煤矸石自适应神经元网络识别方法研究

文章对煤矸石灰分测量的特征向量进行了分析与讨论 ,通过实验选择K值与比值I J作为神经元网络的输入。基于密度加权距离的FCM神经元网络适应了不同数据对总体分布的差异性 ,在适当选择密度分布函数以后可抑制误差比较大的离群样本对神经元网络的学习的影响 ,提高了系统学习的正确率。

三轴仿真转台外框电液位置伺服系统自适应神经元网络控制

本文针对三轴飞行姿态仿真转台外框电液位置伺服系统的特点和技术要求，采用自适应神经元网络控制策略对其控制。仿真结果表明，自适应神经元网络控制以其特有的自学习、非线性等优点，完全满足三轴飞行姿态仿真转台外框电液伺服系统对控制策略的要求，由其构成的控制系统既具有良好的动态性能，又具有较强的鲁棒性与适应性。

基于自适应线性神经元网络的谐波检测算法

为了克服基于傅里叶变换(FFT)谐波检测算法运算量大、实时性不强、易受噪声影响的缺点,提出了基于自适应线性神经元网络(ADALINE)的谐波检测算法,建立了基于最小二乘法(LMS)的最优解求解过程的数学模型,根据LMS误差与各次谐波傅里叶系数之间的三维流形的几何形状选择算法的步长因子。采用时域迭代的方法准确地提取基波有功、无功和各次谐波分量,为实现APF可选择性谐波补偿奠定了基础。

基于神经网络模型参考自适应的智能控制优化算法

提出了基于神经网络模型参考自适应的智能控制优化算法。该算法结合了神经网络模型参考自适应、智能控制系统优化算法和填充函数法。该算法在搜索过程中不容易陷入局部最优点,而且得到的全局最优值更加精确。

超高强钢U形件热冲压的NSGA-Ⅱ多目标优化方法

为了减小超高强钢U形件热冲压成形的回弹角和生产周期,提出了基于二元耦合选择NSGA-Ⅱ算法的多目标优化方法。介绍了超高强钢温度和微观组织随热冲压成形过程的变化情况,以减小成形回弹角和冲压周期为目标建立了多目标优化模型,选择了坯料初始温度、冲压速度、保压压强作为优化的试验因素。在优化空间中随机抽取了50组采样点,根据试验得到了试验指标参数值。使用单个自适应神经元网络对试验指标和试验因素间的模型进行了回归,提出了二元耦合选择NSGA-Ⅱ算法进行优化模型求解。对优化后的参数组合进行生产验证,优化后回弹角均值比厂家产品减小了27.59%,单件的生产周期减小了3.52%,且回弹角和生产周期的标准差略有减小,说明优化后的生产质量、生产效率、生产稳定性均有所提高。

在基于二阶Adaline网络的广义预测极点配置控制器

为了解决实际应用中非线性被控过程的预测控制问题,把神经网络、广义预测控制和极点配置技术融为一体,提出一个新型自适应神经网络广义预测极点配置加权控制器(GPPWC)。首先提出非线性被控过程的二阶自适应线性神经元(Adaline)网络模型,然后给出基于二阶Adaline网络的GPPWC。仿真结果表明该方案的有效性。

玻璃熔窑温度微机监控系统

介绍了基于工控机的玻璃熔窑温度控制系统。该控制系统采用了基于模糊神经元网络的模型参考自适应控制的结构。该控制系统操作界面和系统控制程序采用VC ++6 0编制 ,软件采用标准化模块设计。文章同时也介绍了自适应模糊神经元网络控制系统的设计过程 ,以及该控制系统的控制原理。最后通过Matlab语言编制仿真软件对该系统进行了仿真。

U形件回弹角最小化的弯曲成形工艺粒子群优化

为了减小铝合金U形件弯曲成形的回弹角,提出了基于三黑洞系统粒子群算法的成形工艺优化方法。介绍了U形件弯曲成形的工艺流程和回弹角定义方法,以最小化U形件回弹角建立了目标函数。选择加热温度、压边力、模具间隙、冲压速度作为优化参数,确定了优化空间。使用最优拉丁超立方抽样法设计了实验,基于自适应神经元网络拟合了目标参数与优化参数之间的函数模型。为了提高粒子群算法的粒子多样性,提出了三黑洞理论粒子群算法。使用改进算法求解回弹角的优化模型,得到最优参数为:加热温度为240℃、压边力为50 k N、模具间隙为1.2 mm和冲压速度为800 mm·s^-1。经实验验证,优化后的回弹角均值比优化前减小了9.37%,标准差也略有下降,说明经过优化后,U形件回弹角有一定减小,且质量稳定性有一定提高。