基于多层递归模糊神经网络的间歇过程批次间优化控制

针对间歇过程,基于多层递归模糊神经网络和混沌搜索实现了终点产品质量的批次间迭代控制策略,并在此基础上提出了间歇过程温度控制的批次间迭代控制策略。多层递归模糊神经网络被用于间歇过程对象建模,混沌搜索用于过程建模和优化计算。由于存在模型误差和未知干扰,基于模型所计算出来的最优控制输入在实际运用到对象上后并不是最优的。利用间歇过程的重复特性,根据以前批次的模型预测误差来修正模型预测,并据此计算下一批次的最优控制输入。随着批次的进行,跟踪误差逐渐减小。仿真实验验证了该方法的有效性。     

房地产市场价格的此较建模研究

近几年,我国房地产市场价格逐年攀升,引起了人们的广泛关注.研究房地产市场价格的变化趋势具有重要的理论和实践意义.笔者主要采用经济基本面数据,通过自回归、多元线性回归、RBF神经网络、自组织数据挖掘以及组合预测的方法来建立模型,然后对这些模型进行评价,并从中找出最能反映现实房地产价格变化趋势的模型.     

A356铝合金飞轮壳挤压铸造工艺参数优化

为探究最优的A356铝合金飞轮壳挤压铸造工艺参数组合，课题组研究了运用铸造数值模拟仿真、建立遗传算法优化后的BP神经网络及粒子群算法，以最小缩松缩孔缺陷体积作为优化目标，对浇铸温度、模具预热温度、比压和保压时间4个参数进行优化。结果表明：优化的工艺参数组合为浇注温度676.2 ℃，模具预热温度280 ℃，比压66.5 MPa，保压时间40 s 。优化后参数组合能够有效提高铸件成形质量及力学性能。     

基于格拉姆角场和卷积神经网络的斜拉索损伤识别研究

斜拉索是斜拉桥的重要受力构件，也是易损构件，针对此提出了一种基于格拉姆角场和卷积神经网络(GAF-CNN)的斜拉索损伤识别方法。首先，利用格拉姆角场对斜拉索进行特征提取，将斜拉索的加速度信号转化为二维图像，构建GAF图像数据集；然后，基于迁移学习构建适用于斜拉索损伤识别的CNN网络并进行训练。数值仿真结果表明，该方法能够有效识别斜拉索损伤，具有较高的准确率和良好的抗噪性能。     

基于RBF神经网络的永磁同步电机控制系统

由于永磁同步电机控制系统具有非线性等特点，而使传统PID人工调节参数过程过于繁琐，且无法根据电机的运行状态改变参数，为了提高控制精度、增强控制系统的自适应能力，课题组以电流环PI控制为基础，结合径向基（RBF）神经网络对永磁同步电机进行在线辨识，根据辨识得到的灵敏度信息整定PID控制参数，建立参考模型。在MATLAB软件中利用Simulink中建立了PMSM模型，通过对比PID、RBF PID在启动环节和负载变化时的速度变化，验证了改进BRF PID控制的有效性。仿真结果表明RBF PID控制具有更快的响应，更好的抗干扰能力。     

神经网络在高速超精轴系故障诊断中的应用

讨论了ＢＰ神经网络神经元开关函数饱和参数的选择问题，建立了ＢＰ神经网络的容错能力、全局性能与收敛速率之间的关系，并提出了一个如何应用这些关系来合理选择神经元开关函数饱和参数的方法模拟试验研究和分析结果表明，本文提出的合理选择神经元开关函数的方法可以有效地帮助ＢＰ神经网络技术解决诊断中复杂的模式分类问题。     

基于som网络-主成分-BP网络的股价预测

文章提出一种基于som网络-主成分-BP网络预测模型,用于股市收盘价的实时预测。首先采用som神经网络将特性分散的样本划分成不同的子类,然后采用主成分分析方法对影响目标数据的众多变量进行降维处理,在此基础上,构建了股市收盘价的BP神经网络预测模型,大大改善了预报的精度和效率,通过对采集的股市数据进行测试,表明本文提出方法的有效性。     

基于粗糙集神经网络的财务危机预警方法

针对基于神经网络的财务危机预警方法训练时间长和网络结构复杂的缺点,提出了基于粗糙集神经网络的财务预警方法。将财务比率作为条件属性,将企业财务状况作为决策属性,构建财务危机预警决策系统。通过属性约简,得到最小属性集。将最小属性集中元素对应的财务比率作为神经网络的输入,用训练样本对神经网络进行训练,训练后的神经网络模型实现财务危机预警。测试结果表明,该方法训练速度快,且错误率低。     

关于协同组合预测方法的探讨

文章在协同网络的基础上提出了一种新的组合预测方法--协同组合预测,协同网络有着深厚的数学物理基础,对比其他智能方法,如广义回归神经网络、支持向量回归、遗传算法等,结果表明:协同网络具有运算速度快,运行时间短,预测精度高等优势.     

结合知识图谱与深度神经网络的烟丝松散回潮质量预测方法

针对制丝生产工艺中松散回潮质量预测困难，出料中水的质量分数和出料温度波动大等问题，课题组提出了结合知识图谱与深度神经网络的预测方法。该方法首先从工人经验、技术标准文件、生产规范等当中抽取多源异构数据构建出统一化的知识图谱数据库，然后通过词向量转换工具word2vec将知识图数据转换成可表示的二维向量，最后利用构建的BIGRU Attention KG模型进行预测、输出结果。经由案例验证表明所提出模型具有有效性和可行性。该方法实现了定性数据到定量数据再到定性输出的转换过程，为松散回潮质量预测提供了一种新的思路和方法。