基于神经预测的模糊主动隔振控制技术研究

将基于神经网络预测的模糊控制技术应用于静电悬浮加速度计地面实验装置主动隔振系统。神经网络预测模型可以根据当前时刻控制器与隔振平台的输出,能够对下一时刻隔振平台的运动状态提前作出预测,并将这一状态反馈输入到模糊控制器,能够使模糊控制器提前作出判断对隔振平台进行控制。研究结果表明该算法不仅可以限制控制信号的振荡,而且有利于抑制超调,对0.1Hz以上的低频激扰具有良好的隔振效果。

CBT对社交焦虑障碍有效干预的神经预测因子及机器学习应用

认知行为疗法(CBT)是社交焦虑障碍的标准疗法,对其疗效的神经预测因子研究有利于个性化诊疗方案选择。初步证据表明,干预前高级视皮层、背侧前扣带回、背内/外侧前额叶及眶额皮层的功能激活,杏仁核与情绪调节相关脑区的结构与功能连接,情绪性刺激诱发的晚期正成分与治疗后症状的改善有关,因而是潜在的预测因子。基于机器学习的个体化预测存在样本量小的突出问题。未来研究应考虑跨研究机构合作共享大数据,在多模态、多任务条件下收集数据,并在独立样本中验证预测的有效性。

基于神经预测模型的非特定人汉语词组识别系统

针对如何描述语音信号的时间动态特征,本文主要研究基于多层感知器网络的神经预测模型在非特定人汉语词组识别系统中的应用。神经预测模型使用一组多层感知器网络(MLP)作为非线性预测器,采用动态匹配(Dynamic Programming)技术进行非线性时间规整,完成时间轴上的映射。本文提出了神经预测模型的简单训练算法和识别算法,基于这种模型建立了一个非特定人的汉语词组识别系统。该系统训练集内音节识别率为83%,词组识别率为86%;训练集外音节识别率为80%,词组识别率为82.5%。

基于BP神经网络的云南花卉物流需求预测

文章首先对云南花卉市场进行现状分析,在此基础上以近10年来云南花卉总产值为变量依据,来预测云南花卉的未来物流需求量情况。文章提出了可能会影响花卉物流需求量的8个因素,运用BP神经网络预测法并结合近10年的云南花卉总产值对未来3年的需求量进行预测。预测结果表明,未来几年,云南花卉市场对于物流的需求不降反增。而作为鲜活植物产品,花卉的运输又对冷链物流提出了更高的要求。因此,提高冷链物流的技术势在必行。

基于神经网络的轮式移动机器人非线性模型预测控制研究

针对轮式移动机器人受到障碍物干扰导致运动轨迹跟踪误差较大问题,提出了神经网络非线性模型预测(NN-NMP)控制方法,并对轮式移动机器人避障效果进行仿真验证。建立了轮式移动机器人运动模型,并且定义了机器人运动方程式。设计非线性模型预测控制方法,引用神经网络算法,通过训练多层神经网络对非线性模型预测控制误差进行逼近,从而使轮式移动机器人控制系统具有更好的避障能力。设置3种不同环境,利用Matlab软件对轮式移动机器人避障结果进行仿真,对比和分析轮式移动机器人采用2种控制方法的输出结果。结果显示:在无障碍物环境中,采用传统比例-积分-微分(PID)控制方法和NN-NMP控制方法,轮式移动机器人均能较好地按照期望轨迹进行移动。在有障碍物环境中,采用传统PID控制方法,轮式移动机器人虽然能够躲避障碍物,但是跟踪误差较大。采用NN-NMP控制方法,轮式移动机器人不仅能够躲避障碍物,而且跟踪误差相对较小。采用NN-NMP控制方法,能够降低轮式移动机器人跟踪误差,具有较好的避障能力。

发展性阅读障碍的神经预测研究进展

发展性阅读障碍是学龄儿童中常见的一种学习障碍,约占学习障碍的80%。阅读障碍伴随着阅读学习的开始而显现和发展,因此对阅读障碍的诊断只能是在正式开始阅读学习之后数月甚至数年后,这种滞后的诊断将使儿童错失最佳的训练时机。本文首先简要介绍了阅读障碍的特点和神经预测的生物学基础。然后详述了新近神经影像学关于儿童阅读障碍预测的研究。近期神经影像学的研究发现通过对儿童早期与语言相关的大脑活动的测量能够预测学龄儿童阅读发展。此外,联合神经影像学和行为测量的指标,将极大地提高对阅读障碍的预测。这些发现将为阅读障碍早期的预防、干预和教育辅导提供有效的帮助。

使用人工神经网络预测电缆测井

1.公开(公告)号:US20230323760A1。摘要:Methods and systems,including computer programs encoded on a computer storage medium are described for implementing a system that predicts wireline logs used in well drlling operations at a subsurface region.

模糊神经网络算法中的高等职业技术教育人才培养预测模型研究

随着计算机通信网络技术、计算机网络虚拟仿真技术、云计算技术、物联网技术及多层无线传感器网络技术在我国高等职业技术教育的飞速发展,其高等职业技术教育人才规划的重要性日益突出,而各个高等职业技术人才规划的前提是对各个高等职业技术人才与开设专业培养进行合理的预测。

中高压IGBT开关特性的遗传神经网络预测

中高压绝缘栅双极型晶体管(IGBT)的开关特性在电力变换器设计、变换器性能、效率和寿命改善中至关重要。本文基于中高压功率模块离线测试平台的数据,分析了工作环境如门极电压、门极电阻、集电极电压、工作电流和器件结温等参数对IGBT在感性负载电路中开关特性的影响,对开关特性各参数建立了基于遗传算法优化的误差反向传播多层前馈神经网络模型,实现了在额定值范围内对各种环境条件下的IGBT开关特性参数如开关时间、开关损耗、最大电流尖峰和最大电压尖峰的可靠预测。

基于改进PSO算法的过热汽温神经网络预测控制

将改进粒子群优化算法(MPSO)融合到神经网络预测控制中,提出了基于MPSO-RBF混合优化策略的模型预测器,以及基于MPSO算法的非线性优化控制器.针对过热汽温的控制。构造了基于神经网络预测控制的串级控制系统,并就该系统在实现时所涉及到的预测模型、滚动优化算法、反馈校正、仿真参数设置问题等进行了分析,给出了MPSO算法的粒子编码、操作设计和混合优化算法步骤.对某超临界600 MW直流锅炉高温过热器的过热汽温控制,进行了仿真试验,结果表明该方法具有良好的性能指标和应用前景.

基于神经网络预测的网络控制系统故障检测

考虑一类长时延网络控制系统,假定其存在输出时延,对其进行故障检测。通过对网络控制系统时延采样值进行神经网络预测,使之成为无延迟的控制系统。在此基础上,建立了基于神经网络预测的故障观测器误差方程,并证明了该观测器稳定的条件。当系统正常时,只要给定的不等式条件成立,该观测器系统就是稳定的。当系统发生故障时,观测器残差能够迅速发生跳变,从而检测出故障的发生。最后通过仿真示例说明该文方法能够较好预测网络时延,发现系统故障。

基于LM算法的溶解氧神经网络预测控制

针对污水处理溶解氧时变、非线性以及设定值难以跟踪控制的问题,提出了一种基于Levenberg-Marquardt算法(LM算法)的溶解氧浓度神经网络预测控制器的设计方法。首先在国际水协会提出的活性污泥1号模型(ASM1)基础上,经过合理的假设和约束,得到简化的溶解氧浓度模型,经过BP神经网络系统辨识和模型预测设计了溶解氧神经网络预测控制器。并采用LM算法改进了BP神经网络,克服了容易陷入局部极小值、收敛速度慢的缺点,提高了神经网络预测精度。仿真结果表明,神经网络预测控制具有很好的自适应性和鲁棒性,提高了溶解氧跟踪控制性能。

基于NARX神经网络预测及模糊控制的互联电网CPS鲁棒控制策略研究

对于传统CPS控制策略难以满足互联电力系统对鲁棒性和适应性的要求,提出了一种将NARX神经网络预测算法和模糊逻辑控制器相结合的控制方法。配合CPS下的传统PI控制器,根据CPS控制参数的预测值与当前值之间的偏差值,实现对AGC机组的预控制。利用Matlab的Simulink仿真软件建立了一个双区域电力系统的控制模型。仿真结果表明,新的控制方法不仅达到了改善CPS控制效果的目的,并且提高了CPS1,CPS2指标的考核率,减少了机组的调节次数,降低了运行费用,取得了一定的经济效益。

矿区岩溶地表塌陷神经网络预测模型研究

针对矿区岩溶地表塌陷存在的非线性动力学特征,为更准确预测岩溶地质矿区地表塌陷区域分布,在分析研究某矿区岩溶地表塌陷机理及其影响因素基础上,确定矿区地表塌陷的影响因素,构建矿区岩溶地表塌陷BP神经网络非线性动力学预测模型。采集并分析某岩溶矿区大量岩溶地表塌陷历史数据,应用Matlab神经网络工具箱,采用构建的矿区岩溶地表塌陷BP神经网络预测模型,对上述矿区岩溶地表塌陷区域分布情况进行非线性预测。研究结果表明,采用训练的神经网络预测模型可以实现对矿区岩溶地表塌陷危险性的合理预测。

煤矿立井井筒非采动破裂的人工神经网络预测

应用人工神经网络的基本原理,建立了一个基于神经网络的煤矿立井井筒非采动破裂的预测系统,实现了立井井筒破裂预测的智能化。最后将神经网络预测结果与数值计算结果对比,认为应用人工神经网络对立井井筒破裂时间的预测比较准确、实用。

基于统计分析的继电器贮存寿命神经网络预测

航天继电器长期处于贮存环境,为保证其各阶段始终保持在备用激活状态,必须对继电器的贮存寿命进行预测。本文将因子分析法和回归分析法引入到表征触点电接触可靠性的重要参数——接触电阻的转换中,将25台继电器样品的200对触点在125℃下的接触压降和释放电压双参数数据交叉分为4组进行处理,分析两者与接触电阻的关系,建立函数链神经网络,对接触电阻进行动态预测,进而得到继电器的贮存寿命。分析神经网络预测的整体误差,用92℃的数据对该方法进行检验,得出神经网络的预测误差低于3.5%,证实了统计方法和函数链神经网络的适用性。

地震诱发的侧向水平位移神经网络预测模型

在对地震液化诱发的侧向水平位移预测模型评述的基础上,分析了地震、地形、土质等实测数据与侧向水平水移之间的相互关系,并提出了侧向位平位移神经网络预测模型。模型较好地反映了参数之间复杂的非线性关系,网络预测结果与实测数据较为吻合,两者之间相关系数为0.9左右。模型数据分析结果表明侧向位移随着距自由临空面距离(L)的增加而呈双曲线关系下降,随液化层厚度的增加而增加。不同L条件下临空面高度与侧向位移之间有一灵敏变化区,即当H约等于4～7m之间时,侧向位移急剧变化。

一种改进的神经网络分支预测技术

通过研究神经网络的算法特征,提出一种改进方法,即设置一个门限值η,减小该算法的运算量以减小其访问延迟,提高该算法的实用性.研究表明该方法能够实现较快的访问速度.

基于遗传与BP混合算法神经网络预测模型及应用

提出用遗传学习算法和权重调整 BP算法相结合的混合算法来训练模糊模式识别神经网络预测模型 ;即先通过遗传学习算法进行全局训练 ,再用权重调整 BP算法进行精确训练 ,使网络收敛速度加快和避免局部极小 .作为实例 ,以新疆雅马渡站的实测径流资料和相应的前期 4个预报因子实测数据作为样本进行训练并用以预测雅马渡站的年径流量 .结果表明 。

EMD方法基于径向基神经网络预测的数据延拓与应用

把基于径向基神经网络(radbas function,RBF)预测的数据延拓技术引入经验模态分解(empirical mode decompo-sition,EMD)时频分析领域,论述基于RBF神经网络预测的数据延拓技术原理,通过对非线性仿真信号基于RBF神经网络预测延拓研究表明,该延拓技术是有效的,并且把该延拓技术应用于转子横向裂纹的时频分析,获得良好的效果。该研究成果能广泛用于信号时频分析领域。