基于BAS-BP神经网络结合熵权法多指标优化金蕾复方提取工艺

目的通过正交试验与天牛须搜索算法(BAS)-BP神经网络对金蕾复方的提取工艺参数进行多指标优化。方法在单因素考察得到最佳醇提浓度的基础上,以料液比、提取时间、提取次数作为正交试验考察因素,运用熵权法计算木犀草素、山柰酚、当药宁及干膏得率的综合得分,再建立BAS-BP神经网络模型,以BAS进行寻优,预测最佳提取工艺。结果BAS-BP神经网络优化得到金蕾复方醇提工艺为料液比1∶10、提取0.5 h、提取3次,综合得分为96.3526;正交设计所得最佳工艺参数为料液比1∶10、提取0.5 h、提取3次,综合得分为90.9880。前者略优于后者但差异较小,结合生产实际确定金蕾复方的最佳提取工艺为料液比1∶10,提取0.5 h,提取3次。结论基于BAS-BP神经网络优选所得工艺参数提取效率高、稳定性良好,可为后续开发及质量控制提供参考。

基于改进BP神经网络的复合叶轮离心泵性能预测

应用Matlab建立了复合叶轮离心泵效率和扬程的BP神经网络预测模型。选取73组试验结果作为样本,采用Levenberg-Marquardt法则对构建的网络进行训练,并随机选取12组训练样本外的数据对训练好的网络进行测试。试验的主要参数为流量Q,叶片数z,叶片出口安放角β2,短叶片进口直径Di,叶片出口宽度b2,效率η以及扬程H。其中选取Q,z,β2,Di,b2作为网络的输入层,η和H作为输出层。预测结果的分析表明,预测值与试验值具有较好的一致性,利用BP神经网络对复合叶轮离心泵性能进行预测是可行的,可用来作复合叶轮的辅助设计,从而缩短试验时间,降低成本。

复方降脂中药的性味归经与药效的BPNN研究

针对复方中药药效与其性味归经之间复杂的、不确定的关系,建立适于复方降脂中药的BP神经网络模型,运用Matlab快速预测复方降脂中药的药效指标。经验证,该方法为一种快速、可靠的方法。

基于BP神经网络永磁同步电机矢量复合控制

为减小永磁电机PI控制器的速度超调,解决常规IP控制跟踪响应慢的特点,提出一种基于BP神经网络的矢量控制和PI-IP复合控制器的优化策略。综合BP神经网络、双闭环矢量控制以及PI-IP复合控制器的优点,在传统双闭环矢量控制中,对速度环引入新型的PI-IP控制器,同时结合BP神经网络的控制策略,完成BP神经网络矢量PI-IP控制器对永磁电机的速度控制,免去复杂的参数调整过程,同时提高永磁电机的工作性能。仿真结果表明,与常规控制方法相比,所提方法能有效减小速度超调,抑制扰动,BP神经网络优化后的PI-IP控制器具有更强的控制精准性和抗负载转矩扰动能力。

基于BP神经网络的异步电机转子磁链定向矢量复合控制

针对异步电机在传统PI控制策略中,参数固定且容易超调,IP控制策略跟踪响应慢的特点,提出神经网络矢量PI-IP复合控制策略。在转子磁链定向矢量控制中,转速环引入新型的PI-IP控制器,同时利用神经网络进行参数整定,综合PI-IP控制器,神经网络以及转子磁链定向矢量控制的优点,完成神经网络矢量PI-IP控制器对异步电机的优化控制,提高系统的动、静态性能。最后基于仿真效验,仿真结果表明,与常规控制方法相比,该方法能有效提高控制精准性,抑制扰动,神经网络矢量PI-IP复合控制器具有更强的稳态精度和应对负载扰动能力。

结合传感器阵列和BP神经网络的挥发性有机物定量检测系统

为了快速准确获得挥发性有机物浓度,提出了一种基于金属氧化物气体传感器阵列和BP神经网络的挥发性有机物定量检测系统。首先,使用4个金属氧化物气体传感器组成传感器阵列,将被测气体组分与浓度转化为电信号波形,对传感器阵列信号进行特征提取得到特征矩阵;然后,使用BP神经网络实现目标气体浓度的检测,对BP神经网络拓扑结构设计与参数进行优化;最后,使用遗传算法提高BP神经网络检测精度。采用该检测系统检测混合气体中挥发性有机物异戊二烯浓度,检测结果表明,异戊二烯、氨气混合气体和异戊二烯、丙酮、乙醇混合气体中异戊二烯体积分数的均方根误差分别是0.058和0.077,系统满足挥发性有机物定量检测均方根误差低于0.1的要求。

基于支持向量机和BP神经网络的滑坡变形复合式预测

[目的]探讨复合式组合预测模型对滑坡两变形时间序列的预测效果,为滑坡的变形预测提供一种新的思路。[方法]基于支持向量机和BP神经网络,构建滑坡位移序列和速率序列的复合式预测模型,首先,对滑坡环境因素进行分析,提取其基本信息;其次,利用2种预测方法构建回归结构预测模型和多因素预测模型,并对两时间序列进行一重预测;最后,利用BP神经网络对一重预测结果进行了二重组合优化。[结果]滑坡库水位与滑坡两变形序列均具有较大的相关性,滑坡的稳定性很大程度上会出现周期性疲劳减弱的可能,且通过对滑坡变形的复合式预测。[结论]该方法的相对预测误差均较小,很大程度上提高了滑坡变形的预测精度和稳定性,证明了该预测模型的有效性。

基于BP神经网络的城镇污水厂活性炭自动投加系统研究

近年来,活性炭吸附技术逐渐成为深度处理的主流技术,但粉末活性炭投加系统仍处于人工控制阶段,现场需要技术人员依靠经验确定活性炭投加量,易造成出水水质不稳定、活性炭药耗大等问题.以浙江省嘉善县某城镇污水处理厂的深度处理工艺为研究背景,以粉末活性炭投加系统为研究对象,针对活性炭投加控制系统滞后、非线性、复杂等问题,建立了BP神经网络前馈预测-PID反馈控制的自动投加控制系统.实践证明,该系统具有较强的自适应能力和较高的控制精度,出水COD达标率较人工控制提高了8.88%,活性炭日均消耗量削减了16.61%,取得了较好的经济效益.

基于BP神经网络中药复方功效的预测研究

目的:针对中药基本属性特征与中药功效之间呈现复杂的非线性不确定关系的问题,利用人工神经网络的模糊性及其良好的非线性拟合能力,挖掘中药复方药性特征与功效间的联系,实现中药复方功效的快速预测。方法:以126种补益类中药复方为样本分析对象,依据神经网络的方法及中药复方的组方原则,构建补益类中药复方功效与其性味归经之间关系的BP神经网络模型,对模型效果进行评价分析并运用MATLAB平台设计中药复方功效预测的GUI仿真。结果:本文所建立的模型在预测补益类中药复方的补气、补血、补阴、补阳功效准确率高达92.5%。结论:运用BP神经网络方法能够较好的模拟中药复方药性与功效之间的非线性映射,在预测补益类中药复方的功效上能达到很好的效果,为中药复方药性与功效研究提供新的技术支撑。

基于BP神经网络的电动伺服加载算法研究

该文从加载控制器角度出发将BP神经网络算法引入加载系统削弱多余力矩对系统的影响,提高加载精度。建立了电动伺服加载系统的数学模型,分析了多余力矩产生的原因以及基于结构不变原理存在的局限性。介绍了BP神经网络控制算法基本原理,并给出了具体控制结构及相应算法,设计了一种BP/PID复合控制器。仿真结果表明,复合控制器有效地抑制了系统的多余力矩,降低跟踪误差,改善加载系统的动态性能,提高了跟踪精度,增强了稳定性。

基于BP神经网络的煤直接液化装置VOCs包袋法检测与预测建模

挥发性有机物(VOCs)是现代煤化工生产过程中产生的主要污染物之一。煤化工是我国石化领域的重要组成部分,通过煤制油装置可以实现煤炭的清洁利用,煤制油装置由于设备、物料、操作条件等与石化企业存在差异,目前我国针对石化的美国联邦环保署(EPA)相关方程不适用于煤直接液化装置,且目前国内并没有用于核算煤制油装置的相关方程。本文开展了煤制油装置VOCs检测方法研究,并修正了相关方程系数,得到了密封点VOCs核算方程。首先对煤制油装置进行泄漏与维修(LDAR)检测,得到了煤制油装置密封点的VOCs泄漏数据。在数据分析的基础上,改进了包袋法采样方法,对煤直接液化装置进行了密封点的包袋采样分析。在此基础上,得到了相关方程的修正系数,首次提出了适用于国内煤制油装置VOCs泄漏核算的相关方程。最后,考虑了移动距离、温度、压力及多处泄漏等参数对相关方程的影响,校准了煤直接液化装置的相关方程,建立了反向传播算法(BP)神经网络模型,得到了逼近结果较好的相关函数。

基于BP神经网络的地下水离子化合物含量高光谱反演方法研究

地下水水质污染日益加重,监测地下水离子化合物含量有利于地下水的动态管理与精准防治。离子化合物光谱响应信号微弱且反演机理尚不明晰,现有研究多数对离子化合物进行简单的定性分析,较少采用数理统计方法综合估算其含量。基于离子化合物光谱机理和高光谱数据冗余的特性,通过测量实验室配比的不同浓度钠、钾、钙3种离子化合物标准液的可见—近红外反射光谱(400~1 000 nm),探究水体3种离子化合物的光谱响应机理、最佳预处理方式及特征波段优选算法,并基于最优特征波段构建BP神经网络模型以定量反演离子化合物含量。研究发现:(1)3种离子化合物整体反射率在波长400~1 000 nm处与含量成反比,与离子的电荷数和半径成正比;(2)基于主成分分析较连续投影法提取的特征谱段,构建的多元线性回归模型能够较好地反演水体离子化合物含量;(3)KCl最优反演模型的预处理方式为SG滤波,CaCl_(2)和NaCl最优反演模型的预处理为SG滤波后进行反射率归一化;(4)相较于传统线性反演模型,PCA-BPNN非线性模型取得了最优的反演结果,其中钾离子化合物含量反演结果最优,其训练集R^(2)和RMSE分别达到0.996 4和248.77,测试集R^(2)和RMSE分别达到0.998 8和156.89,研究可为地下水离子化物遥感反演提供重要的理论与技术支撑。

基于神经网络的聚合物透水混凝土抗折性能研究

为解决透水混凝土抗折性能较低问题,在满足透水性及抗压性要求的前提下,采用均匀试验法设计了11组不同配合比的试验并测定其28 d抗折强度,利用神经网络超强学习分析能力,建立以水泥用量、水用量、ST A(4.75~9.5 mm石子)、ST B(9.5~16 mm石子)、VAE(醋酸乙烯-乙烯)聚合物掺量、SAP聚合物掺量为输入,以聚合物透水混凝土的抗折性能为输出的5-8-8-1的BP神经网络模型,对透水混凝土的28 d抗折性能指标进行研究,从而对聚合物透水混凝土的配合比进行优化,找到满足路面结构抗折性能要求的适宜配比。

复合缝腔割缝筛管的流阻分析及优化设计

原油流经筛管的流动阻力是设计新型复合缝腔割缝筛管的主要考虑因素之一.通过对流经复合缝腔割缝筛管原油流动阻力的精细计算,得到了大量的筛管参数与流阻的关系数据,利用BP神经网络技术,建立了筛管流阻预测模型.基于此预测模型,采用遗传算法对筛管多个参数进行了综合优化.实验实测数据表明,筛管流阻预测模型的计算结果符合工程要求.油田现场应用表明,通过该方法设计的复合缝腔割缝筛管流阻小、强度高、使用寿命长,市场前景广阔.

基于神经网络的硝基芳烃急性毒性QSAR研究

采用BP神经网络模型研究了45种硝基芳烃类化合物的结构与其急性毒性之间的关系,以硝基芳烃类化合物的量子化学参数作为输入,用3×4×1网络预测其急性毒性。采用内外双重验证的办法分析和检验所得模型的稳定性,所构建网络模型的相关系数为0.999 5,交叉检验相关系数为0.996 8,标准差为0.023 5,残差绝对值≤0.15,应用于外部预测集,外部预测集相关系数为0.998 4;而多元线性回归法(MLR)模型的相关系数为0.943 5,交叉检验相关系数为0.928 7,标准差为0.240 9,残差绝对值≤0.69,外部预测集相关系数为0.956 6。结果表明,BP神经网络模型获得了比MLR模型更好的拟合效果。

基于改进的人工神经网络方法预测CTL表位

为简化细胞病毒T细胞(cytotoxicity T lymphocytek,CTL)表位鉴定方法,应用改进的人工神经网络方法定量研究了短肽与MHC(major histocompatibility complex)分子结合亲合力的关系,并建立了CTL表位的预测模型,得到了预测模型最优性能参数.用此模型对短肽与HLA-A*0201分子结合的805个预测样本进行了预测,预测准确度达到73.8%.对来自黑色素MAGE-2的短肽与MHC分子的结合亲合力也进行了预测,结果较好.

基于混合蛙跳算法优化神经网络的齿轮箱故障诊断研究

为提高齿轮箱故障诊断的准确性,探寻诊断复合故障的方法,利用混合蛙跳算法优化BP神经网络的参数,构建SFLA-BP算法模型,在一定程度上弥补BP神经网络算法的缺陷。对比发现,该诊断方法具有较高的稳定性和较强的诊断能力,表现出很好的适用性,特别是在诊断复合故障方面具有一定潜力。

基于神经网络的高效强力复合铣床立柱优化设计

针对整体叶盘高效强力复合数控铣床立柱刚性不足的问题,通过试切钛合金获取盘铣切削时的切削力,运用ABQUS有限元分析模块,计算立柱的动、静态特性,结合变量化分析技术,提取立柱的元结构和框架结构进行优化设计。以结构固有频率最高为优化目标,提出立柱结构的改进设计方案,并结合BP神经网络模型寻找最优设计变量。改进后的立柱结构方案与原型相比,固有频率明显提高。最后,应用该方法对整体叶盘高效强力复合数控铣床原理样机进行了分析,依据分析结果对原结构进行了改进,并进行了加工试验,结果表明,其动、静态特性有了较大的改善,验证了该方法的正确性和可行性。

石羊河流域水生态安全影响因子及驱动机制研究

基于W-SENCE-PSR(以水为主线的复合生态系统-压力状态响应)框架模型构建水生态安全评价指标体系,利用2009—2018年石羊河流域相关统计数据,运用模糊系统分析法和BP神经网络模型法,多层面多角度解析石羊河流域的水生态安全驱动机制。结果表明:(1)当年降水变化、单位面积牲畜头数、生态环境用水量占总用水量比例、雨水利用量、径污比是水生态安全的主要影响因子;(2)对水生态安全的影响程度排序为:资源子系统≥社会子系统>经济子系统>环境子系统>生态子系统,响应子系统>压力子系统>状态子系统,资源子系统和压力子系统是主要驱动力来源;(3)2019—2023年,压力子系统和环境子系统将是主要驱动力来源;(4)近10 a,水生态安全整体状况较差,始终处于Ⅰ级区(较差)和Ⅱ级区(一般)。

基于移动窗口定位和复合神经网络的车牌识别算法

针对一般车牌定位算法存在多个车牌识别区域,以及单个人工神经网络识别复杂、运算量大、不容易收敛等问题,提出采用移动窗口定位算法和复合BP神经网络模型,可以较好的解决以上问题,在实际应用中取得了预期效果。