基于遗传BP网络的PID控制算法在无模拉拔温度控制中的应用

将遗传算法与BP神经网络结合,提出了一种利用遗传算法优化BP神经网络权值的智能PID控制算法,改善了系统的动态性能. 通过实验采集数据,拟合出无模拉拔感应加热温度控制系统的数学模型. 采用本文提出的方法进行了仿真实验,结果表明该算法具有较强的快速性和鲁棒性.     

基于神经网络PID的AUV控制方法研究

针对水下机器人各自由度之间存在较强的耦合和非线性特征，其精确的数学模型很难获得的问题，建立了水下机器人空间运动的数学模型，并根据实际需要和控制器设计的方便进行了适当简化，得到了水下机器人自由度运动模型．在此基础上，使用了基于神经网络的PID控制方法．结合水下机器人六自由度水动力模型，建立了基于BP网络的PID的水下机器人控制器，并进行了仿真环境下的试验．试验结果表明，以上控制方法较为适合水下机器人的运动控制．     

基于抗差估计的变形监测基准网坐标系统转换

为监测地下煤炭开采对某矿工业广场内主、副井筒的影响,布设了由10个点构成的GPS基准网,从而为由54个监测点构成的井筒监测网提供在矿区坐标系统下的变形分析基准;在求解坐标转换参数时,为克服转换基准点中存在的位移对求参的影响,提出了采用抗差估计理论求参的模型及数据处理流程,并建立转换后GPS网的质量评价模型。根据对GPS基准网的处理结果,采用抗差估计求参,有利于保留GPS技术高精度的特点。     

基于BP神经网络模型的新疆水资源承载力情景分析

水资源可持续利用是科学发展的重要基础,"跨越式"发展愿景下的新疆面临水资源约束的严峻挑战!以2004—2013年水资源统计资料为基础,运用BP神经网络模型模拟分析了2个情景下(情景Ⅰ:趋势外推,情景Ⅱ:跨越式发展)2014—2020年新疆的水资源承载力.结果表明:1)水资源承载力综合评价指数呈上升趋势,但情景Ⅰ中水资源开发利用率过高,情景Ⅱ中农业用水比重大、效率低,成为新疆水资源可持续利用的瓶颈;2)以提高水资源的生态效益为目的,提出了情景Ⅲ:可持续利用情景,可逐步解决供需矛盾.关键在于改变传统粗放的用水方式,在提升水资源的利用效率的基础上,优化水资源利用的空间结构以缓和水资源对社会经济发展的瓶颈作用;3)BP神经网络模型与情景分析结合评价新疆水资源承载力是一种可行的尝试.     

一种基于移动Agent的移动Ad Hoc网络入侵检测系统

移动Ad Hoc网络比传统的有线和无线网络面临着更多的安全问题,入侵检测技术可作为第2道安全防线来弥补入侵预防技术的不足;由于移动Ad Hoc网络所具有的特殊性,使得已有的入侵检测系统不适合被运用到移动Ad Hoc网络中。文章设计了一个新的适合移动Ad Hoc网络的基于移动Agent的分布式入侵检测系统,该系统充分考虑了移动Ad Hoc网络资源受限的特点,对整个网络进行了簇的划分并且提出了一个划分簇的算法,进而对不同的Agent进行了合理分配。     

基于人工神经网络的遥感图像分类研究

随着人工神经网络系统理论的发展,神经网络技术日益成为遥感图像分类处理的有效手段,并有逐步取代最大似然法的趋势。本文重点讨论了遥感图像分类处理研究中应用效果显著的BP神经网络方法,并在MATLAB平台下对基于BP神经网络的分类算法进行了研究,最后将它的分类结果与最大似然法的分类结果进行了精度比较分析。结果表明基于BP神经网络的遥感图像分类效果是较好的,是一种有效的图像分类方法。     

基于Gabor特征和协同神经网络的车牌识别方法

研究了车牌字符识别问题,针对车牌识别系统易受天气及光照变化影响的实际应用,将Gabor特征和协同神经网络应用在车牌字符识别中,提高了识别率.首先对车牌字符进行二值化和切分,然后利用Gabor滤波器提取车牌字符的特征参数;再利用协同模式训练特征参数,进而得出训练样本;最后根据协同神经网络进一步识别车牌字符.通过大量仿真实验表明,该方法在不同场景、光照条件下,与传统方法相比,识别率有了较大改进,该方法在车牌识别领域有较强的实用性.     

改进的模糊神经网络学习规则研究

在S Stoeva提出的基于相同样本及网络输出的模糊反向传播算法基础上,通过对基于极大-极小模糊算子的模糊神经元模型的研究,对含有一个隐含层的单输出模糊神经网络,提出了依赖于各模糊神经元输出的调整模糊权值的网络学习算法,该算法具有直观和可操作性强的特点.并以汽轮发电机组的状态监测为例进行仿真,仿真结果表明网络学习效果较好.     

混合遗传BP算法在图象识别中的应用

介绍了传统的遗传算法与BP算法,分析了它们各自的不足. 提出了一种将BP算法与遗传算法有机结合的混合智能计算方法,并且给出了具体的算法实现流程.将该方法应用于数字图象识别, 实验表明混合算法优于传统BP算法.     

电磁兼容的人工神经网络预测技术分析

电磁兼容预测是实现电子设备或系统电磁兼容性(electromagnetic compatibility,EMC) 的必要步骤.提出了应用人工神经网络对电磁兼容问题进行快速预测的方法.通过选择有效的电磁干扰参数作为输入预测因子,用误差反向传播的神经网络 (back propagation,BP)构造输入预测因子与敏感设备骚扰响应之间的映射关系,并用电磁场数值计算方法获得的训练样本集和测试样本集对构造好的BP网络进行训练,建立了基于BP网络的电磁兼容快速预测模型.最后以导线间的串扰问题为预测算例,表明了该方法的有效性.