基于自适应混合结构的快速收敛函数链接人工神经网络算法研究

在非线性主动噪声控制方法中,函数链接人工神经网络(FLANN)算法是最常用的算法之一。FLANN降噪量大,但是其收敛速度较慢。为解决该问题,通过一个自适应混合参数对BFXLMS算法和FLANN算法进行有效结合,提出了CBFLANN算法。在不降低FLANN降噪量的情况下,提高了其收敛速度,解决了FLANN算法无法同时实现快速收敛和低稳态误差的问题。多个仿真实验对提出的CBFLANN算法的降噪性能进行了验证,结果表明,CBFLANN同时拥有BFXLMS的收敛速度和FLANN的降噪量。该算法的提出可以为传统主动噪声控制算法难以同时兼顾收敛速度与稳态误差的问题提供解决方案,具有很强的实际应用价值。

基于人工神经网络组合预测油田产量

油田原油产量的准确预测可以对油田的生产管理进行合理的指导。该文探讨了应用神经网络组合方法预测油田产量,对开井数、含水率、动用储量以及往年产量同未来产量之间的复杂关系建立模型。采用了两层预测系统:第一层包含两个神经网络,一个多层前馈网络和一个函数链接网络;第二层是把第一层的两个网络输出进行组合。研究了五种不同的组合算法:平均法、最小平方回归法、模糊逻辑法、自适应前馈神经网络法和自适应函数链接神经网络法。根据油品类型分为稀油、热采稠油、常规稠油和总产量四组数据,对上述方法进行了测试,结果表明应用人工神经网络的组合预测方法优于其他的预测方法,而且适用范围广。

时空神经网络及其在机场噪声预测中的应用

针对时空序列建模分析问题,利用函数扩展技术,结合线性脉冲响应滤波原理,提出一种新型时空神经网络。该网络由函数扩展功能模块和线性延时脉冲模块组成。函数扩展功能模块将网络输入空间映射到高维空间,实现时空序列非线性模式到高维映射空间线性模式转换;线性脉冲延时模块等效于时空线性脉冲响应滤波器,用于拟合时空序列中的线性模式。采用LevenbergMarquardt最优方法对网络进行训练,设计时空神经网络的快速学习算法。机场噪声仿真结果表明,该网络具有快速收敛和高精度的特点,预测精度高于时空自相关移动平均模型和多层感知器神经网络。

基于HFLANN的MSMA传感器动态模型参数识别

由于磁控形状记忆合金MSMA存在固有迟滞非线性现象,严重影响传感器的测量精度。为了消除MSMA的迟滞非线性带来的负面影响,运用了一种迟滞函数链接型人工神经网络HFLANN来识别MSMA传感器动态模型参数。识别结果表明,HFLANN可以应用于MSMA传感器动态模型,应用HFLANN识别的MSMA传感器输出感应电压与实验输出感应电压十分吻合,验证了该方法可应用于MSMA传感器动态建模,为MSMA传感器优化设计和预测控制奠定了良好基础。

一种应对窄带非线性主动噪声控制的混合结构

分析参考信号为窄带信号、初级路径为非线性路径、次级路径为非最小相位系统的主动噪声控制(ANC)的初级噪声特性,探究有限脉冲响应(FIR)反馈预测结构和前馈函数链接人工神经网络(FLANN)结构的消噪原理,并探讨其各自的优势及局限性.通过分析总结,本文提出FLANN-FIR混合结构ANC系统,该系统对FIR反馈预测结构和前馈FLANN结构进行优势互补,不仅可以消除可预测部分噪声,对不可预测部分噪声一样具有抑制作用.仿真表明,在不同信噪比参考信号和不同非线性初级路径下,提出的混合结构都具有良好的稳态误差和收敛速度.