基于高阶累积量和改进GRNN的CSI手臂行为识别

为了挖掘信道状态信息(channel state information,CSI)在手臂行为识别中的非线性深层特征,提高识别准确度,提出了一种基于高阶累积量和改进广义回归神经网络(generalized regression neural network,GRNN)的CSI手臂行为识别算法.离线阶段,将在不同手臂动作下...     

PLS-GRNN法近红外光谱多组分定量分析研究

研究了偏最小二乘(partial least squares ,PLS)与广义回归神经网络(generalized regression neural networks, GRNN)联用在近红外光谱多组分定量分析中的应用。以饲料样品为实验材料,采用PLS-GRNN法建立了饲料中水溶性氯化物、粗纤维、脂肪三项组分含量近红外光谱定量分析模型。马氏距离法剔除强影响点和奇异点,用PLS法将原始数据压缩为主成分,取8个主成分吸收峰与4个原始图谱特征峰值输入GRNN网络,网络光滑因子σ_i为0.1。PLS-GRNN模型对样品3个组分含量的预测决定系数(r2)分别为：0.984 0,0.987 0,0.983 0;样品平行扫描光谱预测值的标准偏差分别为：0.003 26,0.065 5,0.031 4。结果表明所建PLS-GRNN模型通过近红外光谱能够准确预测饲料中水溶性氯化物、粗纤维、脂肪三项组分含量,为近红外光谱进行多组分定量分析提供了新思路,同时为解决近红外快速检测技术在预测组分含量较低的样品时误差相对较大的问题提供了可靠的方法。     

重型变速箱壳体模态频率激励下声品质预测模型

为探究重型商用车变速箱壳体噪声的声品质特性,采集了前10阶模态频率激励下的噪声作为声品质试验样本,分析了样本的物理学参数和心理声学参数,探究了声品质客观参数之间的相关性和主成分。运用成对比较法进行声品质主观试验,并进行了主观评价的一致性分析。建立了粒子群-广义回归神经元网络(PSO-GRNN)声品质预测模型,并与广义回归神经网络(GRNN)、粒子群-BP神经网络(PSO-BP)模型进行了对比。结果表明,模型平均预测误差低于5%,网络稳定性更好。可见PSO-GRNN网络能很好的预测变速箱壳体激励噪声声品质。     

基于广义回归神经网络的微生物降解效应对助燃剂检测的影响

为探究火场土壤载体中微生物降解效应对助燃剂鉴定的影响，在普通土和培养土两种土样上注射助燃剂，以密封存放时间为变量，通过静态顶空的样品预处理方式对样品内的助燃剂残留物进行气相色谱-质谱法（GC-MS）鉴定。研究发现，微生物降解效应会改变样品内助燃剂组分，不同土样内降解结果有所不同，普通土样的降解效应较培养土样明显，C9~C12直链烷烃和单取代芳香烃更易被降解，多取代芳烃的降解难度随取代基含量的增多而增加。按土样种类采用主成分分析（PCA）的方式进行数据降维后，采用广义回归神经网络（GRNN）对不同土样结果区分，准确率达100%。     

广义神经网络在织物热传递性能预测中的应用

在分析织物热传递性能与相关影响因素之间关系的基础上,建立了织物热传递性能预测的广义神经网络模型(GRNN).并与传统的BP网络模型仿真结果进行了比较,结果表明:GRNN网络设计简单,学习收敛快,在解决小样本问题的学习中,具有更好的的预测和泛化能力,验证了GRNN网络预测的优越性和有效性.     

Basic oxygen furnace steelmaking end-point prediction based on computer vision and general regression neural network

End-point prediction is one of the most difficult problems in basic oxygen furnace (BOF) steelmaking process. To address this problem, some researchers have proposed some methods based on flame image processing and pattern classification. Because of the dynamically changing flame and real-time needs during the blowing process, there are still some issues that need to be solved. We propose a novel method based on accurate and fast multi flame features extraction and general regression neural network (GRNN). Firstly, flame images were acquired, and then the background of each image was removed via color similarity determination algorithm; secondly, color, texture, and boundary features were extracted; the fast and robust boundary and texture features were extracted by using the proposed methods, and these features were tested for their validity to the end-point prediction via comparing them with some other similar methods; finally, the prediction model was built using multi-features and GRNN. The experimental results demonstrated that it is accurate and fast to use the proposed method to the BOF end-point predict.     

基于Matlab和粒子群算法的磨矿技术效率预测模型

研究了磨矿时间、干矿质量分数和充填率对锡石多金属硫化矿磨矿技术效率的影响.结果表明,在最优的磨矿参数条件下,即磨矿时间为8min、干矿质量分数为65%、充填率为42%时,锡石和硫化矿二元结构所对应的磨矿技术效率最佳.通过Matlab的广义回归神经网络(GRNN)计算程序建立了一种磨矿技术效率预测模型,利用粒子群算法对模型参数进行优化,并通过试验验证了模型的适用性和可靠性.     

基于LPV模型GRNN输气管道音波定位算法

针对输气管道泄漏检测及定位问题以及管道内气体可压缩、检测难等特点,建立了输气管道线性变参数(LPV)模型,并设计了广义回归神经网络(GRNN),以理论时间差为模型输入,以对应的管道各点位置为期望输出.采用音波法对输气管道进行泄漏故障诊断与定位.结合具体实例并采用现场数据进行仿真研究,结果表明:采用基于LPV模型的GRNN输气管道泄漏故障音波定位算法是一种有效的方法,可使预测值准确地跟踪真实值,实验结果为输气管道泄漏故障检测与定位的工业应用提供了可靠的依据.     

基于中红外光声光谱的聚合物包膜控释肥料养分释放曲线预测

以聚丙烯酸酯类系列水基聚合物包膜控释肥料为样品,测定了包膜肥料养分的释放曲线并原位测定了肥料包膜的中红外光声光谱,分析了不同肥料的养分释放曲线以及不同包膜材料的红外光声光谱特征;采用广义回归神经网络模型(GRNN),以肥料包膜红外光声光谱的主成分作为GRNN模型的输入层,并以包膜肥料养分释放曲线为输出层,构建了预测养分释放曲线的GRNN模型。结果表明,GRNN模型能快速有效地预测包膜肥料养分释放曲线,其预测相关系数(R2)达0.93以上;包膜的探测深度明显影响释放曲线的预测误差,最小预测误差为7.14%,平均为10.28%,且基于包膜表层红外光声光谱的预测误差最小。因此,结合GRNN模型,红外光声光谱可为包膜肥料养分释放曲线的快速预测提供新手段。     

基于广义回归神经网络的强干扰下垂直阵目标距离估计方法

以声压场采样协方差矩阵为特征,基于广义回归神经网络研究在强干扰下的水下声源测距问题,该文提出了优化扩展因子的方法以提高神经网络估计性能.使用仅有一个网络参数的广义回归神经网络,使用SWellEX-96实验S59航次的垂直阵数据,比较了以传统匹配场处理为代表的模型驱动方法和以卷积神经网络、广义回归神经网络为代表的数据驱动...