萝卜丝薄层干燥试验及其数学模型的建立

萝卜丝干燥是萝卜加工的重要环节。利用薄层干燥试验台 ,进行萝卜丝的薄层干燥试验 ,探讨热风温度、风速对干燥速率的影响。结果表明 ,萝卜丝干燥具有典型物料干燥的升温、等速、降速 3个阶段 ,热风温度对干燥速率的影响比风速对干燥速率的影响显著。用 BP神经网络建立萝卜丝干燥的数学模型 ,并与 Page模型的模拟结果进行对比。结果表明 ,用 BP神经网络预测的含水率比精度明显高于

基于小波变换和ANN的最佳重合闸时刻的研究

目前对于线路瞬时性故障的最佳重合闸时刻以离线计算为主 ,如利用能量函数法 ,但其计算困难 ,计算时间较长 ,在电力系统中不能满足实际运行条件变化的要求。文中提出了一种基于小波变换和人工神经网络 (ANN)方法的在线寻求瞬时性故障最佳重合闸时刻的方法 ,只需较短时间就能计算出最佳重合闸时刻。首先利用 MATLAB对电力系统故障进行仿真 ,把故障信号通过小波变换分解成不同尺度下的“近似”分量 (approximation)和“详细”分量 (detail) ,并把提取的特征值作为人工神经网络的输入量 ,进行训练 ,从而找到最佳重合闸时刻。

粗糙集理论及其在短期电力负荷预测中的应用

影响负荷预测精度的因素众多 ,为了找到负荷值与各种外在因素之间的关系 ,利用粗糙集理论对各条件属性进行属性约简分析 ,在属性约简算法中采用遗传算法进行寻优计算 ,找到与负荷直接相关的因素 ,然后将它作为模糊神经网络的输入矢量进行负荷预测。经仿真分析证明预测精度和速度都得到改善。

活性污泥法污水处理过程的建模与仿真技术的研究

综述了活性污泥法污水处理过程的建模及仿真技术的发展 .在分析活性污泥法污水处理过程现状的基础上 ,阐述了传统数学模型、智能模型以及混合模型的建模方法 ,并介绍了目前活性污泥系统仿真技术的发展现状 .

城市高速公路交通的神经网络建模与控制

从城市高速公路交通流的宏观、动态特性出发 ,分析了交通流控制中常用的宏观、动态、确定性模型 在此基础上 ,利用人工神经网络技术建立了城市高速公路的神经网络模型 ,并提出了入口匝道放行和路段速度相结合的多变量神经网络控制策略 利用该控制策略建立的自适应神经网络控制器 ,可以使高速公路上的交通密度维持在理想的密度值附近 .进一步分析可以得到 ,该控制器是一个状态和控制作用均可跟踪的伺服系统 .以杭州某高架高速公路为背景的仿真结果表明 :该控制器具有较强的鲁帮性 ,控制效果令人满意 .

基于人工神经网络的变压器温升预测应用研究

文章详细介绍了BP神经网络模型和算法 ,建立了变压器绕组温度预测和人工神经元网络BP模型 ,并验证了其可行性和优越性。

加权函数组合预测边坡变形模型的研究

边坡变形监测是边坡监测的主要内容之一,其变形预测问题是边坡工程中主要技术难题之一。考虑边坡位移变形预测模型的局限性,如神经网络预测方法需要大量的实测数据作为学习样本,灰色系统模型要求原始数据序列必须满足指数规律,且数据序列变化速度不能太快等。建立了边坡变形反向传播神经网络预测模型,同时给出了灰色GM(1,1)边坡预测模型。提出边坡的神经网络与灰色系统加权函数组合预测模型,采用动态规划解法,将原模型转化为多阶段决策问题,使组合预测误差的平方和最小,得到组合权重,这样得到的变形预测结果的精度将大大提高,弥补了单一方法的局限性,满足工程预测的需要。通过边坡实例加以验证,加权函数组合预测模型的预测结果精度有一定提高,能够与实际监测数据相吻合,达到准确预测的目的。

基于神经网络的地层损害识别研究

地层损害问题广泛存在于现场作业的各个环节，严重影响地下油气的采收，是石油工业难以对付的问题之一，因此如何正确识别出地层损害类型，是选择恰当处理措施的关键所在．本文将人工神经网络用于识别地层损害类型这一研究中，获得了成功．神经网络由于具有强大的学习能力和容错能力，因此能根据现象准确地推断出地层损害类型来，使得这一研究具有快而准、使用方便的特点．

一种改进型BP算法在自适应控制系统中应用的研究

介绍BP算法在自适应控制中应用 ,即在离线学习过程中每一个输入样本对网络不立即产生作用 ,而是等到全部输入样本学习完成 ,将全部误差求和累加 ,再集中修改权值一次。对非线性控制系统在线控制过程中 ,采用一定算法可避免神经网络线性化 ,提高控制效果。

关于非对称Hopfield神经网络的稳定性

根据矩阵特征值分布范围，讨论了连续时间Ｈｏｐｆｉｅｌｄ神经网络模型的渐近稳定性，给出了目前最优的结果，这对于实际网络设计有重要的指导作用。

间歇蒸煮过程软测量建模综述

蒸煮是制浆造纸的重要一环。蒸者过程的复杂性、不确定性导致了过程参数检测的困难。文中对间歇蒸煮过程中的软测量建模技术进行了综述。从建立软测量模型的方法、影响模型性能的因素以及模型的在线校正等方面 ,结合实际应用进行了详细讨论。分析了将软测量模型应用到蒸煮过程中存在的问题及原因 。

基于神经网络的发电机参数辨识

介绍了人工神经网络(ANN)在发电机传递函数参数辨识中的应用,提出了一种隐层有七个神经元的BP神经网络,使用该网络对发电机参数进行辨识,并利用MATLAB/SIMULINK软件对所设计的BP神经网络进行了仿真,结果表明,所设计的神经网络能够有效地辨识发电机参数,并且具有训练时间少,没有局部极小化现象等优点.

一种串—并行混合结构的神经网络模型

针对复杂的模式识别问题,提出了一种串—并行混合结构的多种神经网络模型,首先用ART网络对训练集中的样本进行粗分类,以减小训练集的样本规模,然后用多个BP网络对小训练集进行训练。

基于人工神经网络的浮选精矿品位预测模型

采用ＢＰ神经网络原理，对包钢选矿厂浮选过程数据进行处理，建立了基于人工神经网络的浮选精矿品位预测模型。此预测模型的计算值与实测值相比，偏差小于２％，该模型较真实地反映了浮选过程的特征。

小波变换提取的胎动信号的神经网络识别

胎动监护是预防围产期胎死的一项重要手段。本文介绍了一种用小波变换实现胎动信号滤波并利用 BP神经网络识别胎动以实现胎动自动监护的方法 ,其中胎动信号利用压力传感器从孕妇腹部获取。通过使用所设计的分类系统对 13例共 2 6 0 min的腹部胎动信号进行识别 ,总的正确率达 90 .0 5 %。从实验结果看 。

神经网络法求解墙体传热系数关键输入变量的分析

在应用神经网络法求解墙体传热系数过程中,合理确定训练样本的输入变量是准确得到墙体传热系数的关键。分析了加热功率、内外侧环境温差、内外表面温差、内外表面热流密度、总厚度等对边界可测量量的影响,进而得出它们是确定墙体传热系数的关键输入变量。并对用它们作为输入变量的样本进行了训练和测试,得到了较满意的结果。

通用飞机机翼积冰冰形预测

从通用飞机机翼积冰冰形特征出发,确定机翼特征点,通过其对应积冰厚度描绘积冰冰形。提出了一种基于BP神经网络的机翼积冰厚度预测方法,并利用预测厚度还原预测冰形。将预测积冰厚度与实际积冰厚度相比较,预测值与实际值的平均均方根误差为1.893 mm,表明该方法可用于通用飞机机翼积冰冰形预测。

用神经网络研究图的最大独立集问题

利用人工神经网络的原理．将图的最大独立集问题转换为人工神经网络的问题．对此网络进行了分析．并用计算机进行模拟．给出了不同规模的图的优化解．

基于多损失值融合神经网络的语音增强研究

语音增强旨在提高因噪声导致衰减的人声语音的清晰度,可懂度。虽然基于深度学习技术的神经网络模型,在语音增强应用中效果显著。但其大多因使用基于时域波形之间的均方差(Mean Square Error, MSE)损失函数,而受到一定的性能限制。本文提出一种基于多损失值融合神经网络的语音增强模型,使用语音生成对抗神经网络,作为人类听觉感知指标,构建出与人类听觉感知有关联的多损失值损失函数,进行语音增强。

基于BP神经网络遗传算法的五模声隐身多层结构优化

为了解决五模材料的声隐身理论中,由于材料制备复杂很难实现的问题,将斗篷简化为多层均匀材料参数的层状结构,采用BP神经网络遗传算法,结合声场有限元建模,将散射面积的最小值作为优化目标,对层厚分布进行了优化,确定五模材料的低散射斗篷设计方案。优化计算结果表明,当目标频率为5 kHz,斗篷层数时5层时,优化后的散射面积比均匀分层结构的减小了87%。