基于MATLAB神经网络工具箱的微生物培养基配方设计

用BP神经网络的方法建立联结微生物培养基的性能与主要因素糖、硫酸锌、硫酸铵、硫酸钾、磷酸和硫酸镁的浓度的关系模型,并应用MATLAB神经网络工具箱实现对该模型的训练和系统仿真.不论培养基的配方如何变化,只要用一定的试验数据对模型进行训练,然后对拟采用的配方进行仿真,均可得到较为可靠的目标参数.     

BP神经网络预测废水处理过程的研究

通过在实验室条件下进行追纸废水处理试验取得的数据对BP神经网络进行训练，建立了造纸废水处理过程的网络模型。该网络模型仿真实际废水处理过程的结果表明，BP神经网络具有很强的学习能力。利用BP神经网络模型实现了对造纸废水处理过程的预测，平均相对误差为19％，表明网络泛化能力不是很好。经过动态训练的BP神经网络模型能够比较准确的预测造纸废水处理过程，平均相对误差为1．9％，大大优于未经动态训练的网络模型。     

滚动轴承振动诊断的BP神经网络方法

归纳和总结了BP神经网络多参数诊断法的实施步骤,阐述了故障轴承振动与信号的关系以及BP神经网络的工作原理和实现过程,并以滚动轴承故障诊断为例,提取了反映滚动轴承故障类型的振动信号特征参数,用这些特征参数训练神经网络,利用MATLAB6.5神经网络工具箱模拟和仿真BP神经网络,然后用训练后的BP神经网络对故障模式进行识别。结果表明,如果神经网络设计合理,训练适当,并且在MATLAB仿真的过程中合理的选择训练函数和各种参数,则具有很强的故障识别能力。说明了利用MATLAB仿真BP神经网络进行滚动轴承振动诊断是可行而且有效的。     

基于径向基神经网络的小球藻培养过程仿真

神经网络技术是在生物神经网络功能的启示下发展起来的。本文探讨了神经网络的运作机理，并利用径向基神经网络对具有高度非线性特征的小球藻培养过程进行仿真。结果表明，所确定的网络模型，其训练历史和泛化能力较为理想，可用于指导实际操作。     

基于神经网络的白酒勾兑目标规划算法优化

针对白酒勾兑过程中,现有的白酒勾兑目标规划算法难以确定权系数(优先因子)的缺点,本文提出了利用人工神经网络对目标规划算法进行改进和优化,选择三层前向BP神经网络结构,并通过选取理化指标向量与“优先因子”权系数向量之间合适的样本,对该神经网络结构进行训练,训练完成后得到了一组最优的“优先因子”,代入配方模型,求得白酒勾兑最优的配方解.仿真结果表明,基于神经网络的优化算法快速、收敛、可行,能够得到满足多目标的最优配方,得到的理化指标曲线更加接近目标曲线,提高勾兑成功率至98％,降低了勾兑成本6％.因此,该优化算法能够更有效地应用于白酒勾兑工艺中,得到满足多目标的最优配方.     

基于模拟退火算法改进遗传算法的织物智能配色

为提高传统配色方法及现有配色算法的配色精度、效率及泛化能力,构建了基于BP神经网络的遗传算法和模拟退火算法相结合的织物智能配色模型,利用BP神经网络预测颜色,将训练好的BP神经网络与CIEDE2000色差公式结合作为遗传算法的适应度函数,用模拟退火算法改进的基于BP神经网络的遗传算法预测颜色配方,并根据预测的配方对涤纶织物进行染色实验,计算实验色差。结果表明:模拟退火算法优化的基于BP神经网络的遗传算法配色模型只需经过80次迭代即可收敛,预测颜色的理论色差均值为0.165,染色实验色差均值为0.289,配方绝对误差平均值为0.010 7;验证样本的理论色差均值为0.240,染色实验色差均值为0.437。该算法可实现织物的智能配色。     

锥筒谷糙分离效果的计算机仿真

运用人工神经网络对锥筒谷糙分离效果进行计算机仿真。建立非连续、连续两种喂料方式锥筒谷糙分离效果神经网络模型。应用试验数据对网络进行训练，达到了足够的精度，并对网络进行验证，网络计算值与试验值吻合。     

毛织物起毛起球的BP神经网络预测研究

采用BP神经网络技术建立和训练反应纱线、织物结构参数与织物起毛起球性之间关系的三层神经网络模型，对比预测值和实验值，表明用神经网络方法预测织物起毛起球性有相当的准确性。     

BP神经网络在协定法麦汁理化指标预测中的应用

建立了协定法麦汁浊度、糖化力、黏度以及浸出率的BP神经网络预测模型,希望通过此模型能够预测在不同设定工艺变量条件下协定麦汁的主要理化指标.选取8组数据进行BP神经网络的训练仿真,并用2组未参加训练的数据进行验证.在均方差为0.001的条件下,网络于242次训练后收敛,模型训练的最大相对误差为2.58%,预测值的最大相对误差为10.08%,表明该模型具有良好的预测和仿真能力.     

基于傅丽叶变换——神经网络的模拟电路故障诊断

提出了一种基于傅丽叶变换与神经网络的模拟电路故障诊断方法,该方法用傅丽叶变换对电路频域响应信号进行数据压缩,用神经网络对模拟电路进行故障诊断。仿真表明,该方法能简化神经网络的结构,降低计算的复杂度,加快训练速度,提高诊断准确率。     

棉织物透气性能的BP神经网络预测研究

采用BP神经网络技术建立和训练反映织物结构参数与织物透气性能之间关系的三层神经网络模型，可预测织的透气性能，比较预测值和试验值，表明用神经网络方法预测织物透气性能有相当的准确性，从而在一定程度上实现用神经网络预测织物的透气性能。     

真丝绸透气性能的BP神经网络预测研究

采用BP神经网络技术建立和训练反映织物结构参数与织物透气性能之间关系的三层神经网络模型，对比预测值和实验值，表明用神经网络方法预测丝织物透气性能有相当的准确性。     

BP神经网络预测棉织物悬垂性能

采用BP神经网络技术建立和训练反应织物结构参数与织物悬垂性能之间关系的三层神经网络模型，对比预测值和实验值，表明用神经网络方法预测棉织物悬垂性能有相当的准确性。     

织物柔软度等级评价的BP网络方法

文章基于织物柔软度等级评价体系,建立一个织物力学指标与柔软度关系的BP神经网络模型,对织物柔软度进行评价。借助KES-F风格仪测得的12组数据对BP神经网络进行训练,训练好的模型对织物进行检验。结果表明：网络迅速完成训练,误差平方和低于10^-3;对检验用的织物进行等级评价,其输出等级与综合评价等级保持一致。此方法客观、准确、简捷。     

基于模糊神经网络仿真顾客饮料口味的评价模型构建

应用模糊神经网络方法，建立了顾客对饮料品质评价的仿真模型。以MATLAB为开发环境，阐述了建立、训练和仿真网络的方法，并对实际数据进行了网络训练和误差测试，证明本模型是切实可行的。     

基于量子卷积神经网络算法的微小零件识别

设计了量子卷积神经网络表示层、隐藏层神经元和输出层神经元模型；采用修正线性激活函数ReLu作为激活函数，并通过训练误差函数优化量子旋转角度和神经连接权值。8种微小零件的仿真试验表明，量子卷积神经网络算法的识别准确率较高，耗时少且识别效果较好。     

空调PMV指标的神经网络控制

以前的空调控制系统，只有空气温度、湿度的调节，很难满足人们的需要。根据热舒适理论、热舒适指数，提出了新的空调控制方案——用热舒适指标来调节参数。六个影响因素作为输入参数，PMV值作为输出。神经网络有高度的适应性、在线自学习的能力，可以逼近任意非线性映射。用神经网络进行训练，可以得到空调的控制系统输入输出的模型，实现智能控制。     

基于神经网络逆模型的残碱控制系统

讨论了一个比较复杂的纸浆洗涤过程的数学模型，经过多次搜寻，可用五层串并联叠层BP神经网络来模拟这种多输入单输出高价模型，给出了该生产过程的神经网络逆模型结构及其主要内部特征，以及用该神经网络逆模型进行了仿真的情况，并运用此神经网络逆模型，设计出一套基于神经网络逆模型的残碱开环控制系统，再附加一个残碱串级反馈控制作为主控系统的辅助监督控制，或主控故障时的备用控制。     

预测织物热传递性能上的BP神经网络应用研究

织物的热传递性能是评价服装舒适性的重要指标之一。纤维性质 ,纱线结构与性质 ,以及织物的结构与性质 ,均会影响织物的热传递性能 ,它们之间存在着复杂的非线性关系。主要对神经网络求解织物热传递问题进行了深入研究。利用计算机建立神经网络模型 ,选择最佳网络参数并对网络进行训练。通过应用实例 ,提出了处理实验数据的方法 ;并通过建立大量的BP网络进行比较 ,来提高训练速度和仿真精度 ,筛选出最具应用价值的网络。     

基于神经网络的烟丝填充值预测模型研究

填充值是烟丝的一项重要物理指标。在卷烟制丝生产中,叶组配方和工艺流程一般较为固定,所以制丝工艺参数对烟丝填充值的影响更为直接、突出,但工艺参数对填充值的影响为非线性的,难以根据工艺参数直接推算出烟丝填充值。针对此问题,选取了7个影响较大的工艺参数,采用BP神经网络对7个工艺参数和烟丝填充值间的数量关系进行了初步建模。通过BP神经网络设计和大数据量的训练后,该模型具备了通过工艺参数预测烟丝填充值的能力,预测结果的相对误差为4%左右,这为工艺参数和填充值之间的相互调整提供了理论依据和仿真方法。