基于蚁群BP神经网路算法的六维力传感器解耦研究

针对传统BP神经网络在六维力传感器解耦训练过程中,由于其初始参数的选取不确定性导致神经网络出现震 荡、收敛速度缓慢和陷入局部极值等问题,提出一种基于蚁群BP神经网络算法并应用于六维力传感器解耦研究。该算 法利用蚁群算法在种群寻优方面的优越性,通过局部和全局信息素更新相结合的方式更新信息素,提高蚁群算法搜索的 效率,为BP神经网络提供一组最优的训练初始参数,网络收敛速度得到很大地提高,同时局部极值和震荡等缺点也有一 定的改善。实验仿真结果表明,在六维力传感器神经网络模型训练过程中,达到同样的目标误差,基于蚁群BP神经网络 算法的迭代次数Ⅳ比传统算法少50%,运行时间r快60%。这说明蚁群BP种经网络算法在六维力传感器解耦研究中 有着很好的应用效果。     

基于神经网络的六维力传感器静态标定方法研究

利用BP神经网络研究了六维力传感器的静态标定方法.良好的泛化能力是基于神经网络标定方法的关键,而现有基于神经网络的传感器标定方法对网络的泛化能力鲜有考虑.针对上述问题,以提高神经网络泛化能力为目的,对神经网络的训练样本、训练期望误差值和网络隐层单元数等的选取进行了研究.实验及计算机仿真表明,当选取样本数据具有遍历性时,利用神经网络标定后进行补偿计算可提高六维力传感器的测量精度.     

电弧炉电极系统双模控制策略研究及应用

针对交流电弧炉电极控制系统具有非线性时变、多变量、强耦合及存在随机干扰的特点,采用基于最近邻聚类方法的径向基函数(RBF)神经网络快速学习算法,通过实时在线辨识,建立电弧炉电极系统的精确逆模型并用于控制,实现了将具有强耦合特性的多变量输入/输出(MIMO)系统解耦成单个独立的伪线性对象,并提出一种基于RBF神经网络逆控制与比例微分(P/D)控制相结合的双模控制策略。应用结果证实了该控制策略具有快速适应对象和过程变化的能力及较强的鲁棒性。     

被动腕关节曲面跟踪的模糊柔顺控制

介绍了一种利用被动腕关节的曲面柔顺研抛工具系统的结构原理,阐述了利用弹性适应体与直线步进电机的系统力控制方案,通过将力/位混合空间解耦,在独立的力空间对法向力进行主动控制。建立了力控制系统模型。采用模糊PID控制算法对控制参数进行实时整定,利用Simulink对控制系统性能进行了仿真实验。使用LabVIEW编制了控制系统软件,并结合一种自由曲面形状工件进行了法向力控制实验。仿真和实验结果均表明系统动态特性良好,对法向力的控制效果较好。     

扩大柱式力传感器量程的一种方法

本文介绍了一种扩大柱式力传感器量程的方法.在不改变传感器原有性能和结构的情况下,使小负荷传感器的量程扩大一倍或数倍,并且给出了量程增大机构的工作原理及设计方法.     

井下节流气井的生产动态预测

以单井开采系统为研究对象,采用温度、压力解耦建模与数值耦合方式,以井口油压为控制条件,通过油嘴控制流量和下游温度,建立井下节流气井的井筒-气藏流动耦合的生产动态预测模型,利用试井解释结果或生产动态历史拟合,预测气井的生产流量、压力变化,同时描述生产过程中的井筒非线性温度剖面、压力剖面,从而全面掌握节流气井的生产动态,并可进一步扩展应用于多相流动和复杂井眼轨迹情况。     

燃气轮机的传感器故障检测、分离和信息重构

介绍了两种燃气轮机的传感器故障检测、分离和信息重构的方法.第一种方法是基于主元分析的平方预测误差指标.本文同时采用了自组织映射神经网络的方法,在方法与结果上与主元分析的方法进行了对比和分析.传感器故障的检测由主元分析的平方预测误差指标和自组织映射神经网络的误差估计执行,贡献率图用来实行故障的分离,最后的信息重构由主元分析和自组织映射神经网络延伸的算法执行.实际工业燃气轮机的数据验证了两种方法的准确性和可行性.     

智能孵化控制系统的设计与实现

针对禽蛋孵化过程中的控制问题,研制了一种以8051单片机为核心新的孵化控制系统,采用不同控制方法,对温度、湿度和氧气浓度进行控制,并用间接模糊解耦方法对温度、湿度和氧气浓度三者进行解耦,着重阐述了软件设计思想,并给出了控制算法。系统的实际运行结果表明,该系统动态响应好,控制精度高,并易于各种孵化曲线的实现。     

基于RBF神经网络的人脸识别方法

计算机模式识别是视觉领域中的研究热点之一,是指用生物特征比如人脸信息来识别和辨认某个人类个体.提出了一种基于RBF神经网络的人脸识别方法：采用主成分分析技术把样本维数降低,同时利用模糊聚类算法进行粗分,然后用ORL标准人脸数据库进行实验.实验结果表明,该方法大幅度提高了人脸识别的效果.     

注塑机料筒加温系统多变量解耦控制及非线性控制的实验研究

本文研究对象为注塑机料筒加温系统，针对该多变量（例如４输入、４输出）系统相邻加热段之间存在较强的耦合作用，提出了一种简单、直观且易于工程实现的解耦方法，使得仅依据各通道之间的输入、输出值，便能够实现类似无耦合单通道控制．该算法经实验验证，获得了理想的控制效果，显示出较大的工程实用价值及深远的应用前景．     

基于时变系统的油田产量功能模拟预测

神经网络预测的优点是预测指标与影响因素指标的历史拟合好，微分模拟预测的特点则是预测过程中更加注重预测指标的自身变化趋势。两者有机结合，首先将微分模拟得到的油田产量与其影响因素的输入输出关系视为时变系统，再把BP神经网络引入到微分模拟参数识别中，建立具有时变特征的功能模拟预测新方法。该预测模型中的参数随时间变化，具有自适应性；能在神经网络训练过程中通过变学习率的方式解决其与微分模拟胶合过程可能出现的不收敛问题；对中长远预测有更好的效果。最后将这一新方法应用于国内某油田的产量预测中，经软件计算，预测结果与实际的吻合程度明显高于其它几种预测方法。     

电力设备基于小波神经网络故障检测方法的仿真研究

提出了一种基于小波神经网络非线性观测器的故障检测方法。它是将规范正交的小波函数作为基函数网络中的基函数 ,得到小波神经网络。通过小波的去噪和神经网络的自学习功能 ,获取系统输入输出的非线性动力学特性 ,进而实时计算出残差并进行逻辑判决 ,可提高故障检测的速度和准确率。对同步交流电机的结构损伤故障进行了仿真 ,结果表明了该方法的有效性     

基于神经网络的高职教师教学质量评价模型的构建

针对神经网络的结构特性、自适应和自学习功能,提出了基于BP神经算法建立高职教师教学质量评价系统,确定了系统的数学模型,采用各评价指标作为其输入,教学效果作为输出,该模型在收敛速度、网络的适应能力方面是可行的、适用的。实验结果表明：该数学模型克服了传统分析评价教学过程中的复杂性和人为因素干扰,具有方便、准确、可靠、快速的特点,辨识精度高。     

基于盾构掘进参数的LVQ神经网络地层识别

以苏州4号线2标及2号线东延伸线5标地铁工程为背景，分析了盾构机的掘进参数：千斤顶推力、推进速度、刀盘扭矩、螺旋机转速和同步注浆量在不同地层条件下的变化规律。提出了基于盾构机掘进参数的学习向量量化（Learning Vector Quantization，LVQ）神经网络地层识别方法。建立了以盾构机五个掘进参数作为输入，地层特性编码为输出的数学模型，通过每种地层100组训练样本对模型进行训练，通过57步训练，训练样本误差控制在0.1以内，并用每种地层50组检验样本进行检验，地层总体识别率达到82.7%。     

基于GA-BP 算法的旋转控制头轴承温度预测

旋转控制头轴承组件要承受很大的动载荷,由于摩擦力的作用,使轴承发热和磨损非常严重,极易发生轴承 温度过高而导致轴承失效。针对旋转控制头轴承温度影响因素多、精确计算困难、不易测量等特点,提出了一种基于 遗传算法优化的神经网络（the optimized algorithm of BP neural network based on genetic algorithm,GA-BP）进行旋转控 制头轴承温度预测的方法,利用某无外挂冷却润滑泵站式旋转控制头台架实验数据进行训练和测试,并与传统神经网 络模型（BP）进行对比。结果表明,GA-BP 预测模型实现了控制头轴承温度预测过程的自适应控制,预测得到的轴承 温度与期望值之间的线性相关度达到0.991 48;通过95% 置信区间以及平均、最大、最小绝对百分比误差的对比得到, GA-BP 模型在逼近能力、收敛和泛化能力上都要优于BP 预测模型。GA-BP 预测模型预测精度高、稳定性好,对掌 握轴承运行状态,优化旋转控制头冷却润滑方式和结构,提高旋转控制头的整体性能有重要指导意义。     

高新技术园区投入产出绩效的智能评价

投入产出绩效评价是关系着中国各高新技术园区可持续发展的关键问题。由于评价问题的高维复杂性,神经网络方法与其他方法相比具有一定的优越性,但存在着训练准则和分类准则不一致的问题。采用一种区域映射神经网络模型,实现了从区域到区域的映射比区域到点的映射更快、更好,保证了神经网络训练准则与实际分类准则的一致性,具有比前馈式神经网络更快的收敛速度和更高的分类精度。利用区域映射神经网络模型对中国高新技术园区投入产出绩效进行智能评价,取得了较好的效果。