原油储罐油水界面动态检测系统的研究

设计了油水界面动态检测系统.利用数控执行机构带动微波探头在原油储罐内作垂直匀速运动,通过对原油储罐含水率的动态检测,准确地反映出油水乳化带的状态和位置信息,测量出储罐内油水界面的位置,从而确定储罐内原油、水和乳化液层的位置和体积.采用400 MHz激励信号的微波探头,可实现0～100%原油含水率的动态测定,含水率测量误差≤±2%.在20 m范围内,油水界面的位置测量误差小于±10 mm.     

基于自组织映射网络的模式分类器对储产层自动分类方法研究

文章提出了一种储产层识别及预测方法，该方法利用了神经网络中的自组织特征映射网络，它是由无人管理训练而得到的。当该网络被用作储产层的模式分类器时，它需要进行有导师指导的训练，这个模型就变为储产层的模式分类器。     

快鸟影像的自组织神经网络分类研究

快鸟影像是目前世界上空间分辨率达到亚米级的商用卫星之一,辐射亮度级为2048级、11 bit,将其转换为256级、8 bit,然后在ERDAS软件中进行多光谱、全色分辨率的融合,输出能够被MATLAB软件接受的JPG图形格式文件;基于快鸟影像有4个波段,彩用最佳指数(OIF)进行最佳组合波段的选择,经计算4、3、2组合波段的OIF值最大为76.53684,作为下一步自组织分类的图像;自组织神经网络分类在MATLAB中完成,选择函数newsom,待地物类别数为5类,网络训练最大次数为100次,对分类结果计算出了总体分类精度为83.21%,Kappa系数为78.66%.     

基于模态辨识的原油含水率智能组合测量模型

为提高原油含水率宽量程在线测量的精度,采用一套基于多传感器的油水两相流实验室模拟系统对影响其测量的多个敏感参量进行测定,提出基于粗糙集预处理器、支持向量机分类器和遗传神经网络预测器的原油含水率智能组合测量模型.实验结果表明,该模型在很大程度上解决了油水乳化液模态、温度、矿化度等因素的交叉影响及传感器自身非线性的校正问题,可通过模糊推理与自学习实现油水混合模态辨识,并根据工况的变化调整测量模型参数,有效地提高了原油含水率宽量程在线智能测量的精度.     

基于自组织神经网络的模式分类研究

分析了常用的ＶＱ（ＶｅｃｔｏｒＱｕａｎｔｉｚｅｒ──矢量量化）分类算法所存在的缺点，提出用自组织神经网络模型取代ＶＱ算法，对这种模式分类的过程进行了描述，并阐明它的优点．     

物料含水率与传感电容映射模型的研究

该文从物料材料的性质、物料与水份占空比以及环境温度等几个方面入手,建立了较精确的物料含水率与传感电容映射模型.     

多光谱卫星云图的SOFM-PNN网络耦合的云分类模型

针对单一类型的神经网络分类器难以正确区分和有效识别复杂云类特征的缺陷,本文基于静止气象卫星云图多光谱云类样本,通过计算、分析云图灰度、梯度与纹理特征,提取了云分类最佳判别因子,建立了自组织网络（SOFM）与概率神经网络（PNN）的综合云分类器优化模型．该分类器首先利用自组织网络对云类样本进行无监督初始分类,确定出相似样本子集;随后用概率神经网络对初始分类误差进行有监督修正和分类结果的二次优化判别．试验结果表明,该分类器可有效提高云类判别效果,分类结果的总正确率达到92．4％,Kappa系数为90．82,明显优于单一的统计分类器判别效果．     

PID神经网络辨识能力的初步研究

PID神经网络具有在线自学习能力，通过无教师的自学习方式，PID神经网络成功地实现了不同的系统辨识。本文在介绍PID神经网络的基础上，论述了PID神经网络进行系统辨识的理论依据，给出了PID神经网络通过自学习进行非线性动态系统辨识的结果。     

人工神经网络的建设工期定额地域分类

对影响建设工程工期的因素进行分析．根据各地区不同的自然建设条件,对全国31个省的省会城市的自然条件列为输入矢量．应用自组织竞争网络的聚类功能、Matlab 6．1软件编程和2～9类区分法,分别划分出建设工期定额的地域类别．通过对计算成果的分析,提出按4类划分建设工程工期定额的地域分类方法．它能区分不同地区自然建设条件的差异,使工期定额的制定更加合理．     

分子计算理论与神经网络

本文以“智能—问题求解—信息处理—学习和记忆—系统实现”为线索,介绍了分子计算及神经网络的基本概念和原理,提出了它们的研究层次及其异同点,详细讨论了进化学习算法和神经网络的自组织原则,并利用最大信息准则,给出了无导师学习算法的统一描述框图.本文最后讨论了分子计算与神经网络的实现问题,认为分子电子器件是神经网络实现的一条可能途径.     

基于人工神经网络的原油管道蜡沉积速率模型

从原油输送管道实际出发 ,利用试验室自制的蜡沉积试验环道对大庆原油进行蜡沉积试验 ,研究了多种因素对原油管道蜡沉积规律的影响 .利用人工神经网络的方法模拟各种影响因素与原油管道蜡沉积速率之间的映射关系 ,建立了多因素非线性影响下的蜡沉积速率模型 .该模型结构为4- 7- 1的三层 BP网络模型 ,它考虑了管壁处的剪切应力、管壁处温度梯度、管壁处蜡分子浓度梯度和原油的动力黏度对管道蜡沉积速率的影响 .利用该模型对实际管道蜡沉积速率进行预测的结果表明 ,利用神经网络方法建立的蜡沉积速率模型预测精度高 ,误差在 2 %以内     

基于神经网络的激光超声探伤表面波的分类

利用3种神经网络即自组织竞争神经网络、学习向量量化神经网络和概率神经网络对激光超声探伤缺陷表面波进行分类.讨论了3种网络在不同输入情况下的分类效果.实验结果表明,这3种神经网络都可以取得良好的分类效果.     

应用神经元网络进行道路季节分类

道路的破坏是一个损伤的积累过程,道路的性能预测实际上是应用力学法或经验法,对路面损伤积累过程的模拟.在模拟过程中通常将路面的使用寿命分成若干子时间段.为了合理确定路面结构设计时的输入参数,通过自组织特征映射神经网络,结合Matlab软件,根据温度等几个重要参数对道路进行季节分类,然后根据分类结果进行路面结构分析与材料设计.实践证明,该方法分类效果良好,能很好地解决路面设计参数的合理确定问题.     

神经网络算法在特色农产品品质分类中的应用

针对新疆核桃品质分类问题,本文选取特征参数数据,采用神经网络的最速下降BP网络算法、自组织竞争算法、概率神经网络算法建立分类模型,做了训练和测试分类的工作.实验结果表明,三种算法中动量BP网络算法在实现中较为简易直观,相比三种算法,其网络收敛速度较慢,在动量因子的合理选取下,误差在一定范围可以达到收敛的最小震荡;自组织竞争网络在预先设定好的类别范围内,可将分布比较密集的样本进行更加细化的聚类分类,使得分类问题达到更优结果;概率神经网络具有较好的网络收敛速度.实验结果可为实现核桃类坚果的自动化分类、提高工作效率提供一定的理论依据.     

用电容法测量原油凝点的可行性实验

介绍了基于原油介电常数随温度的变化与原油凝点之间存在的内在联系，测量原油凝点采用的电容法。叙述了非接触式电容传感器的测量原理和实验方法。实验结果表明，原油介电常数在原油的凝点附近达到一个峰值，这与实验室方法得到的结果相符，初步得出电容法测量原油凝点是可行的结论。为在线监测原油的流动性提供了一条实用化途径。     

损伤位置分步识别法中参数选择、样本简化等问题的探究

对于多层多跨的框架结构,构件数量众多,直接确定损伤位置十分困难。基于神经网络的损伤位置分步识别法是先构建一个网络来确定结构损伤层的位置,然后针对每层再分别构建一个网络,确定损伤层中损伤柱的编号,于是一个复杂的神经网络被分解简化为几个简单的子网络,这样可以根据模态参数的性质合理选择损伤识别指标,并降低训练样本的数量,从而提高了网络的识别精度。结合分步识别法,建立了详细的多层多跨框架结构数值模型,对模态参数的性质和选择,如何减少训练样本．样本的构造方法等影响识别的因素做了初步探究。     

北疆高酸原油直馏馏分脱酸前后的油-水界面性质比较

将北疆高酸原油初馏点至400℃切割成8个不同的组分,分析了各组分的酸值和芳香结构,进而研究了各馏分油-水的界面张力和不同条件下油-水界面张力的变化规律,同时考察了脱酸后馏分油界面性质的变化情况。结果表明:酸值和芳香共轭组分越大,馏分油-水界面张力越小;pH对轻组分和重组分有不同的影响;脱酸后,酸性馏分油的酸值明显减小,脱酸率都在60%以上,馏分油-水的界面张力急剧增大。     

基于形状和结构特征的白酒识别方法研究

提出了一种有效描述白酒显微图像中微粒的形状和结构分布的组合特征提取方法,研究了基于显微图像的白酒识别方法.显微图像先经过全差分滤波增强,以及互熵阀值区域分割.然后提取显微图像的形状和结构特征,包括所有区域面积、周长和低阶矩的总和、均值及方差,最大5个区域的畸度和圆度,以及区域数目,共计26个特征值.最后基于BP神经网络建立白酒识别模型.通过实验,比较了传统形状特征与文中提出的形状及结构组合特征在白酒识别中的效果,结果表明使用文中提供的形状及结构组合特征获得更高的识别率,达到95%以上.     

神经网络敏感性的定义分类研究

研究了神经网络的输出变量对输入变量和权重变量的敏感性定义,通过分析这些敏感性定义的本质,把神经网络的敏感性定义分为3类:分析学,几何学,物理学.在这3种敏感性定义分类中,对分析学和物理学定义的敏感性进行了模拟实验,实验结果表明,物理学定义的敏感性更适合应用在径向基函数神经网络删除冗余属性上.在解决其他网络的冗余属性问题上,需要进一步研究.     

贯流式机组神经网络在线辨识研究

提出了一种部分递归神经网络结构,给出了学习率的实时调整方法,并将之运用于贯流式机组的在线预测。该网络克服了对被控对象结构先验知识的依赖性,并能反映调节对象的非线性映射关系。仿真试验表明,该网络能迅速地、较为准确地逼近实际系统的输出,可作为贯流式机组自适应控制的实时预测模型。