基于粒子群算法优化BP神经网络漏钢预报的研究

针对标准BP神经网络中收敛速度慢以及易陷入局部最优解等问题,利用粒子群算法的全局搜索性,将粒子群算法应用到BP神经网络训练中建立了PSO-BP神经网络模型,结果表明改进模型不仅可以克服传统BP网络收敛速度慢和易陷入局部权值的局限问题,而且很大程度地提高了结果精度和BP网络学习能力,将此模型应用到结晶器漏钢预报系统中,并用某钢厂采集到的历史数据对该模型进行训练与测试,与标准BP神经网络测试结果进行分析与比较,实验表明PSO-BP网络模型预报更加实时、准确,具有很好的应用前景.     

遗传BP神经网络在大宗商品市场风险预警中的应用

研究利用遗传BP神经网络预警大宗商品电子交易市场风险的应用方法,将定量分析的思维方式引入大宗商品市场风险评价管理中.为此目的,建构了一个基于遗传BP神经网络的预警模型（GA-BPNNM）,在市场调研的基础上建立了大宗商品电子交易市场风险评价指标体系,并通过实验确定了预警模型的最佳训练函数和隐层的最佳节点数.GA-BPNNM借助BP神经网络强大的自学习能力和非线性映射能力,克服传统手段在分析大宗商品电子交易市场风险时因其定义的模糊性和诱发因素的多样性所带来的困难;同时通过遗传算法与BP网络两者相互融合优化,解决BP神经网络易落入局部最优、收敛速度慢以及遗传算法易早熟等问题.仿真测试实验表明,GA-BPNNM预测结果优于标准BP神经网络预测方法,用于大宗商品电子交易市场风险损失程度预警是有效可行的.     

遗传算法优化 BP 神经网络的信号检测

针对传统方法单独采用 BP 神经网络算法易陷入局部极值的问题,提出了遗传算法优化 BP 神经网络,并将其应用于 MIMO -OFDM系统信号检测中。该方法将遗传算法与神经网络相结合,用遗传算法优化神经网络初始值,使 BP 网络快速收敛到最优解,避免了由初始值的随机选取而带来的检测误码。仿真结果表明所提出的方法在误码率方面有比较好的性能。     

基于PSO-BP神经网络的入侵检测技术优化算法的研究

针对基于BP神经网络的IDS技术收敛速度较慢,易陷入局部最优值、网络瘫痪,系统稳定性差等问题,本文提出了基于PSO-BP神经网络的入侵检测技术优化算法。利用粒子群优化算法优化BP网络的权重,首先利用PSO算法优化得到一个最优初始值,然后通过BP网络算法修正误差值,从而获得最优值。     

基于粒子群优化与BP算法的协同神经网络学习方法

针对标准BP算法易陷入局部极值及收敛速度慢等问题,提出一种基于粒子群优化与BP算法的协同神经网络学习方法。该方法在网络的学习过程中,同时利用PSO优化算法与BP算法进行最优网络权值的协同搜索,从而充分利用粒子群算法的全局搜索性及BP算法的反向传播特点。将该算法应用于4个复杂函数的拟合仿真,并与标准BP算法以及传统的粒子群优化BP神经网络算法进行比较。实验结果表明所提的协同算法的性能优于传统的BP网络优化算法。     

基于模糊BP神经网络的模拟电路实时故障诊断

以进行模拟电路实时故障诊断为主要目的,对BP神经网络故障字典法进行了深入研究,针对传统BP算法收敛速度慢、易产生局部最优等不足,采用神经网络与模糊理论相结合的方法,根据模式识别原理实现模拟电路故障的实时诊断。实验结果表明:该算法在网络收敛速度和识别精度上较传统的BP算法均有明显的改善。     

基于改进的BP神经网络的Overlay网络流量预测

随着网络规模的增长,Overlay网络流量预测已经日渐成为研究热点。与传统网络相比,Overlay网络本身的特性决定了传统的预测方法已不能适应它的要求。提出一种基于模拟退火的粒子群神经网络来预测Overlay网络的流量,运用反向计算方法,从理想最优值出发,近距离寻找最优解,缩短了求解时间并加大了找到最优解的几率。通过实验仿真可以看出,改进的BP神经网络方法的预测效果要明显好于传统的BP神经网络。     

贝叶斯神经网络在股票时间序列预测中的应用

针对BP神经网络初始权值随机获取所导致的易陷入局部最优的问题,采用贝叶斯正则化（Bayesian Regularization,BR）算法改进传统BP神经网络模型。该算法在保证网络误差最小的前提下,通过历史数据的先验概率调整BP模型的适应度函数,使网络的泛化能力得到提升。在股票时间序列预测的实证性研究中表明,比传统BP模型在预测精度上提高42.81%。     

基于自适应花授粉算法的BP神经网络结构优化

传统的BP神经网络通过梯度下降法来调整网络的权值和阈值,使网络存在易陷入局部最优且收敛速度慢等缺陷,在很大程度上限制了BP神经网络的应用。针对BP网络存在的不足,提出利用自适应花授粉算法来优化BP网络的权值和阈值。对花授粉算法（FPA）中的转换概率做自适应调整,并引入自适应的变异因子,提出了自适应的花授粉算法（SFPA）;通过两种不同的结合方式将SFPA与BP神经网络进行融合,从而提出了SFPA1-BP神经网络和SFPA2-BP神经网络;通过函数逼近实验和数据集分类实验对新网络的性能进行验证。结果表明,SFPA1-BP和SFPA2-BP在函数逼近和分类方面都优于标准BP网络,且SFPA1-BP具有更高的泛化能力及学习能力。     

基于粒子群与BP混合算法的神经网络学习方法

针对标准BP算法收敛速度慢及易陷入局部极值等问题,提出一种基于粒子群优化与BP混合算法的神经网络学习方法。该方法在网络的训练过程中,同时利用粒子群算法与BP算法进行最优网络权值的搜索,从而既充分利用了粒子群算法的全局搜索性又较好地保持了BP算法本身的反向传播特点。将该混合学习算法应用于复杂函数的拟合仿真,并与标准BP算法以及传统的粒子群优化BP神经网络学习算法进行比较。实验结果表明所提的混合学习算法具有较高的收敛精度,且收敛速度更快。     

Shop floor control using the tactical ratio and monitoring system

In the fall of 1979, a decision was made by a manufacturing group steering committee to develop a system of shop floor control that recognized the reality of doing business in a practical rather than a theoretical way.A system was required that was capable of handling the management of work-in-process lots—as one group executive vice-president put it—“in the trenches”.Typical problems had to be dealt with in the system, such as additions, cancellations, pull ups, push outs, customer emergencies, delivery dates, short lead times, etc.The initial approach was to investigate the many software packages available on the market. A team of three manufacturing and data processing representatives was formed to undertake the search. After months of analysis and reviews, the conclusion was reached that a commercial system was not available to deal with the myriad of problems encountered everyday in shop floor control. As a result, the decision was made to develop an in-house system.     

Neural control of a batch distillation

The purpose of the work reported here was to investigate the application of neural control to a common industrial process. The chosen problem was the control of a batch distillation. In the first phase towards deployment, a complex software simulation of the process was controlled. Initially, the plant was modelled with a neural emulator. The neural emulator was used to train a neural controller using the back propagation through time algorithm. A high accuracy was achieved with the emulator after a large number of training epochs. The controller converged more rapidly, but its performance varied more widely over its operating range. However, the controlled system was relatively robust to changes in ambient conditions.     

基于特征词的垃圾短信分类器模型

针对垃圾短信分类问题,提出一种计算词分类权重的方法,并以此为基础通过降维来得到分类特征词集合。提出了短信分类隶属度概念,通过计算短信分类隶属度和分类隶属度密度的方法来实现分类。为了提高分类的准确性,还对特征词进行了分类权重的迭代学习,从而保证了词分类权重取值的合理性。实验结果表明,该分类模型具有良好的分类效果和较低的时间复杂度。     

基于YOLO的道路车辆拥堵分析模型

针对当前交通运行出现的拥堵问题，提出一种新型的道路状态判断模型。首先，模型基于YOLOv3目标检测算法，然后结合图片对应的特征值矩阵，通过相邻帧之间的特征矩阵作差并将差值逐项求和得到的结果与预设值进行比较来判断当前道路是处于拥堵状态还是正常通行状态，其次再将当前计算出的道路状态与前两次计算出的道路状态进行比较，最后运用模型里的状态统计法来统计道路某状态（拥堵或通畅）的持续时间。该模型能够同时对一条道路的三个车道进行状态统计分析，经过实验，模型对单条车道状态判断的平均准确率能达到80%以上，并且白天与夜晚的道路均适用。     

综合颜色和形态特征的小麦田杂草识别方法

利用机器视觉技术把杂草精确识别出来是精细农业领域研究的热点问题之一。针对杂草与小麦叶子交叠的情况，提出一种综合颜色和形态特征的方法进行杂草识别。在L*a*b*颜色空间，选取a*作为特征量并用改进的最大类间方差法进行阈值分割获得植物图像；在HSI颜色空间，利用多层的同质性分割算法分离小麦与杂草；结合形态学特征开闭运算滤波及二值逻辑与运算获得杂草图像；模拟化学除草系统，从理论上评价整个系统的识别效率。实验结果表明：杂草正确识别率高达92.6%以上，且除草剂的使用量减少超过72.4%。     

机器人多胞变增益输出反馈H∞控制

针对n类关节的刚性机器人,提出一种设计包含极点配置的多胞变增益输出反馈H_∞控制器的新方法.利用平衡族附近的线性化,机器人系统可化为一关于平衡族的连续线性变参数系统,通过引入滤波器得到易于设计变增益控制器的增广对象,并将其凸分解为多胞表示,基于二次D 稳定和二次H_∞性能概念,利用多胞特性将整个控制器设计转化为对胞体顶点控制器的设计,然后利用LMI方法,对多胞的各顶点分别设计满足H_∞∞性能和动态特性的输出反馈控制器,最后综合顶点控制器得到具有同     

声表面波辅助实现纸基微流分析

纸基微流器件往往难以实现样品前处理操作.提出了一种简单的纸基微通道制作方法及兼具有前处理操作功能的纸基微流分析方法.采用Protel设计微通道图案,采用印刷电路技术制作铜模板,并涂覆石蜡、覆盖滤纸,而后用电烙铁加热铜模板另一侧,熔融石蜡渗透入滤纸形成纸基微通道.制作的纸基器件放置于128°YX-LiNbO3压电基片上,...     

自动工具辅助用户行为捕捉与分析方法

为研究APP内的用户行为,优化用户体验,提出基于自动工具的用户行为捕捉与分析方法。基于一种用户行为捕捉工具CAUX,设计具有情境感知能力的数据采集模块,自动捕捉指定APP内的用户行为数据,无需修改APP源代码,对用户干扰性低。基于图像对比算法,建立数据分析平台,自动识别并输出用户行为序列。对用户行为序列进行聚类分析,总结用户行为模式并与预期任务序列进行比较,可以发现可用性问题。以有道词典为案例,验证了该方法的可行性。     

Design and Control of a Hydraulic Simulator for a Flexible-Joint Robot

For the first time, a novel experimental hydraulic system that simulates joint flexibility of a single-rigid-link flexible-joint robot manipulator, with the ability of changing the joint flexibility's parameters, was designed and implemented in this study. Such a system could facilitate future control studies of robot manipulators by reducing investigation time and implementation cost of research. It could also be used to test the performance of different strategies to control the movement of flexible-joint manipulators. A hydraulic rotary servo motor was used to simulate the action of a flexible-joint robot manipulator, which was a challenging task, since the control of angular acceleration was required. In this study, a single-rigid-link elastic-joint robot manipulator was mathematically modeled and implemented in which joint flexibility parameters such as stiffness and damping could be easily changed. This simulation is referred to as a 'function generator' to drive a hydraulic robot manipulator. In this study the desired angular acceleration of the manipulator was used as the input to the hydraulic rotary motor and the objective was to make the hydraulic system follow the desired acceleration in the frequency range specified. A hydraulic actuator robot was built and tested. The results indicated that if the input signal had a frequency in the range of 5–15 Hz and damping ratio of 0.1 (typical values for flexible joints), the experimental setup was able to reproduce the input signal with acceptable accuracy. Owing to the inherent noise associated with the measurement of acceleration and some severe nonlinearities in the rotary motor, control of the experimental test system using classical methods was a challenging task that had not been anticipated.     

基于卫星共视法的电网时频测量及同步技术

时间同步对电网的安全和管理有着重要影响,如何准确可靠地同步电网时间值得研究。为此,提出利用卫星共视技术进行电网时间频率的远程校准、进而实现电网时间同步的方法。首先,提出电力系统的四级时间频率溯源体系,明确了电网时间频率溯源关系。其次,研究建立了可以满足卫星共视要求的时间频率计量标准装置,依托标准装置,将卫星共视技术应用于电力系统时间频率远程校准中,利用卡尔曼滤波算法去除干扰,并分析了基于卫星共视技术的电网时间频率同步方法。为定量评价提出方法的有效性,研究了采用提出的方法进行溯源时的时间不确定度和频率不确定度。实验及分析结果表明,提出的方法可以实现时间频率量值的高精度远程传递,从而保障电力系统中的时间同步。