一种混沌对角递归神经网络混合学习算法研究

针对一种混沌对角递归神经网络辨识,提出了一种混合学习算法。首先,采用遗传算法来获得混沌对角递归神经网络的拓扑结构和连接权值的全局次优解。之后,用混沌BP算法对网络的连接权值进行精调。最后,将这种混合优化算法应用到非线性时间序列的建模中。仿真结果表明了模型和算法的有效性。     

基于GA-PSO-BP 的大坝变形监测模型

提出了一种基于GA-PSO 混合优化BP 神经网络的大坝变形监测模型, 将遗传算法(GA)和粒子群算法(PSO)的寻优过程进行融合, 利用GA 算法的全局性和PSO 算法收敛速度快的特点,通过迭代选取最优的粒子作为BP神经网络的连接权值和阈值,以减小网络输出误差, 提高其收敛速度和加强网络泛化能力。运用GA-PSO-BP 模型对大坝自动监测数据进行预测分析, 实验结果表明GA-PSO-BP 模型优化了BP 神经网络的连接权值和阈值, 能有效提高网络训练精度与收敛速度, 有效避免早熟收敛, 使模型的整体预测效果得到提高。     

基于遗传BP算法的我国汽车保有量预测

在对我国中长期汽车保有量预测时。针对传统BP算法的不足,采用遗传算法优化BP算法的连接权值。使优化后的BP网络的训练速度和预测精度得到了有效提高,说明该方法具有较好的实用性和推广价值．     

GA优化的BPNN模型在分布式降雨量插值中的应用

针对BP神经网络初始连接权值和阈值确定的随机性,以及网络收敛速度慢和容易陷入局部极小的问题,采用遗传算法优化BP神经网络的连接权值和阈值,构建混合GA-BPNN网络模型.利用建立的GA-BPNN模型,对湖北省宜昌地区降雨量进行插值估算,试验结果表明,单纯采用BP神经网络进行降雨量的插值估算,其归一化的平均相对误差为27.68%,而采用遗传算法优化后的BP神经网络进行降雨量插值估算,其归一化的平均相对误差为18.93%,估算的精度以及网络的稳定性和容错性都要好于单纯的BP神经网络模型.     

遗传神经网络在滑坡灾害预报中的应用研究

针对传统BP算法易收敛于局部最优以及网络结构难以确定等问题,引进遗传算法进行混合建模.采用遗传学习算法和误差反向传播算法相结合的混合算法来训练前馈人工神经网络,即先用遗传学习算法进行全局训练,再用BP算法进行精确训练,使网络收敛速度加快并避免陷入局部极小.文中结合实例,对BP神经网络,遗传算法改进的神经网络进行了比较分析.实验表明,利用改进的混合模型可以提高预测精度,缩短收敛时间.     

遗传神经网络在模拟电路故障诊断中的应用

对模拟电路的故障诊断,本文采用一种将遗传算法和BP神经网络结合的智能诊断方法-GA-BP算法,实现了模拟电路的故障诊断.该方法采用遗传算法优化神经网络的权值和阈值,代替了原来BP网络随机设定的初始权值和阈值,然后再用改进BP算法进行训练.通过仿真结果比较分析,经过遗传算法优化过的神经网络的训练步教大大减少.克服了传统BP算法的收敛速度慢,容易陷入局部极小值的缺点.     

基于改进遗传算法的BP网络在降雨量预测中的应用

提出了一种改进遗传算法(GA)和BP算法结合的神经网络模型优化方案。首先采用自适应交叉概率和变异概率的遗传算法优化BP网络的权值,在进化结束时,能够寻到全局最优点附近的点;在遗传算法搜索结果的基础上,利用局部寻优能力较强的动量BP算法,从此点出发,进行局部搜索,进而达到网络的训练目标。仿真实验结果表明,在大庆市2000年到2004年6月降雨量的预测方面,遗传算法与BP算法结合的模型预测误差平均为39.13%,标准BP算法的模型预测误差平均为194.66%。说明GA-BP算法模型预报精度较高,预测能力得到了改进。     

一种基于BP网络的流量分类方法

针对传统的网络流量分类方法准确率低、开销大、应用范围受限等问题,提出了一种基于BP网络的流量分类方法。该方法改进了标准的BP网络算法,采用基于Lyapunov函数得到的自适应学习率,并引入遗传算法优化网络的初始连接权值和阈值,使网络避免陷入局部最小,加速了网络收敛过程。实验结果表明,采用改进的BP网络算法来处理网络流量分类问题具有明显的优势：该方法的收敛速度和拟合精度均优于标准BP算法,而且流量分类准确率高于NB算法。     

基于BP神经网络对时滞系统的模型参数辨识仿真

主要研究了基于BP神经网络对时滞系统的参数辨识,分析了两种辨识结构和两种建模方法,对系统被控对象的建模采用了神经网络正模型,辨识结构为串-并联型.考虑加强BP网络的泛化能力,用随机数据去训练网络,然后得到训练后的权值,给一个阶跃信号,利用交叉两点法,从而得到时滞系统的特征参数.通过仿真,基于BP网络对时滞系统的参数辨识是有效的.     

动态T-S递归神经网络及其应用

基于递归神经网络和模糊系统,给出了一种动态T-S递归模糊神经网络(DTRFNN)。该神经网络用BP算法进行网络权值的学习,并在权值学习的基础上采用改进的BP算法克服局部极小。以动态系统的辨识为例进行仿真实验研究,并与一般的模糊神经网络进行了比较。结果表明,DTRFNN的辨识误差较小,取得了很好的辨识效果。该神经网络应用于某金属温度软测量时,能很好地实现温度的在线检测。     

基于混沌果蝇优化最小二乘支持向量机的秸秆发酵过程软测量建模

针对秸秆发酵制取燃料乙醇过程的关键参量乙醇质量浓度难以用传统物理传感器实时在线测量,给发酵过程的监测与控制带来困难这一难题,采用混沌果蝇优化算法( chaos fruit fly optimization algorithm,CFOA)优化最小二乘支持向量机( least square support vector machine,LSSVM)的关键参数,避免了普通交叉验证法选取参数的耗时性和盲目性,建立混沌果蝇最小二乘支持向量机软测量模型,实现乙醇质量浓度的在线实时测量.实验仿真表明：基于CFOA的LSSVM模型平均误差为4.55%,明显优于LSSVM模型,表明该软测量建模方法预测能力强,测量精度高.     

SKPCA⁃LSSVM模型在汽油干点预测中的应用

常压塔塔顶汽油干点与产品质量密切相关,因为常减压蒸馏工艺流程和变量相关性均复杂,所以汽油干点预测很难在线进行。软测量方法是解决这类变量估计和控制预测问题的一种技术途径。在核主元分析（KPCA）算法中引入稀疏主元分析（SPCA）思想,采用稀疏核主元分析（SKPCA）算法对模型的输入变量进行选择,实现了数据的非线性降维,简化了主元结构,增加了主元变量的稀疏性。将选择的稀疏主成分作为最小二乘支持向量机（LSSVM）的输入,建立常压塔塔顶干点软测量预测模型。仿真结果表明,SKPCA?LSSVM模型相对于传统PCA?LSSVM、KPCA?LSSVM方法具有较高的预测精度和性能优越性。     

粗糙软接触润滑的摩擦因数

以刚性球在PDMS圆盘上运动为背景,建立了润滑条件下的软接触数学模型,通过数据处理将接触表面粗糙度的测量结果耦合到数学模型中,并根据接触时不同润滑区域的特点,提出了整体名义接触区域的摩擦因数计算模型,利用现有实验数据验证了模型的有效性。在不同润滑条件下计算并分析表面粗糙度在软接触中的作用。当润滑油的卷吸速度与黏度的乘积(μη)值较低时,流动的润滑油与微凸体间的相互作用产生的压力增量使摩擦因数显著增加。     

结合机理和RBF的污水处理过程水质软测量模型

针对活性污泥污水处理过程强非线性、不确定性和时变性等综合复杂特性,本文研究了污水水质COD的检测技术现状,并总结了现有水质软测量模型的存在问题,最后建立适应大范围变化工况条件、并具有较高精度的多模型结构的水质软测量模型。其中,工况识别机制采用案例推理技术实现,每个局部模型采用机理模型结合RBF神经网络技术实现。     

基于多源数据特征融合的球磨机负荷软测量

针对磨矿过程球磨机负荷(ML)难以实时检测,生产中主要依靠人工经验判断负荷状态的难题,依据磨机筒体振动、振声、电流等信号与磨机负荷间存在相关性、信息互补与冗余的现象,提出基于多源数据特征融合的球磨机负荷软测量新方法.该方法由时域滤波、时频转换、特征提取、特征选择及软测量模型5部分组成.采用快速傅里叶变换(FFT)将滤波后的筒体振动及振声时域信号转换成频域信号,根据研磨机理将频域信号划分为低、中、高3个频段,采用核主元分析(KPCA)分别提取各个频段的非线性特征,选择振动、振声频域特征与电流时域特征的融合信号作为模型输入,建立基于最小二乘支持向量机(LSSVM)的磨机负荷软测量模型.实验结果表明,该方法与基于主元分析-最小二乘支持向量机(PCA-LSSVM)方法和单传感器方法相比,磨机负荷参数预测精度较高.     

高压法聚乙烯管式反应器的数学模拟

为了研究高压聚乙烯管式反应器内各重要变量沿管程的分布,基于自由基聚合反应机理,结合质量、能量和动量守恒,采用矩方法对其进行了数学建模.通过对模型的参数优化和求解,获得了反应器内物料温度、引发剂浓度、转化率、聚合物重均及数均摩尔质量和熔融指数沿管程方向的演化过程.同时,通过反应器内物料的温度变化、出口转化率和产品熔融指数与工业数据的对比,发现计算值与工业实际值符合良好,验证了模型的精确性.此外,模型的温度预测可以反映管内的黏壁问题,为黏壁状态提供检测和指示.模型运算简便快捷且准确度高,能实现工业反应器的软测量和在线监测,为优化操作过程、制定生产决策、预防事故发生提供可靠依据.     

基于混合核函数PLS的氧化铝粉流量预测

为了解决氧化铝粉流量需要在线实时预测的问题,提出了一种基于混合核函数PLS的软测量建模方法,建立了混合核函数PLS的氧化铝粉流量预测模型,经采用工业现场数据仿真研究,说明该模型具有算法简单、有较高的预测精度,并兼具了全局及局部核函数的优点,能满足氧化铝粉流量的在线测量要求．     

基于PLS的污水BOD软测量补偿方法

在深入研究基于劳仑斯-麦卡蒂公式的生化需氧量(BOD)软测量二阶机理模型基础上,采用偏最小二乘法(partial least-squares,PLS)对BOD软测量机理模型进行非线性补偿,推导出污水处理出水水质的多参量软测量模型.仿真实验结果表明,基于PLS的非线性补偿方法使BOD软测量机理模型精度得到明显提高,为污水处理过程出水水质BOD精确测量提供一种有效方法,为污水处理过程参数实时控制创造了条件.     

基于自适应自然梯度法的高斯过程磨矿粒度软测量建模

针对现有的磨矿粒度测量仪表检测周期长,难以满足实时检测的问题,结合典型两段式磨矿回路的特点,提出了基于高斯过程(Gaussian process,GP)的磨矿粒度软测量建模方法,将自适应自然梯度(adaptive natural gradient,ANG)法应用到对高斯过程超参数优化过程中,构建基于ANG-GP磨矿粒度软测量模型,并分别与BP神经网络和支持向量机软测量模型进行仿真试验的比较研究。结果表明：基于ANG-GP的磨矿粒度软测量方法优于其他2种方法,且具有较高预测精度,能有效地对磨矿粒度进行在线检测,表明了该方法的有效性。     

微机械气流式水平姿态传感器建模技巧及计算

阐述了微机械气流式水平姿态传感器的三维建模技巧及仿真。利用ANSYS-FLOTRANCFD软件,通过建立三维实体模型、划分网格、加载和求解等途径,进行了有限元仿真。为了使分析更为简便可行,提出了合理的模型建立方案,采用了截取部分体积建模的方法,节省了大量的计算时间;而多次网格划分及关键线偶数段划分的技巧,提高了仿真结果的准确性和计算进度。这种三维建模方法提高了微机械水平姿态传感器敏感机理研究的精确性。