荧光光谱法结合神经网络优化定量分析蒽芘混合物

采用荧光光谱法结合神经网络优化对蒽芘双组分混合物进行了定量分析,提出了利用留一法交叉验证（leave one out cross validation,LOOCV）的模型训练方法,以解决混合样品光谱定量分析中用有限样品建立非线性回归模型的问题。蒽和芘混合样品的激发波长为320nm,发射波长范围为320～450nm,以混合样品光谱数据的主分量作为输入、混合样品浓度作为输出进行LOOCV训练,对神经网络进行优化设计。在LOOCV实验结果中,预测10个测试质量较好的样品,平均相对误差（ARE）为3.39%,比预测所有12个样品的ARE低0.46%,样品最小相对误差可达到1.25%,10次重复实验相对标准偏差小于0.84%。该方法具有所需样品少、容错性好、分析精度高和稳定的特点。     

基于BP神经网络的小型组足球机器人视觉子系统的图像分割技术

为解决小型足球机器人视觉子系统图像分割的实时性和光照适应性问题,将BP神经网络技术应用到图像分割中.在图像分割技术和BP神经网络的理论分析基础上,建立了两者之间的关系,并建立了相应的BP神经网络模型.图像像素离散化并将其H、Cb、Cr分量值作为神经网络的输入,将目标像素点分类类别作为神经网络的输出.通过改进神经网络学习...     

基于量子微粒群的BPNN在转炉炼钢静态模型中的应用

针对转炉炼钢静态模型终点命中率较低的问题,首先分析了影响转炉炼钢终点命中率的各种因素,确定了BP神经网络(BPNN)的拓扑结构,并依此建立了转炉炼钢静态模型.然后把量子微粒群算法(QPSO)应用于BP网络的学习中,并比较了QPSO、基本微粒群优化算法(PSO)、梯度下降法的学习性能.最后,基于某炼钢厂的历史数据进行了仿...     

基于粒子群优化的混合模型预测控制研究

为解决复杂非线性系统的控制精度不高,稳定性难于保证等问题、将预测控制技术应用于非线性控制中,提出了一种基于粒子群优化和混合模型的预测控制算法.混合模型预测控制算法使用模糊聚类和最小二乘法建立了系统的复合模犁,由带压缩因子的粒子群算法优化获得了非线性控制系统的控制量,在非线性模型上对模糊预测控制算法和混合模型预测控制算法...     

基于遗传优化小波神经网络逆模型的油水测量

考虑基于传统的介电常数法动态测量原油含水率时存在多变量交叉敏感性,检测精度无法满足石油生产实时优化控制的需要,研究了利用多传感技术对存在交叉耦合的多敏感参量进行测量,提出了一种基于多维数据驱动的遗传优化小波神经网络逆模型及其辨识方法.该模型克服了传统神经网络初始参数随机选取的盲目性,具有全局优化和复杂非线性自学习性能,...     

改进型脉冲耦合神经网络检测乳腺肿瘤超声图像感兴趣区域

为了解决超声图像斑点噪声、伪影、低图像对比度和图像亮度不均匀等问题,提出了一种改进的简化脉冲耦合神经网络(SPCNN)结合模糊互信息量的方法来自动检测乳腺肿瘤超声图像的感兴趣区域(ROI).首先,对超声图像进行模糊增强预处理;然后,通过改进SPCNN对超声图像进行点火,以最大模糊互信息量作为最优判决准则,获得相应的分类...     

复杂机械结构非线性运行特征分析

提出一种适用于工程实测ICP振动加速度计信号的积分方法,该方法可由振动加速度信号得到较精确的振动速度和位移信号,实现了基于振动信号的相空间分析,有效识别了复杂机械结构的非线性时域运行特征.为了解复杂机械结构的非线性频域运行特征,还提出一种基于神经网络辨识模型的频域分析方法,该方法可用于大型振动筛的非线性运行特征分析.     

嵌入正交权值神经网络在摄像机内外参数标定中的应用

针对机器视觉在某些应用场合对摄像机内外参数的需要,提出了一种基于内嵌正交权值矩阵神经网络的摄像机标定方法.首先,使设计的神经网络的权值分别与摄像机的外参数和内参数相对应,即使得所设计的神经网络与摄像机的物理模型一致.正交权值矩阵的生成在迭代中相当于遗传算法的上一次变异,系统的性能指标为由网络输出组成的矢量与对应特征点投...     

BP神经网络在机床故障诊断应用中的改进

在分析了传统BP神经网络缺点的基础上,对其进行了改进.学习因子按照所设计的函数进行动态调整,增加了势态项,并在激活函数中加入了陡峭因子.将改进的BP神经网络与传统BP神经网络进行了对比,验证了改进BP神经网络的有效性,适合数控机床的故障诊断.     

基于神经网络的机床-工件系统热误差补偿技术研究

以机床-工件系统的热变形为研究对象,应用神经网络理论建立机床-工件系统的热误差模型,对热误差神经网络模型的关键输入参数进行了分析讨论,提出了该模型的误差补偿策略。以某型号大尺寸回转支承滚道数控车削加工为例,建立了热误差模型,对回转支承滚道加工实施热误差补偿,结果表明,机床-工件系统的热误差模型有较强的预测能力,提出的补偿方法有较好的补偿效果。