人工神经元网络模型预测3D打印部件力学性能的研究

熔融沉积成型(FDM)是一种高效的增材制造技术。将响应面模型与人工神经元网络(ANN)模型相结合,研究了FDM工艺的喷嘴温度、层高和层积角度对尼龙12(PA12)丝材制造部件力学性能的影响。当喷嘴温度、层高和层积角度分别在220~260℃、0.2~0.4 mm、0°~90°之间变化时,部件拉伸强度和缺口冲击强度分别在35.69~60.89 MPa和5.48~19.83 kJ/m^(2)之间。喷嘴温度、层高、层积角度以及层积角度的二阶效应是影响部件拉伸强度的显著因素;喷嘴温度、层积角度以及层积角度的二阶效应是影响缺口冲击强度的显著因素。ANN模型预测拉伸强度和缺口冲击强度的最优结构分别是3-10-5-1和3-25-24-1,预测的拉伸强度和缺口冲击强度均方误差函数(MSE)最低分别为2.54×10^(-4)和2.07×10^(-4),回归系数均在0.97以上。与响应面的二次回归模型相比,ANN模型预测的拉伸强度和缺口冲击强度与实验值的标准偏差分别为0.46和0.32,远低于二次回归模型的2.43和1.58,更适合于优化非线性的FDM工艺。

人工神经元网络和径向基网络模型预测建筑冷热负荷的研究

采用人工神经元网络(ANN)和径向基网络(RBF)模型预测了建筑冷热负荷,判断了影响建筑能耗的显著因素。通过对ANN和RBF模型隐含层神经元数量进行优化,发现8-65-1和8-97-1结构的ANN模型预测建筑热、冷负荷与数据集中的结果比较吻合,相关系数(R^(2))分别为0.962、0.953;8-28-1和8-6-1结构的RBF模型预测的结果更加吻合,R^(2)达到了0.985、0.997。RBF模型的预测精度要优于ANN模型,RBF模型预测热、冷负荷与数据集结果的R^(2)分别为0.989、0.992,而ANN的R^(2)分别为0.972、0.967。采用敏感性分析发现,影响建筑冷热负荷的8个参数中表面积的影响最显著,其次是墙面积、屋顶面积和玻璃面积,而玻璃面积分布及相对密实度的影响最不显著。

基于人工神经元网络的PA6/POE/POE-g-MAH共混物力学性能预测

将人工神经元网络与全析因实验设计相结合,预测了PA6/POE/POE-g-MAH三元共混物的拉伸和缺口冲击强度,研究了注塑温度、注射速度、注射时间和冷却时间对共混物以上力学性能的影响。结果表明,当三元共混物质量比为74.5/20/5/0.5时,材料的缺口冲击强度均大于95 kJ/m^(2),POE分散相粒径约为200~400 nm。通过析因实验设计发现,注塑温度、注射速度以及两者的交互效应对共混物拉伸强度影响显著,注塑温度、冷却时间以及两者的交互效应是影响冲击强度的显著因素。采用4-14-1的ANN模型可以较好地预测三元共混物拉伸强度和缺口冲击强度,预测结果与实验结果回归曲线的斜率均大于97%。与多元线性回归模型相比,ANN模型预测性能明显更佳,其Pearson相关系数大于0.97。

基于人工神经元网络模型预测混凝土抗压强度

28 d抗压强度是混凝土应用过程中重要的强度指标。本文采用人工神经元网络模型(ANN)对加入了高炉矿渣和粉煤灰的混凝土28 d抗压强度进行了预测,研究了ANN隐含层数、传递函数类型和优化算法对抗压强度预测结果的影响,发现采用单一隐含层的7-23-1网络结构、隐含层和输出层均采用purelin传递函数、trainlm算法进行计算,建立的ANN结构最佳,仅需0.29 s、经过3个历元,预测值的MSE就能降到0.004左右,训练、验证和测试阶段ANN的预测结果与试验结果回归曲线斜率均大于97%,两者十分吻合。

基于人工神经元网络预测增韧尼龙11拉伸行为

以马来酸酐接枝乙烯辛烯共聚物(POE-g-MAH)为相容剂,采用熔融共混法,制备了PA11/POE/POE-g-MAH三元共混物,利用ANN模型预测了三元共混物拉伸应力-应变曲线。POE-g-MAH与PA11原位生成嵌段共聚物,分散相POE在尼龙基体中的粒径在200~400 nm范围内,显著提高了材料的缺口冲击强度。当ANN模型采用3-47-1结构、隐含层和输出层传递函数分别为logsig和线性函数、优化算法为trainbr时,预测的三元共混物应力值与实验值的MSE最低,其值为2.43×10^(-7)。利用样品1、3、5、7的应力-应变曲线训练的ANN模型可以预测样品2、4、6的拉伸曲线,预测值与实验值的MSE在10^(-4)数量级,该模型的预测精度和泛化能力较好。

人工神经元网络鉴别星形胶质细胞瘤良恶性的初步研究

目的:基于磁共振影像特点 ,应用人工神经元网络建立计算机辅助诊断系统 ,研究其判断星形胶质细胞肿瘤良、恶性的可行性及其诊断效果。材料和方法:搜集280例星形胶质细胞肿瘤病例的MRI影像资料 ,其中良性169例 ,恶性111例。由放射科医生对MRI图像进行12方面的特征提取并记录。然后将其输入人工神经元网络 ,对网络训练 ,建立计算机辅助诊断系统 ,以数据库病例初步评价其诊断效果并与放射科专家比较其诊断准确性。结果:数据库病例测试表明人工神经元网络的诊断结果为 ,对于良性和恶性星形胶质细胞瘤的诊断准确率分别为92.1 %和94.3 %,特异性分别为93.6 %和89.9%诊断准确性接近放射科专家。结论:神经元网络可以用来进行星形胶质细胞瘤良、恶性的鉴别诊断。本研究建立的计算机辅助诊断系统对于提高良、恶性星形胶质细胞瘤鉴别诊断的准确性和医学影像学教学方面具有一定的实用价值。随着人工智能的快速发展 ,建立计算机辅助诊断系统帮助放射科医生提高诊断的准确性逐渐成为可能。

基于人工神经元网络的测量数据正确性的验证方法在发电厂控制系统中的应用研究

提出了一种基于人工神经元网络ＡＮＮ 的测量数据正确性的验证方法。任何过程参数都与其它参数存在着必然的内在联系，在一定运行范围内，ＡＮＮ 通过学习，可“掌握”在该范围内各参数间的联系规律。利用这个网络关系，就可以根据其它参数预测被测参数值，用于对被测数据进行正确性验证，甚至可暂时替代不可靠的测量数据。该方法为测量的在线自动校验提供了手段，也为建立过程故障诊断系统创造了条件。

基于人工神经元网络的电力系统谐波测量方法

提出了一种基于人工神经元网络（ＡＮＮ）的电力系统谐波测量方法。所设计的谐波测量系统在线训练ＡＮＮ，具有二级滤波，可实时并行测量指定各次谐波的幅值和相位，仿真结果证实了该测量方法的有效性。

基于 BP 人工神经元网络的臭氧生物活性炭系统建模研究

针对臭氧生物活性炭系统的特点和研究中的难点，创新地引入人工神经元网络的理论和思想，提出该过程的人工神经元网络的分析方法。通过建立基于ＢＰ人工神经元网络的臭氧生物活性炭系统模型，考察该网络对水处理系统建模的适应性，探讨了臭氧生物活性炭系统中影响因素之间的关系，为提高臭氧生物活性炭系统的应用水平和实现水处理系统的在线控制提供了一条可行途径。

海图水深综合的人工神经元网络方法

水深或水深点是海图的重要内容，水深综合是海图制图综合的重要方面，也是海图制图综合的难题之一。本文在分析海图水深综合要求的基础上，研究了水深综合的神经元网络的网络结构与作业策略、网络参数、网络学习、网络实现，并给出了实验结果。

基于人工神经元网络及模糊算法的空间负荷预测

改进了配电网的空间负荷预测方法，将其研究重点放在对各类负荷的负荷密度的预测上。在原始数据不充分的条件下，引入模糊隶属度分析和人工神经元网络中的聚类分析，对负荷进行分类和简化，从而得到与环境因素相适应的负荷。

利用CHNN人工神经元网络进行排料优化计算

利用连续型Hopfield人工神经元网络 (CHNN)进行了金属冲压剪切排料的优化求解计算。讨论了连续型Hopfield人工神经元网络的模型 ,以及排料问题向连续型Hopfield人工神经元网络的映射 ,并结合矩形排料问题通过软件模拟计算对所讨论的算法进行了验证。结果表明 ,利用连续型Hopfield人工神经元网络进行排料优化计算可以得到较好的结果 ,并且求解质量稳定、速度快。

人工神经元网络在高密度水泥浆配合比预测中的应用

本文考察了影响高密度水泥浆流变性能的主要因素,并根据实验结果和工程经验建立原材料、配合比和浆体性能对应的数据库。采用人工神经元网络技术,使用三层BP神经元网络对数据进行简化预测,建立配合比和浆体主要性能之间的对应关系,实现配合比和流变性能之间的双向预测。基于以上算法,采用C#语言编制成软件,具有自适应性强、学习能力强、可以处理大量非线性关系数据的能力,也是人工神经元网络技术在油井水泥浆中的新应用。

基于人工神经元网络和多特征参数的预警震级估算

预警震级测定是地震预警的关键技术环节之一。在满足地震预警系统时效要求的前提下,以国内现有的人工神经元网络构架为基础,考虑采用更多的特征参数,对实时持续计算确定预警地震震级的方法进行研究。通过对日本部分实际强震数据进行持续估算预警震级与实际震级间的偏差情况,对预警震级和实际震级进行线性拟合,提出对预警震级结果的修正公式,进一步完善本方法快速估算预警震级的准确程度。

基于人工神经元网络的建筑工程造价预测方法研究

本文系统分析了建筑工程造价影响因素，确定了建筑工程分类特征集，训练集，学习模型，给出了人工神经元住宅造价预测实例．

人工神经元网络在暖通空调系统中的应用

概略介绍了人工神经元网络的结构及反向传播算法的特点 ,着重从控制、建模和优化方面阐述了人工神经元网络在暖通空调系统中的应用。

陕西省人工神经元网络降水年、季度预报系统

利用Ｂ－Ｐ人工神经元网络进行了陕西省年度、季度降水预报试验，提出了利用０～１模型解决多等级预报问题的方法，并建立了年度、季度等级预报模型。经过试验，表明该方法预报效果良好。最后对模式在应用中的一些问题及与目前其它预报模型的差异等进行了讨论。

人工神经元网络法提高毛细管电泳药物控制分析准确度的研究

研究了人工神经元网络法在毛细管电泳定量测定memantine中提高测定准确度的可行性 .在毛细管电泳法定量测定memantine的过程中 ,其浓度与峰高或峰面积以及与二者和内标的比值均没有良好的线性关系 .人工神经元网络具有很强的非线性校正能力 ,其最大优点是无须对分离体系及组分的迁移行为预先予以了解 .人工神经元网络的输入为memantine的峰高和峰面积 ,输出为memantine的浓度 .通过实验确定的网络结构为 2∶2∶1型 .由于人工神经元网络的通用性 。

应用人工神经元网络方法实现微机距离保护

提出了一种微机距离保护的新方法。该方法在采用递推全周富氏算法和接地距离、相间距离比相判据以及相电流差突变量原理的基础上，应用人工神经元网络方法，综合考虑了线路各种故障状态的特征，提出并建立一个３ 层前向神经元网络模型，用来实现线路故障的微机距离保护。利用ＡＴＰ进行了大量的仿真计算，计算结果作为训练样本，对所建立的神经元网络模型进行训练。对该模型进行故障状态测试的结果表明，经充分训练的网络可快速准确地处理故障，受短路处过渡电阻、系统振荡及系统结构、运行方式变化的影响较小。

人工神经元网络在CGF智能行为模型中的应用研究

CGF系统是未来作战仿真所必备的技术支持 ,国内的CGF系统尚不成形 ,急需对其进行深入研究以满足作战仿真不断发展的需要。文中以实现一个排的CGF坦克实体的自动驾驶功能为例 ,探讨了用人工神经元网络建立CGF实体智能行为模型的方法 ,并对其可行性进行了验证 ,取得了较好的效果。