二维位置敏感器件背景光消除的神经网络方法

位置敏感器件 (position sensitive detectors,简称 PSD)是一种可直接对其光敏面上光斑位置进行检测的光电器件 ,常用于非接触高精度动态位移监测。 PSD器件使用中的一个关键问题是如何克服背景光的干扰 ,以提高检测的精度和可靠性。根据 PSD的原理及特征方程 ,分析了存在背景光时 PSD输出信号是非线性的。提出一种基于神经网络的 PSD背景光非线性修正方法。利用神经网络具有逼近任意非线性函数的特点 ,通过训练使神经网络建立在不同背景光下 PSD输出与其标准值之间的非线性映射关系 ,实现 PSD全程跟踪补偿。计算机仿真表明 ,该方法能有效地消除背景光的影响     

基于神经网络的金属材料疲劳裂纹扩展规律的预测

人工神经网络是新型的复杂系统预测方法。本文针对金属疲劳裂纹扩展速率建立了 BP 神经网络,并以部分应力比 LD2锻造铝合金疲劳裂纹试验数据作为训练样本,训练建立好的 BP 神经网络;以另一部分应力比条件下的试验数据作为预测样本,验证训练好的 BP 神经网络的预测能力。仿真结果表明,BP 神经网络能够方便地获得不同应力比下的疲劳裂纹扩展速率,对训练样本和测试样本都具有良好的泛化能力。该方法充分利用了已有数据,减少了疲劳试验次数,具有工程应用价值。     

基于CPLD的神经网络系统设计

文章介绍了一种将已经在计算机上训练好的神经网络移植到CPLD硬件上的设计方法。时分多路复用结构需要一个特定的时钟信号来反复调用某一程序模块,以节省CPLD的空间,从而降低设计成本。该设计方法是将时分多路复用结构和并行结构相结合,用MAX＋plusⅡ软件来编制程序,最后通过仿真验证。用CPLD来设计神经网络系统具有运行速度快、集成度高、抗干扰能力强等特点。     

改进型神经网络的热负荷预测

在城市集中供暖方面,热电厂的短期热负荷预测对提高热电厂的经济效益和热能利用率十分重要。该文以山西某热电厂的供热系统的换热站作为研究对象,使用遗传算法和粒子群算法改进BP神经网络,基于热负荷相关的历史数据构建改进型神经网络的热负荷预测系统。仿真结果显示,BP神经网络预测系统的波动程度比较大,预测精度低,而改进型的神经网络算法克服了这些缺点,在历史样本数据较少的情况下,仍然保持很高的预测精度,改进后的预测系统精度较高、稳定性较强,满足工业生产需求。     

光器件金属材料的激光焊接试验研究

以普通光器件为研究对象,根据焊接材料形状的特殊性和内部性能及加工工艺要求,分析焊接材料的作用过程.利用激光深熔焊、热传导焊等相关理论,以材料在激光作用下的传热理论为基础,选择激光热传导型焊接.试验中设计出一套专用夹具,对光器件进行脉冲热传导焊,对焊件进行品质检验,并分析产生缺陷的原因.     

在VC＋＋开发环境下的神经网络程序设计

目前神经网络程序大多是在C环境下编写的,可操作性、人机交互性与通用性较差,针对这一现象,这里提出了采用VC＋＋实现的神经网络程序。     

基于正交试验-神经网络模型的不锈钢离子渗碳性能预测

本文基于正交试验-神经网络的方法,采用双辉离子渗碳技术对奥氏体OCr18ni9不锈钢进行了渗碳性能试验研究。对正交试验结果进行极差分析和方差分析,得到了较优的试验参数配置。采用神经网络,建立渗层性能预测模型,证明了神经网络在渗层性能预测方面的可靠性,为以后的科学实践提供了一种合理的方法。     

基于神经网络的车削加工表面粗糙度智能预测

表面粗糙度是机械加工工艺中主要的技术参数,对零件质量和产品性能有着极为重要的影响。以加工表面粗糙度与切削用量三要素的关系为对象,采用正交试验方法,利用立方氮化硼刀具对冷作模具钢Cr12Mo V进行硬态干式车削试验,测量得到选定参数条件下的加工表面粗糙度值,并应用人工智能神经网络方法建立了加工表面粗糙度预测模型。结果表明,该预测模型具有很好的预测精度,其最大误差不超过5%。模型可以对不同切削速度、进给量和切削深度参数组合下加工后的表面粗糙度进行预测,对干式硬车条件下的切削用量选择和零件表面质量的控制具有重要指导意义。     

基于BP神经网络预测的马铃薯晚疫病预测系统

马铃薯晚疫病是对马铃薯种植危害最大的病害之一,这种病现在还没有很好的根冶办法,只能以预防为主.BP神经网络在预测控制中有着极其广泛的应用,本文首先介绍了BP算法及网络隐含层与结点数的相关问题,然后说明了利用神经网络预测实现的马铃薯晚疫病预测系统,系统采用BP神经网络算法,以气象数据等作为预测的输入,达到预测马铃薯晚疫病流行程度的目的.     

基于BP神经网络的纳米复合沉积层显微硬度预测研究

在复合电沉积工艺中,通过适当控制工艺条件可以获得具有特殊性能的纳米复合镀层。运用正交试验法优化对复合沉积层显微硬度有较大影响的各工艺参数,然后用BP神经网络分析方法对正交试验的结果进行分析处理。预测并得到较正交试验法所得最优工艺水平组合时更高的复合沉积层显微硬度,证实了将神经网络模型应用于复合沉积层性能预测和工艺优化的可行性和有效性。     

经济视角下质量预测的BP神经网络优化方法研究

对过程质量利用前馈(BP)神经网络进行预测,通过对网络参数和训练样本的优化来克服BP神经网络的缺陷.仿真结果表明网络的预测性能具有较好的可信度,而且较之开发新的网络更为成熟,同时能降低质量控制成本.     

机械设备趋势预测与神经网络预测方法的研究

阐述了机械设备状态趋势预测的基本概念,讨论了机械设备状态预测的主要方法。研究了三种预测机械设备状态发展趋势的神经网络方法,对采用不同的神经网络预测方法的预测结果进行了分析比较。     

未知环境下基于模糊神经网络的机器人力控制研究

机器人力控制是机器人研究的一个热点和难点.在未知环境中为实现精确的接触力控制,需要力控制器能够适应环境的变化.本文将模糊神经网络引入到机器人的力控制中来适应未知环境的变化,首先用一个神经网络根据机器人对未知环境的动态响应来对未知环境进行分类,然后选择一个合适的模糊神经网络力控制器对其控制.实验研究表明所设计的控制器是可行和有效的.     

基于神经网络预测的中央空调故障诊断

随着国内经济的蓬勃发展,中央空调已成为高层建筑不可缺少的重要设备.尽管制造技术的进步和自动监控设备的采用已经大大降低了空调系统的机械损坏,但由于空调系统故障的原因相当多,对故障准确及时的诊断仍然是目前研究的一个难题.如何利用人工智能理论与技术进行准确的故障诊断,已经成为当前国际上的研究热点.针对高层建筑中中央空调的故障诊断问题,本文提出一种基于三层反向传播神经网络的故障预测模型.将所设计的神经网络预测系统应用在高层建筑中的中央空调故障诊断,结果显示:利用该模型能够快速准确的预测故障.     

神经网络结合定性预测的订单预测方法研究

针对订单数据的非线性特性,以及受市场动态波动影响,且常常会存在训练样本有限的情况,提出采用ANN定性预测法,即神经网络与定性预测结合的方法预测订单。在传统BP神经网络的基础上引入牛顿法与竞争学习算法,以提高收敛速度并改善传统BP神经网络容易陷入局部极小值的情况。根据订单预测的实际情况列出三种定性预测与神经网络的结合形式,以及各形式的适用情况,最后通过实例分析表明该方法可行,并能有效地提高订单预测的精度。     

基于神经网络的飞机发动机性能趋势预测系统

讨论了如何利用ACARS报文数据获取飞机发动机性能参数的运行数据,利用神经网络自学习能力特点,建立一种智能、客观、准确地预测航空发动机性能趋势的新方法.经人工智能算法分析,通过发动机的历史飞行数据,预测未来某时刻航空发动机性能参数的变化趋势,建立一套基于神经网络的飞机发动机性能趋势预测系统.     

基于神经网络的振动响应趋势预测研究

将Levenberg-M arquardt BP人工神经网络应用于复杂的非线性振动响应的趋势预测,避免了时序分析复杂的数据预处理、模型识别、参数估计和模型适用性检验过程。通过对样本预测效果的比较,全面考虑了网络的输入层、隐层和输出层的神经元节点数和各层之间的传递函数对预测精度的影响,引入Box-Cox变换改善了网络的收敛性并加快了网络的收敛速度,同时采用重复训练法来提高网络的稳定性和预测精度。预测实例表明,相比于传统的时间序列分析方法,这种预测方法能对振动响应的趋势进行更准确的预测。     

基于BP神经网络的磨削温度预测

磨削温度是评价磨削过程的一个重要指标,利用BP神经网络良好的非线性映射功能,以磨削用量(砂轮线速度、工作太速度和磨削深度)为输入,以磨削温度为输出,建立了磨削温度的BP神经网络预测模型。并通过仿真验证了模型的正确性,为磨削温度的预测提供了一个简单可行的方法。     

磨料水射流切割质量的神经网络预测

磨料水射流切割质量影响因素较多,难以建立有效的理论模型,结合实验结果,建立磨料水射流切割质量的神经网络预测模型。结果表明,对于所给定切割参数,该模型能快速、准确、可靠地预测出切割质量。     

盘形滚刀载荷的神经网络预测

为了研究盘形滚刀破碎岩体的受力过程,利用PFC颗粒流软件对盘形滚刀破碎岩石的过程进行建模仿真,得到其滚动力、侧向力和法向力.引入三种神经网络(BP、ELM、RBF)构建模型,选取适当的函数训练模拟,截取颗粒流仿真得到的部分数据,对盘形滚刀的法向力进行预测,并且随机选取几组节点,比较误差优劣.通过预测结果分析得知,ELM极限学习机对该模型具有较高的预测准确度,可为试验或仿真模型提供预测分析,验证其正确性,具有一定的指导意义.