基于B样条神经网络的熔铸装药温度场预测

熔铸装药过程中模具内部温度场分布及其变化规律对装药质量具有重要影响。建立基于B样条神经网络的水/油浴熔铸装药工艺瞬态温度场预测模型,通过数值仿真的正交试验,获得不同工艺条件下熔铸装药温度场演变的数据样本;利用B样条神经网络对数据样本进行训练,得到水/油浴工艺的温控参数与药柱内部温度场之间的关系模型,实现温度场及其凝固前沿演变的快速准确预测。所得成果为熔铸装药的温控参数优化和在线控制提供了高效预测方法,为解决熔铸装药智能化发展中的物理场预测问题提供了方法的借鉴。

BP神经网络用于斜拉桥施工过程中混凝土弹性模量的识别

尝试采用基于快速优化算法L-M法的BP神经网络进行斜拉桥施工控制中的参数识别工作。对影响参数之一的混凝土弹性模量的网络学习和仿真结果表明:该法对数据的处理,在操作简单的基础上,表现了较强的鲁棒性和较高的精度。

利用B样条神经网络实现聚合反应分子量分布的建模与控制

介绍了以B样条函数作为基函数的神经网络的基本结构和特性 ,提出了利用B样条神经网络建立聚合物分子量分布 (MWD)模型的方法和拓扑结构 ,以及基于模型预估的控制MWD的新方法 .根据预估的分子量分布数据和事先确定的性能指标 ,使用最优化方法 ,计算出控制序列 ,使过程输出达到给定的理想分布 .以某实验室规模的苯乙烯聚合反应为仿真对象 ,研究了此方法的建模与控制实现 ,证明了方法的可行性 .

B样条神经网络的算法设计及应用

B样条神经网络是一个三层前向神经网络,可广泛用于非线性系统的建模、控制和模式识别等领域。本文讨论了一维和多维B样条神经网络的结构和程序算法,用仿真实例分析了算法中参数的选取和算法的有效性,并举例说明其在动态非线性系统故障诊断中的应用。

基于B-P神经网络的公司高管人员绩效评价

首先阐述了高管人员绩效评价的重要性,在建立高管人员绩效评价指标体系的基础上,介绍了基于B-P神经网络的高管人员绩效评价机理,并给出了应用实例。通过该实例表明,该评价方法具有准确性和实用性的特点,是一种评价高管人员绩效的有效方法。

线结构光三维视觉传感器的一种B样条神经网络模型

针对线结构光三维视觉传感器结构参数标定中存在的问题，提出用Ｂ样条神经网络来逼近视觉传感器输入输出之间的映射关系，以简化标定过程。实验证明方法是有效的。

基于B样条模糊神经网络的钎焊炉温度控制

针对钎焊炉温度控制系统,设计了一种基于PSO算法优化的B样条模糊神经网络温度控制方案,利用B样条模糊神经网络实现模糊推理,利用微粒群算法对网络的权值进行学习与训练。结果表明,该算法在钎焊炉温度控制方面具有有效性和可行性。

基于B样条神经网络的有源压力脉动衰减系统的研究

本文建立了一个基于B样条神经网络的液压有源压力脉动衰减系统 ,该系统与基于传统的滤波 -XLMS (FLMS)算法的有源脉动衰减系统相比 ,它可匹配系统中的非线性 ,收敛速度快、脉动衰减效果良好。

B样条基函数模糊神经网络控制系统及其混合学习算法

介绍了一种基于模糊B样条基函数神经网络的控制器,该控制器将模糊控制的定性知识表达能力、神经网络的定量学习能力和B样条基函数优异的局部控制性能相结合,采用B样条基函数作为模糊隶属函数。还提出了模糊神经网络控制器的混合学习算法,即先采用免疫遗传算法离线优化,再采用BP梯度算法在线调整。对锅炉主蒸汽温度控制的仿真结果表明了此法的可行性和有效性。

应用B—P神经网络的城市空气污染预测研究

在具有城市重点污染源的排放数据的条件下,利用人工神经网络的自学习、自组织、自适应和较强容错性等特点,探讨B-P神经网络应用于城市空气质量预测的适用性。试验结果表明:此种方法基本适用,且在污染源监测数据充足的基础上,预测结果会更加准确。

利用组合B样条神经网络实现对间歇反应过程的动态建模

间歇反应过程具有强非线性、非稳态和反应时间固定等特点。利用间歇反应操作时间可预先确定的性质,提出一种新的组合B样条神经网络的建模方法。被控对象输出f(u,t)往往是操纵变量和时间的函数,新方法把这两类函数关系的模拟分别交由两个神经网络承担,以确定变化区域的时间变量作为B样条神经网络的输入,让其分担描述对象随时间变化的动态特性部分,而输出变量与操作变量间的关系则由另一B样条神经网络表示,两个神经网络的组合输出建立间歇反应器的非线性动态模型。它不仅能够简化每个网络的结构,减少权值参数和训练时间,更重要的是可以方便控制策略的求解。本文介绍了建模方法的设计过程,并应用于苯乙烯悬浮聚合间歇反应建模中,仿真实验研究了方法的有效性。还推导了基于该模型的优化控制策略的算法。

基于B-P神经网络优化算法的城市环境空气中PM_(10)浓度预测模型

将B—P神经网络应用于西安市环境空气中P10浓度预测，对网络结构和算法进行了优化，建立了PM10浓度预测模型。经验证模型精确度比较高，PM10日平均浓度绝对误差0．015～0．020mg／m^3，相对误差在-20％～20％范围内。

用B样条神经网络控制非线性系统的混沌运动

采用B样条神经网络,通过选取混沌系统不稳定周期轨道的不动点附近的数据作为参数扰动模型输入样本的学习,把该模型训练成神经网络混沌控制器,从而预测出混沌系统将来时刻的时间序列,获得控制混沌系统的扰动信号.用该扰动信号,将嵌入在混沌吸引子中不稳定周期轨道镇定到稳定的不动点处.通过对Henon映射的数值仿真实验,证明采用B样条神经网络控制非线性混沌运动是有效的.

基于B样条神经网络的地磁场曲面拟合

基于B样条神经网络对实测地磁数据进行曲面拟合,该网络不仅保留了B样条基函数在速度方面的改进,同时也继承了神经网络在计算精度方面的优势。选用了一种修正速度最快的改进的LMBP算法进行权值的修正,最后也通过Matlab仿真实验证明了基于B样条神经网络的拟合算法在速度与精度方面的优越之处。

基于神经网络的有源压力脉动衰减的试验研究

本文将B样条神经网络用于有源压力脉动衰减系统。该系统与基于传统的滤波 XLMS(FLMS)算法的有源脉动衰减系统相比 ,可匹配系统中的非线性 ,初值稳定性好、收敛速度快、在所试验的 2 0～ 70Hz范围内 ,衰减压力脉动 8.7～

基于BP神经网络PID算法的斗轮机自动取料流量控制优化

为解决斗轮取料机自动取料流量控制难题,提高干散货码头生产作业效率,采用B P神经网络PID控制算法对取料机取料流量控制进行优化。分析目前斗轮机取料流量控制现状,在常规PID控制方法的基础上采用BP神经网络进行改进优化,利用BP神经网络的自学习、自适应等特性,实现对PID控制参数的在线整定和优化。采用MATLAB Simulink仿真软件,建立BP神经网络PID控制模型,通过在天津某煤炭码头进行现场工程应用,证明模型的有效性和可靠性,表明BP神经网络PID算法能进一步提高干散货码头整体生产作业效率,延长大机设备使用寿命。

采用神经网络滑模控制的PMSM速度控制策略

针对负载扰动引起的永磁同步电机速度的控制问题,提出了基于B样条神经网络的自适应速度控制策略.运用B样条神经网络算法对电流内环控制器的PI参数进行优化,速度外环采用滑模控制,建立了非线性观测器,实现了非线性系统的在线速度调整.仿真结果表明,该策略实现了速度控制系统在负载扰动时的快速小超调的鲁棒跟踪,验证了控制算法的有效性和可行性.

一种基于神经网络的CDMA针状波束智能天线系统用户定向算法

本文针对于ＣＤＭＡ系统的针状波束智能天线工程实际．提出了一种新的用户定向算法．它先进行基带ＰＮ长码相关解扩，而后用基于反向传播神经网络的快速算法进行用户定向．计算机仿真结果表明，这种算法运算量低、精度高、有很高的稳定性和很强的抗多径能力．可满足工程上高性能、低成本和实时性要求．

人工神经网络在房地产估价中的应用研究

将人工神经网络引入房地产估价领域,阐述了B—P神经网络的原理和特点,并提出基于B—P神经网络的房地产估价程序,为房地产估价提供了一种新的解决方法、一种新的思想。

材料实验机电液伺服系统的神经网络控制

材料实验机的力加载系统是一个典型的非线性电液伺服系统,应用传统的PID控制算法往往不能很好地满足某些要求。本文对系统进行数学建模,应用B样条神经网络加以控制,最后使用MATLAB进行仿真,仿真结果表明该方法具有逼近精度高,分辨率高的优点,能很好地满足了实验机力加载的要求。