基于改进BP神经网络的纸浆漂白MIMO软测量模型研究

针对漂白过程中纸浆白度、残氯在线测量的不足,提出基于BP改进算法的神经网络软测量模型。文章介绍了基于神经网络的软测量技术原理以及漂白软测量模型建立的步骤与方法,给出了该模型的仿真结果。仿真结果表明,该模型具有较高精度和准确性,为纸浆质量的评判和优化控制提供了指导作用。     

基于PCA-BP神经网络的精馏塔产品组成软测量模型

依据工艺机理和操作经验，初选了醋酸精馏塔产品组成的神经网络预测模型的输入变量，运用主元分析方法对输入变量进行主元分解，降低输入变量维数且消除了输入变量之间的线性相关性，再通过基于LM优化算法的BP神经网络进行建模。仿真结果表明，该模型具有较快的训练速率和较高的预测精度，可以满足精馏过程对出口物料组成的在线软测量要求。     

基于改进算法BP神经网络的软测量技术

利用动量法和自适应改变学习率改进BP神经网络算法的基础上,针对网络权值调整时不容易跳出误差平坦区的问题,进一步对神经网络的学习算法进行了改进,引入一个陡度因子.并把改进算法后的BP神经网络在盐酸浓度的软测量中做了仿真实验,实验结果表明陡度因子的引入不但可以提高模型的精度而且也使网络的泛化能力得到了增强.     

改进的BP神经网络在故障诊断中的应用

介绍了BP神经网络的结构和学习方法,针对BP网络存在局部极小值和收敛速度慢等问题．提出采用一种基于Levenbe rg-Marquardt算法(LM算法)的改进BP网络,最后通过汽轮机故障诊断实例的仿真研究,结果表明改进算法的性能明显优于常规BP算法,经改进算法训练的网络能大大提高故障的在线诊断能力．具有广泛的应用前景和应用价值。     

基于神经网络的丙烯腈聚合反应软测量模型

针对丙烯腈聚合反应是一种非均相的聚合过程,其聚合机理比较复杂,关键质量指标无法用传感器直接在线测量的缺陷。本文首先建立了转化率和聚合物总数的神经网络软测量模型,然后使用OADEKF滤神经网络学习算法对网络进行训练,使得训练的网络性能优于BP算法学习的网络,且能够满足工程实际模型精度的要求。为转化率和聚合物总数的在线测量提供了有效途径,采集的数据仿真表明,采用OADEKF算法训练的神经网络模型具有一定的估计精度,为工程实施提供了借鉴。     

基于BP神经网络的压力传感器误差补偿算法研究

采用BP神经网络来建立扩散硅压力传感器的输出输入模型,其网络模型具有三层结构,采用改进型的差分进化算法来优化BP神经网络的权值和阀值,并在MATLAB中进行了仿真。经训练得到补偿后扩散硅压力传感器的输出满量程误差可达到0．035％,结果表明采用基于改进型差分进化算法的BP神经网络建模对提高智能差压传感器的测量准确度具有参考价值。     

引黄灌渠斗口流量软测量技术

引黄灌渠斗口水流量通常依据闸门开度、闸前和闸后水位等可观测信息估算。自动测量装置具有“软仪表”的典型特征,建立精确适用的软测量模型十分关键。鉴于训练后的人工神经网络可以精确逼近任意非线性函数,建立了基于BP网络和RBF网络的引黄灌渠斗口流量软测量模型,并精选水工试验数据构成训练样本集进行仿真训练。检验表明,基于人工神经网络的软测量模型输出值与期望值(标准三角量水堰的测量结果)吻合良好,斗口水流量软测量精度有显著改善。     

基于遗传算法的人工神经网络在航空发动机磨损预测中的应用

提出了一种将遗传算法和BP算法相结合的学习算法来训练BP神经网络，实现网络结构的优化，并用优化后的BP人工神经网络建立了航空发动机的磨损预测模型。将该模型预测结果与BP算法和多元线性回归法的预测结果进行了比较。检验结果表明：基于遗传算法的BP神经网络优于BP算法及多元线性回归法，具有良好的预测效果。     

基于粒子群算法优化BP神经网络的SRM磁链模型

以一台6/4级SRM电机模型的电流和磁链为输入,转子位置角度为输出,拟合了磁链-电流-角度模型,并在MATLAB/Simulink中进行了仿真实验。在拟合模型时,为了提高训练效率,简化拟合模型,采用了粒子群优化BP神经网络隐含层神经元个数的算法,并进行了仿真实验。结果表明,粒子群算法优化BP神经网络的控制策略具有较高的训练效率。     

果蝇优化BP神经网络路面附着系数估计

在利用BP神经网络进行路面附着估计时，存在收敛速度慢和易于陷入局部最优解等问题。为此，提出一种基于果蝇算法（FruitFlyingOptimizationAlgorithmFOA）对BP神经网络进行改进并给出算法的流程。建立路面附着系数估计BP神经网络模型，将果蝇算法引入到BP神经网络，对网络的初始权值与阈值进行优化，以增强网络的全局寻优能力。利用Carsim软件获取的样本数据对网络进行训练，并与MATLAB/Simulink软件搭建联合动态仿真模型，对比实验结果表明：基于FOA优化BP神经网络的路面附着系数估计方法不受车辆模型精度的影响，定性估计精度高，能有效提高估计值的精度和稳定性。     

基于双隐层动态递归神经网络的航煤比重软测量

针对原油蒸馏装置常压塔航煤比重模型具有动态特性的特点，提出采用隐层动态递归神经网络（DRNN）实现比重的软测量，推导了双隐层DRNN的权值学习算法，并利用在线比重分析仪构成了航煤比重软测量模型的在线校正，在某炼油厂常压塔装置实际投用表明，基于双隐层DRNN比重软测量模型具有较高的测量精度。     

中速磨存煤量软仪表监测

利用混沌运动初值敏感性,能在一定范围内按其自身规律不重复的遍历所有状态获取全局最优值的特点,在电厂现有的DPU中编程实现基于混沌优化BP网络的中速磨存煤量软仪表。离线训练与计算机仿真结果表明,本软仪表具有可行性和有效性,对实际生产具有指导意义。     

基于人工神经网络的工艺语言机器翻译句型转换方法研究

机器翻译方法主要有基于规则的机器翻译和基于模板的机器翻译 ,但是从本质上两者都基于复杂的、难以归纳的语言规则。本文从人工智能的角度 ,针对翻译中不同语言间的句型转换 ,引入BP神经网络来研究工艺语言的汉英机器翻译 ,以提高翻译的速度和效率 ;同时给出了集成的BP网络模型 ,并对网络结构、参数处理、学习算法、学习样本等问题进行了详细讨论     

基于相对误差平方和的神经网络预测镁合金多轴疲劳寿命

提出一种以相对误差平方和(Surm squared relative error,SSRE)作为误差性能函数的反向传播(Back propagation,BP)神经网络算法(SSRE-BP),针对3种不同镁合金AZ31B、ZK60和AZ61A在单轴拉压、纯扭、45°比例和90°圆形非比例等4种不同加载路径下的疲劳寿命进行预测。并与以均方误差(Mean squared error,MSE)作为误差性能函数的传统BP神经网络(MSE-BP)以及基于临界平面法的SWT疲劳损伤模型预测的结果进行比较。结果表明,在3种镁合金材料总共138组疲劳数据中,神经网络只有一组预测值在3倍偏差界限外,而用SWT预测结果分别有16组、13组、10组数据在3倍偏差界限外。两种BP神经网络能够较好地预测镁合金不同加载路径下的疲劳寿命,相比于SWT疲劳模型预测的寿命在精度上有较大幅度的提升。其中,SSRE-BP算法的精度略高于传统的MSE-BP算法。     

神经网络在SnO_2气敏元件浓度测量中的应用

气体传感器属于传感器技术领域,在传感器行业中占有重要的地位.然而气体传感器阵列的交叉敏感性严重影响气体传感器对混合气体的测量.基于Matlab平台的神经网络工具箱,分别构建BP神经网络和RBF(径向基)神经网络,对由涂敷不同敏感材料的声表面波振荡器组成的阵列在4种混合气体灵敏度响应数据进行定量识别研究,结果表明RBF神经网络在气体定量识别方面更具优势.     

模糊神经网络在温控系统中的应用

文章首先介绍了温控系统的方案设计以及部分功能模块,然后介绍BP神经网络结构和模糊推理,在分析两者弊端的基础上提出将两者相结合的控制方法。本文还介绍了模糊神经网络的结构和学习方法,以及如何对训练样本进行预处理,最后利用matlab神经网络工具箱作为平台,通过测试样本仿真和试验,本设计的应用为实现快速、精确的温控系统提供了一种功耗低、经济有效的解决方案。     

基于BP神经网络的压力传感器数据融合研究

压力传感器由于输出电压值易受环境温度、电压扰动等非目标参量的影响而导致精度大大降低。该文采用BP神经网络对压力和温度2个目标参量进行数据融合处理,减小了两者相互交叉干扰敏感度。结果表明,采用BP神经网络进行数据融合,能够提高传感器的稳定性及其精度,仿真验证了该方法的有效性和可行性。     

TYRE DYNAMICS MODELLING OF VEHICLE BASED ON SUPPORT VECTOR MACHINES

Various methods of tyre modelling are implemented from pure theoretical to empirical or semi-empirical models based on experimental results. A new way of representing tyre data obtained from measurements is presented via support vector machines (SVMs). The feasibility of applying SVMs to steady-state tyre modelling is investigated by comparison with three-layer backpropagation (BP) neural network at pure slip and combined slip. The results indicate SVMs outperform the BP neural network in modelling the tyre characteristics with better generalization performance. The SVMs-tyre is implemented in 8-DOF vehicle model for vehicle dynamics simulation by means of the PAC 2002 Magic Formula as reference. The SVMs-tyre can be a competitive and accurate method to model a tyre for vehicle dynamics simulation.     

Prediction of Wing Aerodynamic Performance in Rain Using Neural Net

A new method for prediction of wing aerodynamic performance in rain condition was presented.Three-and four-layer artificial neural networks based on improved algorithm for error Back Propagation(BP)network were respectively built.Detailed approaches to determine the optical parameters for network model were introduced and the specific steps for applying BP network model to predict wing aerodynamic performance in rain were given.On this basis,the established optimal three-and four-layer BP network model was used for this prediction.Results indicate that both of the network models are appropriate for predicting wing aerodynamic performance in rain.The sum of square error level produced by two models is less than 0.2%,and the prediction accuracy by four-layer network model is higher than that of three-layer network.