神经网络仿PID参数自适应控制器及其应用

介绍了基于BP神经网络的仿PID自适应控制器，给出了控制算法，推导了基于变形Elman网络的系统辨识算法，仿真及应用表明此方法是可行的。     

神经网络自适应学习步长研究

论述了神经网络学习算法的研究现状和存在的问题，分析了ＢＰ算法中学习步长选取的局限性，建立了ＢＰ网络输出误差的非线性规划模型，并根据文献［６］的状态空间混合算法，推导出了一种自适应调整学习步长的公式。推得的学习步长能够利用环境改变的低息反馈不断自动改变。     

基于PID神经网络的非线性系统辨识与控制

针对工业控制领域中非线性系统采用传统的控制方法不能达到满意的控制效果,提出一种基于P ID神经网络的控制方案,以对其进行辨识和控制。将P ID神经网络引入控制系统中,既具有常规P ID控制结构简单、参数物理意义明确等优点,同时又具有神经网络的并行结构和学习记忆功能及非线性映射能力。仿真结果表明:该控制系统响应速度快、超调量小、稳态精度高,能够快速跟踪系统输出并进行有效控制,且具有一定的自适应性和鲁棒性,满足实时控制的要求。     

智能PID控制器及应用

本文从模糊逻辑、神经网络、专家系统三个方面介绍几种智能PID控制器的结构及应用。     

基于神经网络的非正常工况预报

分析了PTA生产中氧化反应器尾氧浓度的影响因素,提出一种用小波分析对数据进行降噪处理的方法。采用BP神经网络并对其进行了一定程度的改进。通过降噪前后的网络仿真结果对比,表明基于小波降噪的神经网络具有更好的精度和更强的泛化能力。用此网络预测尾氧浓度,实现了对非正常工况的预报。通过实际对比,表明该网络能够较理想地预报出非正常工况。     

基于BP神经网络的煤矿沉陷补偿模型

煤矿开采沉陷补偿以往传统的做法是专家评估的方法。把现代数学方法与煤矿沉陷补偿评估相结合提出新的模式,将BP神经网络理论应用于煤矿开采沉陷补偿评估预测中,在与目前常用的评估方法进行比较后,指出了用神经网络进行煤矿沉陷补偿预测的可行性和优势,讨论了网络的结构设计、学习算法,以及运用实例来进行验证。     

PID神经网络多变量控制系统的研究与改进

PID神经网络(PIDNN)是将神经网络和PID控制规律融合一起的新型神经网络.本文分析了多变量控制系统—MPIDNN控制存在的局限性,采用一种新的函数替换原MPIDNN控制的激励函数,并对改进后的MPIDNN系统进行仿真,仿真结果显示改进后的MPIDNN系统性能得到了明显改善.     

利用神经网络完成码道编码译码的方法研究

运用神经网络BP算法实现绝对码值的译码,经过读数头得到绝对式编码尺或光电接收器状态代码,其代码运用神经网络BP算法,得到译码的数学模型,状态代码经过数学模型实现译码。     

基于灵敏度的不稳定对象PID控制器

针对不稳定对象提出了一种基于灵敏度指标的PID控制器整定方法.首先采用内环反馈结构将不稳定对象转换成一个稳定的模型,然后基于灵敏度指标设计PID控制器,最后通过将两个回路等价为一个反馈回路结构获得给定加权PID控制器参数.仿真结果表明,本PID控制器整定方法可以使不稳定对象闭环系统获得期望的灵敏度,保证了系统的鲁棒性和良好的控制性能.     

基于PSO算法优化RBF神经网络的基金净值预测研究

为了更精确地对基金净值进行预测,针对基金净值变化具有非线性和随机性等特点,提出基于粒子群优化RBF神经网络的基金净值预测模型。利用具有全局寻优的PSO算法对RBF神经网络的参数进行优化,并用经PSO算法优化的RBF神经网络对基金净值进行预测分析。仿真实验结果表明:与使用BP神经网络和RBF神经网络的基金价格预测方法相比较,PSO算法优化的RBF神经网络能够准确地预测基金价格的变化趋势,具有较高的预测精度,对于用户选择基金有着非常重要的意义。     

基于人工神经网络温度场物性参数模型研究

因人工神经网络具有表达任意非线性映射的特性，本文探讨用于温度场的 物性参数识别的人工神经网络模型，阐述了该方法的适用性.     

基于人工神经网络重力坝安全监视位移预报模型的研究

以重力坝位移为代表,运用人工神经网络具有表达非线性映射的性质在计算机上求解,小丰满观测资料为人工神经网络在实际应用提供了实例,经检验,所用网络模型拟合效果和预报效果都很理想．     

基于人工神经网络的国家新建粮库运营绩效评价方法研究

国家新建粮食储备库运营绩效的评价应从这一概念的内涵出发,建立运营绩效评价的多层次指标体系,把人工神经网络作为评价理论依据.提出了评价的基本思路,构建了评价的反向误差传播(BP)模型.     

基于BP神经网络软粘土循环强度研究

以软粘土动三轴试验结果作为样本集，以静应力、循环应力和确定位移破坏标准下的循环破坏振次作为输入层，建立基于BP神经网络软粘土循环强度的预测模型．通过循环扭剪试验结果对模型进行检验．结果表明，该模型稳定性良好，其稳定性不受试验应力状态的影响，可以用来预测一般应力状态下软粘土循环强度，预测精度满足岩土工程的要求．     

基于模糊神经网络的模拟电路诊断系统的研究

提出了利用模糊神经网络对容差网络进行故障诊断的算法，论述了诊断系统的设计过程和训练样本集的构成．通过在最小值最大值间插值的方式，很好地解决了容差带来的问题．实例验证表明，该方法对容差网络的故障诊断是有效的．     

基于"透明"神经网络的模拟电路故障诊断

本文通过分析BP神经网络用于模拟电路故障诊断时的缺点,提出了一种新的神经网络．称为“透明”神经网络(TANN)．然后将TANN用于模拟电路子网络级故障诊断．并通过实例验证了该诊断方法的有效性．     

基于神经网络的数控机床可靠性预计研究

本文提出了利用人工神经网络来辅助实现数控机床的可靠性预计的方法,建立了用于数控机床可靠性预测的三层BP神经网络模型,给出了具体的算法,并通过实例证明该方法比传统的数学模型预计方法更准确和可靠。     

基于神经网络的面波迭代反演应用研究

根据滩浅海近地表结构特征,尝试利用地震记录中的面波进行近地表结构研究,以便了解滩浅海地区的近地表地层介质结构变化,为深层油气勘探提供准确的低降速带资料。针对面波频散反演已有方法存在的不足,引入一种基于BP神经网络的迭代反演方法对面波的频散曲线进行拟合迭代,用于反演预测滩浅海低降速带地层参数。由于神经网络具有很强的自学习、自适应、自组织和容错能力,它的反演预测能力非常强大,能够较精确地预测出所要求解的目标数据,同时结合传统迭代反演方法的优点,增强了该方法的反演预测能力。通过对滩浅海近地表结构模型试算,获得好的效果,同时进一步对实际记录进行了计算,也取得了比较满意的结果。     

基于神经网络技术的房地产商业贷款风险分析

本文根据建筑行业项目给出了具体的商业风险评价指标,建立了模糊神经网络模型.旨在通过数据挖掘的方法对房地产行业的贷款客户进行贷款的风险评价,以便预测贷款的风险等级.     

基于小波神经网络的油泵故障诊断

依据小波神经网络技术的各种优点,提出采用三层BP小波神经网络构造故障诊断模型,对油泵进行故障监测和诊断。该故障诊断方法对神经网络训练、故障特征参数提取和对应神经网络状态输出等均实现了数据库管理,对油泵多种常见故障取得了满意的诊断效果,不仅具有特征自动提取以及较强的自学习和自适应功能,而且操作维护简便。研究结果表明：信号的小波分析和神经网络识别的融合将为油泵状态监测与故障诊断系统的建立提供新的方法和更简便的途径;对油库安全维护与故障诊断具有重要意义。