基于带有偏差单元的IRN模型的大体积混凝土温度预测与控制

分析了大体积混凝土温度的各种影响因素 ,结合神经网络的特点 ,提出运用神经网络中带有偏差单元的 IRN(Internally Recurrent Net)模型进行大体积混凝土温度预测与控制的新思路。通过实验 ,该模型可达到较好的效果 ,具有一定的可操作性和实用性。为今后大体积混凝土温度预测与控制提供了可借鉴的方法。

应用带有偏差单元的IRN模型评价土坝的病害缺陷

对土坝的病害缺陷的评价方法进行了探讨,结合水利部颁布的《水库大坝安全鉴定办法》和大坝安全鉴定工作的特点,提出运用人工神经网络中带有偏差单元的IRN(InternallyRecurrentNet)模型进行土坝的病害缺陷评价的新思路。通过实例验证,该模型可达到较好的效果,具有一定的可操作性。为今后土坝的病害缺陷评价提供了可供借鉴的方法。

基于带有偏差单元的IRN模型的大体积混凝土温度预测与控制

分析了大体积混凝土温度的各种影响因素,结合神经网络的特点,提出运用神经网络中带有偏差单元的IRN(InternallyRecurrentNet)模型进行大体积混凝土温度预测与控制的新思路。通过实例验证,该模型可达到较好的效果,具有一定的可操作性和实用性。为今后大体积混凝土温度预测与控制提供了可供借鉴的方法.

基于IRN神经网络的雷达天线伺服系统故障诊断

文中主要针对雷达天线伺服系统故障,提出了一种基于内部回归(Internally Recurrent Net,IRN)神经网络的故障诊断手段。通过分析雷达伺服系统的信号流程图,找到了导致天线故障的所有可能部件。利用故障树的分析手段对这些部件分类,发现同一故障部件可能引发不同的故障现象,同时对所有部件进行编号。建立适用于雷达天线伺服系统的IRN神经网络,其中输入层共有23个神经元对应23个测试点,输出层共有4个神经元对应所有故障的编号。对所建立的神经网络进行训练与测试,发现IRN神经网络能够很好地完成对所有故障部件的分类。

基于频谱法和带偏差单元递归神经网络的水电机组振动故障诊断

引起水电机组振动的原因很复杂,而且水电机组的振动故障往往是多故障同时发生,使得故障诊断很困难,目前主要是应用基于模式识别的神经网络来进行故障分类,尤其是BP网络应用较多,但BP网络训练速度慢。文章提出应用带偏差单元递归神经网络的方法对水电机组的振动故障进行诊断。先对水电机组振动信号进行频谱分析,提取该信号在频率域的特征量,将频谱特征向量作为学习样本,通过训练,使神经网络能够反映频谱特征向量和故障类型的映射关系,从而达到故障诊断的目的。水电机组振动故障诊断仿真分析表明,与常规方法相比,应用带偏差单元递归神经网络进行故障诊断具有快速有效的优点。

基于回归神经网络的非线性动态数据校核及其应用

研究了简化型内回归神经网络基于自适应梯度下降法的训练算法 ,并提出了一种基于简化型内回归神经网络的非线性动态数据校核新方法。结果表明所提出的方法能够有效地对非线性动态过程进行数据校核 ,并具有良好性能 ;与传统的动态数据校核方法相比 ,所提出方法具有不需要掌握过程本身的精确模型 ,避免了过程模型误差可能带来的估计误差 ,不需事先知道测量噪声和过程噪声的统计特性等特点。