基于卷积特征的光纤缺陷检测方法

针对人工难以实现熊猫型保偏光纤的缺陷检测问题,提出了一种小样本下基于卷积特征的图像检测方法。首先针对光纤缺陷特征将Inception V3模型微调,使用微调后模型提取光纤的2048维卷积特征;其次使用主元分析法将2048维特征降为74维;最后使用降维后的特征训练支持向量机分类器,同时使用粒子群算法对分类器参数寻优,实现对光纤缺陷的识别与分类。经实验证明,该方法对光纤涂覆层微小缺陷的识别率达到97%,涂覆层局部损伤和严重破损的识别率达到100%,对降低光纤环绕制中原纤损失、提升光纤环的精密性、研究光纤缺陷对光纤陀螺精度的影响有一定意义。     

基于神经网络的误差补偿滤波器在陀螺漂移误差模型辨识中的应用

用神经网络补偿非线性卡尔曼滤波器的状态估计误差，并将其用于陀螺漂移误差模型的参数辨识中，仿真结果表明该方法的有效性。     

神经网络算法及其在GPS导航中的应用

GPS导航解算中常采用最小二乘算法。由于导航解算中存在观测异常（粗差），采用的模型精度很难满足用户需求，而高动态用户需求的精度却不断提高，为此文中提出一种利用神经网络的非线性逼近能力，在顾及观测信息权阵的条件下，利用Hopfieid神经网络进行GPS导航解算的新算法。该算法具有很好的抗差性和自适应性，能较好地抑制观测粗差对导航解的影响。计算结果证明了该算法的有效性。     

埋入压电元件的自诊断智能结构的理论分析与实验研究

将压电元件埋设于复合材料层板结构中，可实现结构应变分布的在线监测。本文提出一种采用压电应变传感器阵列和人工神经网络模型的自诊断方法，对局部埋入压电应变传感元件的平板结构进行了分析，采用神经网络模型根据压电传感器组的输出识别结构承载位置和大小，对该方法进行了数值模拟和实验验证。     

耦合时空混沌的模糊混沌神经网络鲁棒自适应控制

将模糊逻辑系统和混沌神经网络结合起来,利用模糊逻辑系统的逼近能力和混沌神经网络的时空混沌行为,对模型未知的耦合时空混沌系统提出了一种模糊混沌神经网络自适应控制方案;同时考虑系统扰动、未建模动态特性和建模误差的影响,设计自适应补偿器,增强时空混沌系统控制的鲁棒性;并用Laypunov方法证明了该方案的稳定性;仿真验证了方案的有效性和鲁棒性。     

RBF神经网络在"薄管板"结构强度分析中的应用

叙述了RBF神经网络的结构和“薄管板”结构强度分析过程以及应用RBF神经网络对“薄管板”结构应力的非线性系统进行了系统辩识 ,网络输出值与计算值符合较好。说明基于神经网络的系统辩识方法在结构强度分析过程中具有一定的实用性。     

神经网络的分叉理论设计方法

本文用分叉理论的规范形方程设计和综合期望贮存静、动态记忆模式的神经网络。对于期望贮存静态记忆模式的网络，该规范形方程为叉形分叉的；若期望贮存的记忆模式是周期振荡形式，该规范形方程为高余维数Ｈｏｐｆ分叉的，由满足设计约束的规范形系数得到的突触连接系数可以保证期望贮存的记忆模式都能成功地存贮于所设计的网络，且是网络仅有的吸引子，没有伪吸引子，吸引域的范围足够大。     

稀土萃取分离过程软测量方法的研究

分析了稀土组分含量在线检测技术进展缓慢的原因,分析了稀土萃取分离过程机制,找出影响稀土组分含量检测的主要因素,确定辅助变量。利用从包钢稀土厂采集的数据通过newrb函数创建径向基网络来实现稀土组分含量的软测量。文中通过流程图详细阐述了建模方法,采用50组样本数据对所建立的模型进行计算机仿真验证,仿真结果证明了模型的可行性。     

一种基于自组织粒子群–径向基神经网络的污水总磷TP软测量

针对当前污水处理过程出水总磷TP测量操作繁琐、仪器设备造价高、测量结果可靠性和精确性低等问题,本发明设计了一种基于自组织粒子群–径向基神经网络的污水处理过程出水总磷TP软测量方法,并利用实时数据对出水总磷TP软测量方法进行校正,实现了对污水处理过程出水总磷TP的预测,解决了出水总磷TP难以测量的问题;结果表明该出水总磷TP软测量方法能够快速、准确地预测污水处理出水总磷TP的浓度,有利于加强城市污水处理厂精细化管理和提升实时水质质量监控水平。     

基于内源性致香物质和化学计量学的烟草感官评价研究

采用主成分分析法结合遗传算法和神经网络,建立了基于烟草内源性致香物质的感官质量评价预测模型。利用气相色谱-质谱(GC-MS)技术对超临界萃取-分子蒸馏所得烟草精油中的内源性致香组分进行定性定量分析,汇总各类致香指标后,对其进行主成分分析;以提取所得5个主成分的得分作为输入变量,感官评吸分数作为输出变量,分别使用标准BP神经网络和遗传算法(GA)优化的BP神经网络建立预测模型。对比实验结果表明,GA优化后的模型预测效果更优,其预测值与实验值间的相关系数为0.96,预测均方根误差为1.81,说明GA-BP模型具有更好的拟合能力和预测能力,该模型能有效地预测烟草精油的感官品质。