基于人工神经网络智能算法的9310钢本构模型优化

目的研究9310钢在变形温度为800~1200℃、应变速率为0.01~50s-1和高度压下量为70%条件下的热变形行为,建立预测效果相对较好的9310钢本构模型。方法使用Gleeble-3800热模拟机对9310钢进行等温恒应变速率热压缩实验,基于热压缩实验数据,分析了应变速率对9310钢流动软化效应的影响,建立了考虑应变补偿的Arrhenius本构模型与支持向量回归(SVR)本构模型,并进行了模型精度分析,之后引入人工神经网络(ANN)智能算法优化了Arrhenius本构模型。结果与变形温度相比,应变速率对9310钢流动软化效应的影响更为显著。相较于支持向量回归(SVR)本构模型,考虑应变补偿的Arrhenius本构模型精度更高,其相关系数R为0.9934,平均相对误差(AARE)和均方误差(MSE)分别为0.0556和89.362,它在预测高应变速率(1、10、50 s-1)流动应力时出现了较大偏差,经ANN智能算法优化后,相关系数R提高至0.9991,AARE和MSE分别降至0.0199和9.998,且绝对误差在±10MPa以内的预测流动应力占比为98.34%。结论在低应变速率(0.01 s-1)下软化效应更强,在高应变速率(10 s-1)下再结晶程度较低,软化效应较弱。ANN智能算法优化后的Arrhenius本构模型具有较高的精度,能较准确地预测9310钢的流动行为。

利用人工神经网络预测电池SOC的研究

能源和环境与人类社会的生存和发展密切相关,能源短缺和环保的要求推动了混合动力车的发展。电池是混合动力车的动力源之一,准确和可靠地获得电池荷电状态(Stateofcharge,SOC)是电池管理系统的主要任务之一。在总结现有SOC预测方法的基础上,尝试使用人工神经网络的方法预测动力电池SOC。结果表明人工神经网络对多变量的非线性系统非常有效。另外,不同的数据样本对训练效果存在影响,试验表明用处理后的数据进行预测的结果明显较好。

应用人工神经网络预测棒-板短空气间隙在淋雨条件下的交流放电电压

为了获得降雨条件下能预测空气间隙击穿电压的数学模型,根据在人工气候室试验得到的降雨条件下空气间隙击穿电压数据,运用神经网络原理,建立了降雨条件下的交流棒-板短空气间隙击穿电压的人工神经网络模型。利用该模型可以对一定降雨条件下的交流棒-板短空气间隙击穿电压进行预测,预测结果满足精度要求,同时,该文根据建立的人工神经网络模型模拟了降雨时单个及多个环境因素对空气间隙击穿电压的影响,并对模拟结果进行了分析,结果表明:大气压强一定时,随着降雨强度、雨水电导率的增加以及环境温度的降低,空气间隙的击穿电压随之降低;当降雨强度、雨水电导率和环境温度其中任一环境因素改变时,另两个因素对空气间隙击穿电压的影响程度也随之改变。人工神经网络模型对训练数据的依赖较大,对训练范围以外的数据预测精度较差。

基于GIS的人工神经网络矿产预测系统设计及应用

利用地理信息系统(GIS)和人工神经网络(ANN)相结合,研究了基于 GIS的人工神经网络矿产预测系统设计方案,实现了从地质变量优选到人工神经网络成矿预测结果图形显示的计算机自动化处理。在凤凰山矿田的应用显示,预测结果与现有矿床十分吻合,是矿产预测的有效方法。

基于主成分分析和神经网络的事故预测方法及应用

为解决人工神经网络(ANN)对复杂系统进行事故预测建模时,易导致网络复杂,降低网络性能和增大预测误差的问题,提出一种基于主成分分析法(PCA)的ANN事故预测方法。介绍PCA法和ANN的基本理论,阐述基于PCA法的ANN事故预测模型及其预测步骤,即在利用ANN预测之前,先用PCA法分析事故影响指标,将多个指标转化为少数几个能反映原始信息的互不相关的综合变量(主成分),然后以这些变量作为输入进行ANN建模,从而达到简化模型,提高网络性能和计算精度的目的。以煤矿事故预测为例,进行应用和对比研究。结果表明:基于PCA的ANN事故预测相对误差小于3%,而直接运用ANN方法预测的相对误差达到5%。这说明,对复杂安全系统进行事故预测时,基于PCA法的ANN预测方法是更可行的。

多因素耦合条件下硫化矿自燃神经网络动态预测模型研究

硫化矿石自燃是多种因素、多场耦合综合作用的结果,是一典型的非线性问题。笔者应用人工神经网络技术,以Matlab软件为平台,通过现场调查和理论分析,建立了矿石含硫量、通风强度、环境温度3因素与硫化矿石自燃之间的预测模型;通过数据样本学习与部分现场监测数据相结合进行模拟,研究表明预测数据与实测结果基本吻合,误差控制在10%以内,取得了较好的效果。该研究为预防硫化矿石自燃提供一个新的思路和方法,具有一定的理论意义和应用价值。

基于人工神经网络理论的建筑物火灾安全评价研究

依据建筑物火灾危险性的影响因素,应用人工神经网络理论及系统安全方法,建立了建筑物火灾危险性的评价指标体系,该方法摆脱了评价过程中的随机性和参评人员主观上的不确定性及其认识上的模糊性等缺点,大大提高了准确性。为了验证评价模型的准确性,将该理论应用到某高校图书馆火灾危险性评价中,快速、准确地得到了安全评价结果,取得了满意效果,为建筑物防火设计以及安全管理提供了可行的依据。

基于结构响应统计特征的神经网络损伤识别方法

提出一种采用结构动态响应的统计特征作为损伤指标的神经网络损伤识别方法,并对其进行了数值模拟和实验验证。首先,通过敏感性分析,分析了采用结构动力响应的统计特征作为损伤指标的可行性;然后数值模拟了一三跨连续梁采用结构位移方差作为损伤指标的神经网络损伤识别过程,其结果表明,经过训练的神经网络可以准确的识别出单损伤和多损伤工况中的损伤位置和损伤程度;最后进行一组两端固定的简支梁模型实验来验证所提出损伤识别方法的有效性。实验结果表明,对于单损伤工况,神经网络可以准确地识别出结构中损伤位置和损伤程度,对于双损伤工况,神经网络可以准确地识别出损伤位置,而损伤程度识别略有偏差。最后得出结论,采用结构动力响应的统计特征作为损伤指标的神经网络损伤识别方法是可靠有效的。

用MATLAB神经网络工具箱开发BP网络应用

论述了人工神经网络的基本理论 。

用人工神经网络法预估芳香族多硝基化合物生成焓

采用误差反向传播学习(BP)的一个双层神经网络,以分子结构中不同基团作为描述码,预估芳香族多硝基化合物的生成焓,研究了网络参数及分子结构描述码的影响,同时用分子子图法进行了多元线性回归,取得了较好的结果(其回归方程相关系数达到0.9967),计算结果的绝大多数相对误差在10%范围以内。

基于人工神经网络的石油化工工程建设项目管理绩效评价

针对非线性多输入多输出的石油化工工程建设项目管理绩效评价问题,应用人工神经网络(ANN)构建评价模型。使用50个项目的287个学习案例数据,以10个影响因素为输入,6个指标为输出,对BP神经网络、基于遗传算法的BP神经网络、径向基函数神经网络与广义回归神经网络4类网络模型进行训练和测试。通过均方误差的比较,发现基于遗传算法的BP神经网络优于一般的BP神经网络,广义回归神经网络的测试结果优于BP神经网络,径向基函数神经网络具有最好的误差精度。2个应用示例表明,人工神经网络应用于石油化工工程建设项目管理绩效的评价是可行和有效的。

人工神经网络法计算非芳香族多硝基化合物的生成焓

用误差反向传播(BP)的人工神经网络模型及分子结构描述码作为输入特征参数预测非芳香族多硝基化合物的生成焓,研究了网络参数及分子结构描述码的影响,同时按分子结构描述码进行了多元线性回归,取得了满意的结果,其回归方程相关系数达到了0.9977,精度高于文献值。绝大多数相对误差在10%以内。

基于多阶人工神经网络的ECG信号诊断模型研究

目前已经有多种不同的ECG(心电图)信号辅助诊断工具得到应用,其中包含了基于人工神经网络的ECG分类器应用系统。本文介绍一种基于多阶前馈人工神经网络的新型ECG信号诊断模型,其目标是设计一种结构简单、成本低、响应速度快,识别率高的ECG信号辅助诊断系统。首先给出多个不同结构的神经网络,然后针对6种不同的心脏状况,比较这些神经网络之间的性能差异和辨别能力。网络的输入数据来自于M IT/B IH数据库,包括12种ECG特征信号和相应的每次心脏搏动的13段压缩信号。通过研究测试发现,基于二阶神经网络的ECG模型识别率最高,正确率达到了90.57%。

人工神经网络在皮尔斯电子枪设计中的应用

基于人工神经网络(ANN)的皮尔斯电子枪初值设计方法,不但能有机地结合迭代综合法与非迭代综合法的优点,还能把前人体现在实验数据中的设计经验通过训练样本融入到其中,从而设计出很接近实验值的新电子枪。在有较多电子枪实验数据的情况下,ANN法的优点尤为显著,经20多支电子枪的检测结果表明:ANN法的设计值比综合法的计算值更接近实验结果。

基于BP神经网络的啤酒酒精度近红外光谱快速检测

以啤酒酒精度的快速测定为研究对象,采用误差反向传播算法(Back-Propagation,BP),结合主成分分析(PCA),构造了三层的神经网络结构,建立了PCA-BP神经网络模型,达到满意的预测精度。结果表明:使用BP神经网络方法后,验证集预测均方差、平均相对误差和回收率范围分别为0.114、1.131%和97.91%～104.59%,其效果优于PLS模型。

基于神经网络的图像识别方法

神经网络是近年来受到国内外广泛关注的高新技术,不同科学的科技人员对其进行了深入的研究,并取得了许多有价值的研究成果。神经网络在图像识别方面也取得了广泛应用。神经网络用于图像识别一般都要提取图像特征,然后把提取好的图像特征送入神经网络识别器进行识别。文中提出的用 BP 神经网络作图像识别的方法,不对图像作特征提取,直接把图像数据作为神经网络识别器的输入。文章最后用 MATLAB 完成了网络的训练与测试,并给出了试验结果。结果表明,不作特征提取的神经网络图像识别系统具有很强的抗干扰能力。

基于BP神经网络的地震伤亡人数评估体系研究

本文综合考察了地震中影响伤亡人数的各种因素,提出了一个地震伤亡人数的预测模型,可为地震应急工作提供指导与参考。该模型基于BP人工神经网络,需要结合利用地理信息系统(GIS)、人口数据、历史地震数据等,来完成预测每次地震中的伤亡人数。

基于遗传算法的BP神经网络优化策略研究

人工神经网络(ANN)可用作机器人控制器,完成多机器人协作搬运作业。针对这种方法收敛速度较慢,误差较大的不足,本文提出基于遗传算法优化的方法。该方法利用遗传算法优化人工神经网络,通过改变ANN结构和遗传算法操作参数,找到最优网络,提高网络收敛速度。仿真结果证明,该方法的可行性与有效性。

人工神经网络方法在火炸药科学领域应用进展

本文从炸药装药密度影响因素、混合点火药燃速预测、爆破预测、发射药安全寿命预测等方面就人工神经网络(ANN)方法在火炸药科学领域的应用现状进行了分析总结,认为人工神经网络的在线训练方法和多组分预测方法能够对火炸药快速研制发挥更大作用,有重要工程价值。

基于粗糙集——粒子群神经网络的建设项目安全预测研究

回顾施工项目安全管理和安全管理研究现状,建立建设项目安全管理指标体系。利用人工神经网络非线性函数逼近能力,对项目风险因素程度预测。针对该网络当数据量大时,其结构复杂、收敛慢,易陷入局部最优的缺点,引入粗糙集对影响建设项目安全目标的不确定性因素进行约简,找出最小不确定性风险因素集,大大简化网络输入信息的表达空间维数。并结合粒子群算法收敛速度快、全局最优的寻优能力强的优点,建立基于粗糙集——粒子群神经网络的建设项目安全预测系统。通过实例验证该系统的科学性和有效性。