基于BP神经网络的压铸浇注工艺参数设计

根据ＢＰ神经网络预测了压铸压力状况,由此进行了浇注工艺参数的整体性设计。     

基于小样本数据的BP神经网络建模

针对小样本条件下BP(back propogation)神经网络存在预测精度不高的问题,将专家知识融入BP神经网络训练过程中解决此问题.首先BP神经网络通过遗传算法获得最优初始权值和阈值;其次对专家知识进行数学表达;最后通过增广拉格朗日乘子法将专家知识融入BP神经网络训练过程中.利用实际中的结晶动力学问题对所提方法进行...     

BP神经网络建模与应用

BP网络是人工神经网络的重要组成部分,在实际应用中占有十分重要的地位。本文就BP网络的概念,BP网络的应用模型MLP模型,以及构建BP网络模型的关键问题作了论述。并对MLP建模理论与实际应用问题的联系作了简单的分析,为BP网络应用做好铺垫。     

基于支持向量机的炭黑工艺建模

将支持向量用于炭黑工艺建模，并与主成分回归、反向传播人工神经网络以及径向基神经网络建模方法相比较．结果表明，炭黑生产过程具有比较强的非线性，不适合用主成分回归方法建立模型，支持向量机对炭黑吸碘值和吸油值的相对预测误差分别为1．62％和1．31％，所构建的模型的预测准确度明显优于反向传播人工神经网络(2．54％，1．64％)，稍优于径向基神经网络(1．85％，1．38％)。     

基于BP神经网络的PID控制器参数调整

分别采用传统PID控制、BP神经网络PID控制算法,仿真控制传递函数为2阶的无刷直流电机.传统PID控制需要在初期给定比例、积分、微分系数值,而BP神经网络PID控制可以自适应调整比例、积分、微分系数值,从而实时改变被控对象的输入,使系统快速响应并稳定.     

基于BP神经网络的凿岩爆破参数优选

为了得到合理的凿岩爆破参数,使用BP神经网络进行优选.经过简化,以炮孔间距和排距作为输入因子,以总炸药单耗作为综合输出因子;通过有限次的爆破正交试验,建立网络学习、训练样本,优选出最佳的网络模型;增加各输入因子水平,组合成预测、优选样本,从而搜索出最优的凿岩爆破参数.以新桥硫铁矿为例,优选出炮孔间距为1.30 m,排距为1.10 m;预测总炸药单耗为0.459 7 kg/t,比原炸药单耗(0.828 8 kg/t)降低44.53%.     

焊接工艺参数中的BP神经网络与遗传算法结合

为了解决焊接工艺参数的确定问题,提出了BP神经网络与遗传算法相结合的研究方法,根据BP神经网络的非线性映射功能,得到不同条件下的焊接效果;利用遗传算法全局最优值的搜索功能,不断地进行焊接参数的全局寻优;通过旋转电弧熔化极气体保护焊的试验数据进行了参数求解.结果表明该方法具有准确、高效的优点,适用于焊接工艺参数的研究.     

基于BP神经网络的开关磁阻电动机非线性建模

为提高开关磁阻电动机（SRM）调速系统性能，在测取准确磁特性样本数据基础上，利用神经网络所具有的非线性映射能力，基于Levenberg-Marquardt算法的BP神经网络建立了SRM的非线性模型。该模型训练收敛快，泛化能力强，且网络规模小，便于实时控制，经与样机实测数据比较，验证了该模型的准确性，将所建模型与准线性模型对比，显示出神经网络模型优越。     

基于BP神经网络的L-色氨酸发酵过程建模

运用BP神经网络对L 色氨酸的发酵过程进行建模并预测,所建立的模型能够比较精确地模拟菌体生长、底物消耗以及发酵产酸3个过程的变化。结果表明,BP神经网络在L 色氨酸发酵的模拟与预测中是一种高效快速的方法。     

基于SDCQGA优化BP神经网络的岩石可钻性建模

针对智能钻井优化控制过程中岩石可钻性提取存在的建模难、非实时性、精度差等问题,提出基于自适应双链量子遗传算法优化BP神经网络结构的岩石可钻性提取建模方法.依据目标函数在搜索点处的变化率,建立了快速自适应双链量子遗传算法;采用新算法优化BP神经网络结构,以克服BP神经网络受初始权值/阀值影响和泛化能力差的问题.通过对邻近钻井区域的大量测量数据和实验数据的统计分析和预处理,建立岩石可钻性提取模型,有效地解决了复杂地形岩石可钻性提取难的问题.对不同岩性的可钻性参数提取实验结果证明,该建模方法不仅提高了参数提取的精度和模型的泛化能力,而且在相邻实际参数提取时,具有很好的实时性和适应性.     

基于BP神经网络的广义预测控制算法的研究与应用

本文提出了1种基于BP神经网络的广义预测控制算法,其实质是利用BP神经网络来求取广义预测控制的最优控制律.神经网络选用了具有良好逼近性能的BP结构.该算法对广义预测控制算法进行了简化,使其可以应用于快速系统的控制.最后,选用倒立摆系统作为研究的对象,将新算法应用于倒立摆的控制,取得了较好的控制效果.     

工程索赔管理的神经网络方法

工程管理中存在着大量的合同变更和多样因素引起的工程施工索赔,通过研究各种引起施工索赔的因素,建立了利用神经网络模型判断施工管理索赔出现的可能性,为业主施工索赔管理提出了一个新途径,最后,结合一个实例,证明了该方法的有效性。     

基于神经网络的FMS动态调度决策

提出用ＢＰ神经网络建立ＦＭＳ动态调度模块．以ＦＭＳ的生产状态和多优化目标作为神经网络的输入,多优化目标条件下的动态调度策略作为网络的输出．给出了系统的设计方法与实例,并通过仿真验证了神经网络所作出的动态调度策略是较优的．     

基于神经网络的模糊控制

从最优化角度出发，用神经网络解决模糊控制系统的规则提取问题，给出了可靠的基于ＢＰ算法的神经网络学习过程。讨论了模糊子集个数的选取与系统复杂性、精确性之间的关系。     

基于神经网络的自适应控制器的研究

本文研究了神经网络控制未知动态系统的可行性，提出了几种自适应控制结构，并研究了在不同条件下各种结构的性能变化，给出了不同条件下的仿真结果及一些结果分析。图１３，参４．     

基于神经网络的矿井井型确定方法

研究了基于神经网络的矿井井型确定方法，为矿井设计提供了一种崭新的工具，应用表明，该方法是切实可行的。图２，表２，参４。     

基于神经网络的模糊关系方程解法

借助于神经网络的学习功能，从一个简单的数学神经网络出发，设计出有限集上模糊关系方程解法，可以方便地求出这种方程的最大解和全部极小解。此外，该算法与目前的算法相比更易于编程。     

BP神经网络模型中活化函数对网络性能影响的研究

本文在ＢＰ神经网络模型中，采用一种新型的神经元活化函数替换传统的Ｓ型活化函数，并在活化函数中引入了可调参量，研究表明，作这一替换后对提高网络的学习速度、抑制假饱和现象起到了很好的作用。     

基于直方图的脉冲耦合神经网络(PCNN)多门限图像分割方法

参考了Eckhom等人近几年提出的脉冲耦合神经网络(Pulse Coupled Neuml Network)模型,结合灰度直方图分割技术,提出了一种新的多门限图像分割方法-基于直方图的脉冲耦合神经网络(PCNN),PCNN模型具有弥补时隙和空隙的特点,因此应用这一网络模型进行图像分割,可以得到较完整的区域边角信息,从而达到理想的分割效果．经实验证明,本文提出的方法较原来的PCNN网络,运算速度和分割效果都有了很大提高。     

基于模型的面向对象神经网络开发工具的研制

从软件工程角度描述了利用统一建模语言UML设计和实现一个以石油工业应用为目的的神经网络开发工具 ,并以渣油评价实验为例 ,验证了该工具的先进性和有效性