿真實(shí)例M .北京：機(jī)械工業(yè)出版 社，2003:146- 152.7- 劉新憲，朱道立.選擇與判斷AHP（層次分析法決策M(jìn) .上海：上海科學(xué)普及出版社，1990:45 55.計(jì)算機(jī)應(yīng)用2011 年選題方向和重點(diǎn)組稿內(nèi)容網(wǎng)絡(luò)與通信物聯(lián)網(wǎng)技術(shù)（RFID 應(yīng)用、嵌入式技術(shù)、無(wú)線傳感網(wǎng)、通信技 術(shù)、互聯(lián)網(wǎng)體系結(jié)構(gòu)、網(wǎng)絡(luò)協(xié)

9、議、下一代網(wǎng)絡(luò)（未來(lái)網(wǎng)絡(luò)技術(shù)、社交網(wǎng)絡(luò)。信息安全密碼技術(shù)、數(shù)據(jù)安全、計(jì)算機(jī)病毒與防治、網(wǎng)絡(luò)安全、水印技 術(shù)。先進(jìn)計(jì)算社會(huì)計(jì)算、云計(jì)算、海計(jì)算、綠色計(jì)算、粒計(jì)算、網(wǎng)格計(jì)算、普適計(jì)算、可信計(jì)算、可視計(jì)算、智能計(jì)算、移動(dòng)計(jì)算、仿生計(jì)算、 生物醫(yī)學(xué)計(jì)算、分布式計(jì)算。人工智能機(jī)器學(xué)習(xí)、模式識(shí)別、智能感知、神 經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、自然語(yǔ)言處理、認(rèn)知科學(xué)、認(rèn)知技術(shù)。圖形圖像技術(shù)圖 形學(xué)、圖像處理、機(jī)器視覺(jué)、虛擬現(xiàn)實(shí)（虛擬仿真、建模技術(shù)、識(shí)別與合成 技術(shù)、虛擬平臺(tái)/應(yīng)用、交互技術(shù)、增強(qiáng)現(xiàn)實(shí)與視覺(jué)合成、人機(jī)交互。數(shù)據(jù) 庫(kù)技術(shù) XML 數(shù)據(jù)管理、數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)流管理、Web 數(shù)據(jù)庫(kù)、數(shù)據(jù)集成、 數(shù)據(jù)挖掘、特種數(shù)據(jù)庫(kù)、海量數(shù)據(jù)存儲(chǔ)與處理、語(yǔ)義 Web。774計(jì)算機(jī)軟件技術(shù) 操作系統(tǒng)、編譯系統(tǒng)、軟件開(kāi)發(fā)環(huán) 境與開(kāi)發(fā)技術(shù)、軟件工 程?，F(xiàn)代服務(wù)業(yè)信息技術(shù)電子商務(wù)、電子政務(wù)、數(shù)字金融、數(shù)字醫(yī)療、數(shù)字 教育、數(shù)字旅游、數(shù)字媒體、數(shù)字娛樂(lè)、現(xiàn)代物流。典型應(yīng)用計(jì)算機(jī)控制