基于BP神经网络的粘接质量检测判别技术研究

该文针对粘接质量检测,运用BP算法和MATLAB软件,设计了用于粘接质量模式识别的神经网络。该网络能够对粘接质量合格与否进行比较精确的判别,判别正确率达到了98%。神经网络训练成功后,用未经训练的数据检验神经网络的检测能力,识别正确率达到了91.3%,充分证明了该网络模型的准确有效性。     

热轧成品质量检测专家系统

针对传统专家系统的知识获取存在“瓶颈”以及传统热轧成品质量检测过程过于复杂的问题,提出了基于复二次函数的RBF神经网络和四组神经网络相结合的热轧成品质量检测专家系统.根据钢铁企业生产的特点,通过对四组神经网络的子判断结果进行综合判定得出输出结果.试验结果验证了该系统应用于热轧成品质量检测工作的便捷性及可行性,简化了传统质量检测过程的冗余步骤,提高了热轧质量检测工作的自动化程度.     

灰关联神经网络在葡萄酒评价中的应用

为确定葡萄酒质量,将灰关联分析与神经网络相结合,构建了灰关联神经网络。通过对数据之间的关联分析,确定了数据与葡萄酒质量的关联程度,增加了数据之间关系的透明度,避免了对数据的盲目引用而造成的网络不稳定性。与经典神经网络相比,该算法还具有预测误差小、训练时间短等优点,可为葡萄酒质量预测工作提供技术支持。     

一种基于模糊B样条基函数神经网络控制的磨削加工系统

本文将模糊控制与神经网络相结合。用神经网络来实现模糊推理,提出了一种把B样条函数作为隶属函数的模糊神经网络,并将之用于磨削加工的质量控制。仿真结果表明,该系统具有响应快、稳态精度高、鲁棒性强等优点,能很好地应用于磨削加工的质量控制。     

灰色神经网络仿真及其在MCMQC中的应用

为了解决大规模定制生产质量控制中质量数据缺乏的灰色不确定性问题,将灰色理论引入到了神经网络建模中.以灰色理论的核心思想(信息递阶、时变和多维特性)为基础,构造了基于灰色体系的建模方法,并对其进行了简化,给出了经过简化的一般性建模方法--横向、纵向和混合建模法,并将其与神经网络建模相结合.以一个典型的灰色BP神经网络为例,以横向建模方式对其进行了实现,并将其应用到大规模定制生产过程质量控制(MCMQC)中.仿真实验结果表明,灰色神经网络解决大规模定制生产质量控制中的灰色不确定问题是有效可行的.     

径向基函数网络在变压边力反演中的应用

变压边力策略是在冲压件成型中控制回弹的一种有效措施。综合运用径向基函数（RBF）神经网络和三维回弹模拟技术开展了由冲压件成形质量反求变压边力的研究, 同时研究了径向基函数神经网络的动态结构设计问题,提出一种基于泛化的径向基函数神经网络的动态结构设计方法DYNSDRBF,编制了相应的计算程序。DYNSDRBF方法在变压边力反演神经网络设计中的应用结果表明,运用该方法设计的神经网络具有较好的计算精度,可有效地提高冲压件的成形质量。     

基于GA优化RBF神经网络的英语教学质量评价

针对目前英语教学质量评价准确性不高的问题,提出了一种基于遗传算法（GA）优化RBF神经网络的教学质量评价方法.首先利用主成分分析对教学质量评价指标进行选择,然后设计了RBF神经网络教学评价模型,并采用GA对RBF神经网络的初始权值进行优化.实验结果表明,该方法能够有效评价英语教学质量,且准确性和实时性较高.     

基于贝叶斯网络技术的软件缺陷预测与故障诊断

如何进一步地提高软件的可靠性和质量是我们十分关注的问题,而前期软件缺陷和后期软件故障的诊断都是控制质量的关键手段,由此我们提出了基于贝叶斯的神经网络。基于对贝叶斯网络和神经网络理论的分析,发现贝叶斯网络和神经网络各自的优点与不足,利用贝叶斯具有前向推理的优势进行故障诊断,利用神经网络学习算法能够处理更复杂网络结构的优势来积累专家知识,最后提出了贝叶斯网络与概率神经网络相结合的模型,该模型可以更好地兼顾软件缺陷与故障诊断两个方面。     

遗传神经网络在水声通信盲均衡中的应用

研究在水声通信优化问题,水声信道具有空变、时变、高噪声等特性,对通信信号造成干扰。传统的神经网络算法具有良好的非线性处理能力,较适合于水声信道盲均衡处理,但存在收敛速度慢,易陷入局极小值等缺限,导致误码率较高。为了减小误码率,提高通信质量,提出一种采用遗传神经网络的水声通信盲均衡算法。首先利用遗传算法对BP神经网络的参数进行优化,解决了神经网络的缺陷,然后利用优化后的神经网络进行水声信号的盲均衡。仿真结果表明,与传统的盲均衡算法相比,遗传神经网络算法加快了水声通信盲均衡速度,降低了通信误码率,提高了水声通信质量。     

分层模糊神经网络的轧钢产品质量建模

轧钢生产过程是极其复杂的大系统,模糊神经网络进行质量建模将不可避免地陷入维数灾。分层模糊神经网络是解决维数灾的有效手段。文中采用分层模糊神经网络对轧钢产品质量进行建模,并用预处理后的数据进行训练和校验。仿真结果表明所建质量模型能够较好地拟合建模数据,表明了该方法的有效性。     

模糊B样条神经网络在变压器超高频局部放电模式识别中的应用

结合自适应模糊算法和B样条算法的优点,构造出模糊B样条混合算法作为神经网络的学习算法,对变压器超高频局部放电进行了模式识别。实验表明,模糊B样条神经网络既解决了BP神经网络对初始权值敏感和容易局部收敛的问题,又提高了模糊B样条神经网络的收敛速度、稳定性和求解质量。     

具有质量追溯功能的基于神经网络专家系统的热轧成品质量检测系统

针对以往神经网络专家系统解释机制不健全以及无法提供推理过程的问题,提出了结合质量追溯功能的基于径向基函数(RBF)神经网络的热轧成品质量检测专家系统,在质量追溯部分针对专家系统的输出结果给出详细的解释及追溯过程。根据钢铁行业的特点,对物理性能检测部分应用复合神经网络,首先通过RBF神经网络对物理性能参数进行预测,然后用复二次函数作为核函数处理输入参数,并对输出结果进行纵向追溯和横向追溯。系统实际应用结果表明,该专家系统提高了钢铁企业质检工作的自动化程度和效率,与以往的人工质检方式相比节约了60%的时间。     

基于 RBF 神经网络的钢构件质量追溯系统研究

提出一种基于RBF神经网络的数据挖掘方法,将RBF神经网络应用于数据挖掘的分类和预测中,解决钢构件过程中的性能预测问题。其中用黄金分割法确定基于RBF神经网络的隐层节点数,减少该算法的计算复杂度,最终将其应用于某钢铁企业质量控制系统。构建对钢构件质量检测的数据挖掘及质量追溯平台,该平台是基于RBF神经网络的数据挖掘技术的。实际应用证明,产品的质量合格率可达到96.27%,符合国家相关的标准和技术指标。     

基于BP神经网络的渭河水质评价方法

讨论了BP神经网络模型的特性和建模条件,并给出建立合理BP神经网络模型的基本原则和步骤.针时实际水质评价问题,建立了渭河地面水环境质量综合评价的BP神经网络模型,并与单因子法、主成分分析法进行了分析比较.实验结果表明,BP神经网络可以较好地实现水质综合评价,且具有较高的实用性和客观性.     

改进小波神经网络用于火电厂污染物排放量的预测

小波神经网络是神经网络学习的一种,其网络结构与典型的BP神经网络类似,隐含层所用函数为小波基函数,改进的小波神经网络相比于之前在数据预测方面有了明显的提高。火电厂的污染问题是关系到整个国计民生的大问题,如果能将小波神经网络的预测能力应用于实际生产过程,将十分有助于促进国家经济发展,提高人民生活质量。     

知识管理系统的神经网络规则抽取算法研究

神经网络与知识管理系统的结合,通过神经网络规则抽取算法来解决专业领域的实际问题,实现了人工智能领域网络机制与符号机制的结合,保证了知识获取的时效性和质量性。     

电阻抗断层成像的神经网络模型

由于传统的电阻抗断层成像算法成像速度慢、且在某些情况下得到的图像无法反映敏感场的真实阻抗分布,本文提出了两种基于不同神经网络(BP神经网络和RBF神经网络)的电阻抗图像重建模型及其成像算法.结果表明,基于神经网络模型的成像算法从成像质量和速度上均优于传统的成像算法.     

基于SPC和神经网络的卷烟制丝生产质量监控方法研究

为解决卷烟制丝生产过程中现有SPC监控方法存在的问题,提出了基于SPC和BP神经网络的质量监控方法.首先在传统控制图的基础上,提出了适合在线监控的移动窗口式控制图,然后分别建立了用于控制图模式识别和质量缺陷原因诊断的两个神经网络模型,最后通过松散回潮工序中出口物料含水率的质量监控实例,证明了该质量监控方法的有效性.     

基于改进的遗传算法优化BP神经网络并用于红酒质量等级分类

针对以往的红酒生产过程中,红酒质量分类过程复杂且低效,因此研究一种高效可靠的智能分类识别方法很有必要;这里在红酒的多种物理化学成份测定的基础上,使用人工智能理论中的神经网络构建分类模型,实现对红酒质量的高效分类;并用改进的遗传算法对BP神经网络中的缺陷做了一定的优化;对比传统BP网络分类效果,结果表明,改进后的神经网络收敛速度更快,各个质量等级的分类正确率均提高了10%左右;对红酒加工企业具有积极的实际参考价值。     

模糊神经网络在课堂教学质量评价中的应用

为解决课堂教学质量的评价工作量大、统计繁琐等问题,并考虑到神经网络用于教学质量评价的进步性和局限性,基于教学过程中存在大量模糊信息的特征,以及模糊神经网络是模糊逻辑和神经网络有机地结合,并汇集了各自的优点,集学习、联想、识别、自适应及模糊信息处理于一体特点,提出了用模糊神经网络来评价教师的课堂教学质量的方法,仿真计算表明,采用数学模型具有较好的评价效果.同其他方法相比,具有科学、简洁、可操作性强等特点,而且模型的结构与方法应用前景广阔.