基于模糊神经网络的电子产品包装防护综合评价方法

从可靠性、方便性、经济性、环保性等4个方面建立了电子产品包装防护综合评价指标体系,并采用模糊神经网络的方法对电子产品包装防护进行综合评价.实例分析表明,这种方法适用于电子产品包装防护综合评价.     

基于模糊神经网络爆破效果评价模型

露天矿爆破效果的好坏直接影响矿山后续生产工序和效益。为此建立一种科学有效的爆破效果评价模型,对爆破效果进行分析,然后根据分析结果指导后期矿山生产。于是基于模糊神经网络理论,选取了大块率、根底、爆破振动、延米爆破量等8个评价指标,采用10分制将爆破效果等级划分为5级,建立了爆破效果综合评价模型。选取研山露天矿实际爆破数据,利用MATLAB软件,对三种不同孔径爆破方案进行评价。评价结果表明:φ250 mm孔径爆破评价结果在Ⅱ级及以上的比例达到74.07%,效果最好;φ310 mm孔径爆破评价结果在Ⅱ级及以上的比例为50.85%,效果最差。结果表明模型分析结果与现场实际情况符合,评价结果可为矿山爆破方案制定与决策提供依据。     

基于模糊神经网络的安全生产方案决策

安全生产是企业生产管理的一项重要内容。针对某包装企业的生产特点,调查得出影响安全生产的7个指标因素,运用模糊学和BP神经网络的基本理论,构建该企业的安全生产方案决策模型。结合模糊神经网络的评价结果,进行安全生产方案的决策选择,达到了提高安全生产能力的目的,有利于增强企业的经济效益与社会效益。     

新产品方案的二阶模糊综合评价

论述了由市场引力、企业实力、财务效果三个方面构建的评价指标体系，并分析了指标体系的内容与结构；介绍了二阶模糊综合评价的具体方法与步骤；最后进行了实例分析，结果表明，该综合评价法能较好地保证评价结果的客观性。     

上海汽车制造业中标准贡献的多级模糊综合评价

标准化活动以其特有的方式,极大地促进了生产率的不断提升和产业化逐步走向成熟。本文尝试建立了标准对企业综合贡献的评价指标,结合上海典型汽车制造业中企业的调查数据对标准化在该行业中的综合贡献进行了定量的分析,结果表明标准化在上海汽车行业中的贡献是较大的。     

模糊神经网络模型在水环境质量评价中的应用

鉴于水质类型与分级标准间存在模糊性,为准确评价水环境质量,建立模糊神经网络模型,对辽源市6口井进行地下水水质评价,并将结果与尼梅罗指数法的评价结果比较。结果表明,模糊神经网络评价水质是可行的,能够反映各评价因子质量的相对状态,该模型具有较强的学习能力,较传统方法比具有较高的识别精度,提高水质评价的准确性,为日后保护和管理水环境提供科学依据。     

基于模糊神经网络的绿色包装评价及研究

随着环保意识的增强,绿色包装越来越受到人们及政府机构的重视,对绿色保证的优劣评价,则成为一项关键的工作.本文运用模糊神经网络,对已建立的绿色包装指标体系进行评价,最后得到一个合理的评价结果,实例表明该方法可以作为绿色包装评价的理论研究内容,可以为政府以及其他检测部门提供一种可行的理论依据.     

基于模糊神经网络的绿色包装评价及研究

随着环保意识的增强,绿色包装越来越人们及政府机构的重视,对绿色保证的优劣评价,则成为一项关键的工作。本文运用模糊神经网络,对已建立的绿色包装指标体系进行评价,最后得到一个合理的评价结果,实例表明该方法可以作为绿色包装评价的理论研究内容,可以为政府以及其他检测部门提供一种可行的理论依据。     

综合模糊TOPSIS决策的应急物资储备库多级覆盖选址模型

研究应急物资储备库选址理论和方法在应对当前频发的重大突发事件具有重要的现实意义和理论价值。针对现有设施选址理论存在的局限性,提出综合模糊TOPSIS决策的应急物资储备库多级覆盖选址模型。在分析应急物资储备库选址影响因素的基础上,构建应急物资储备库选址评价指标体系,运用模糊TOPSIS方法对候选应急物资储备库进行初选;基于"备用覆盖"和"部分覆盖"思想,建立应急物资储备库多级覆盖选址模型,运用遗传算法对模型求解,确定最终选址方案;以一个算例对算法进行验证,分析了算法的有效性。     

基于模糊神经网络的公差-成本模型研究

研究了面向制造环境的公差-成本模型。对制造环境中有关的加工因素进行分类及模糊化处理,构造了加工因素的成本模糊影响系数,并以此系数和零件公差作为输入,建立了基于模糊神经网络的公差-成本模型。此模型在表征加工成本、公差关系上的精度较高,更适应面向制造公差设计的要求。     

基于模糊神经网络的机载设备智能故障诊断系统

针对某型飞机机载设备故障多,且具有模糊性、复杂性的特点,本文将模糊逻辑和神经网络相结合,采用模糊隶属函数来描述这些故障的程度,建立了模糊神经网络故障诊断模型.采用图形化编程技术,开发了一种故障诊断推理流程图,方便了用户的开发.该系统依据专家知识和测试数据,可将故障隔离到内场可更换单元(SRU)或某个功能电路.实践证明该诊断系统是有效的,具有推广应用价值.     

基于分级代理的智能家庭网络模型研究

针对现有家庭网络中智能设备不能有效学习家庭用户习惯,致使不能满足用户的个性化服务质量的问题,给出了一种基于分级代理的智能家庭网络模型.首先给出了一种智能家庭网络设备的形式化描述,以此为基础提出了分级代理的智能家庭网络模型:全局Agent通过对家庭中的长期数据进行学习,总结出一定的服务规则,指导设备Agnet根据家庭成员的生活习惯改变工作方式;设备Agent利用强化学习算法,自主学习,解读家庭环境的状态变化,并做出最优选择.该模型的应用实例及仿真结果表明,应用此模型,设备可以学习用户习惯,为用户提供个性化服务.     

爆破振动特征参量的粗糙集模糊神经网络预测

摘 要 爆破振动特征参量对爆破振动危害效应有重要影响。首次用粗糙集模糊神经网络方法对振幅、主频率及主频持续时间进行预测。首先介绍了粗糙集模糊神经网络的基本思想,其次,分析了印象爆破振动特征参量的主要因素,建立了基于粗糙集模糊神经网络的爆破振动特征参量预测模型;最后用某边坡开挖爆破中的振动观测指标对模型进行了训练,并对15组指标进行了测试。结果表明：粗糙集模糊神经网络预测模型能反映了影响因素与特征量之间的非线性关系,适用于爆破振动特征参量预测。一次预测1个指标的精度高于同时预测3个指标的精度。     

基于模糊RBF神经网络的水下机械臂控制研究

针对水下复杂工作环境下机械臂控制性能易受影响,而传统控制方法效果不佳的问题,提出了一种基于模糊RBF（radial basis function,径向基函数）神经网络的智能控制器,用于精确、稳定地控制水下机械臂。考虑到在水扰动环境下,机械臂通常受到附加质量力、水阻力和浮力的影响,运用拉格朗日法和Morison方程,建立包含水动力项的二杆机械臂动力学模型,通过模糊RBF神经网络对水下机械臂动力学方程中的水动力不确定项进行总体识别并拟合,利用模糊系统启发式搜索和RBF神经网络推理速度较快的优点,使水下机械臂系统具有较高的控制精度和较强的自适应性。考虑到水动力项,采用Lyapunov稳定性理论验证了水下机械臂系统的稳定性。最后利用MATLAB对二杆机械臂进行轨迹跟踪控制仿真实验,并对比模糊RBF神经网络与常规RBF神经网络识别方法和传统模糊控制方法的控制效果。仿真结果表明：与常规RBF神经网络识别方法相比,模糊RBF神经网络控制下二杆机械臂关节1的响应时间缩短了91%,相对误差减小了88%,关节2的响应时间缩短了92%,相对误差降低了77%;与传统模糊控制方法相比,关节1的相对误差减小了65%,关节2的相对误差减小了10%。研究结果表明模糊RBF神经网络的控制效果优于常规RBF神经网络识别方法和传统模糊控制方法,可为水下机械臂的控制提供一种精度较高、较有效的方法。     

挖掘机器人轨迹的模糊CMAC神经网络控制

在对挖掘机器人工作装置动力学分析的基础上,为克服多变量、强耦合及负载扰动对轨迹控制系统的影响,提出了模糊CMAC神经网络与常规控制相结合的控制方法,使神经网络逼近挖掘机器人工作装置逆动力学模型,很好地解决了轨迹控制的问题.利用MATLAB进行仿真研究,结果表明该控制方法具有较高的控制精度和鲁棒性,满足挖掘机器人轨迹控制的要求.     

基于BP神经网络模型的Ni-SiC纳米镀层耐磨性能预测研究

采用神经网络技术,构建结构为3×8×1型的BP神经网络模型,并利用该模型对超声电沉积Ni-SiC纳米镀层的耐磨性能进行预测。通过磨损试验测试并研究Ni-SiC纳米镀层的耐磨性能,利用扫描电镜(SEM)、原子力显微镜(AFM)和X射线衍射(XRD)观察不同参数下Ni-SiC纳米镀层的组织结构及成分。结果表明,在BP神经网络模型的隐含层数和神经元数分别为1和8时,该BP神经网络模型的均方根误差最小,其最小值为1.24%。该BP神经网络模型的预测值与实验值相差不大,其最大误差为1.51%。当采用SiC粒子浓度8 g/L、电流密度2 A/dm^2、温度40℃时,SiC粒子均匀分布于Ni-SiC纳米镀层中,且镀层镍晶粒显著细化,其镍晶粒的衍射峰变宽、变矮。     

基于人工神经网络的NiZn铁氧体结构不敏感性能的预测模型

为了系统研究配方对铁氧体电磁性能的影响,制备了一系列Mn2 、Ge4 和Si4 替代的NiZn铁氧体材料,建立了铁氧体配方与结构不敏感性能之间的人工神经网络预测模型.利用所建立的模型研究了ZnO对NiZn铁氧体3个结构不敏感性能居里温度、磁饱和强度及介电常数的影响规律,以及多个组分的交互作用.结果表明:模型的预测结果与实验结果吻合良好,二者的相对误差较小.ZnO含量的增加会导致铁氧体居里温度下降,但会提高饱和磁化强度和介电常数.NiO和ZnO的交互作用对铁氧体的结构不敏感性能影响明显.利用模型得到的铁氧体性能-成分等值线图对寻找最佳配方有较高参考价值.     

基于主成分分析与BP网络的锚杆支护方案优选

巷道特征与锚杆支护之间可以看作是一种非线性映射关系,用一般的数学方法难以表达巷道支护方案与其影响因素之间的非线性映射关系.神经网络已广泛应用于锚杆支护方案优选,并取得较好的效果.基于单一神经网络预测锚杆支护方案存在一些不足,构建了主成分分析与BP网络相结合的巷道锚杆支护方案优选模型.利用主成分分析对神经网络的输入数据进行预处理,使输入数据减少且不相关,加快网络的收敛速度,并且预测精度均在90%以上.研究结果表明:将主成分分析与BP神经网络结合优选巷道的锚杆支护方案,具有很高的预测精度;与单一BP神经网络相比,提高了预测精度．     

基于前向神经网络的时变非线性结构系统辨识快速递推最小二乘法

针对基于前向神经网络的普通递推最小二乘估计存在着自适应跟踪慢和精度低的问题，提出了一种可对非线性时变系统进行快速辨识的新方法，因该方法有类似递推最小二乘算法的形式，称其为基于前向神经网络的快速递推最小二乘算法。该算法对传统的递推最小二乘算法的递推方式进行了改变，以更好的跟踪非线性时变系统的动态特性。针对典型的系统辨识仿真算例，通过与现有常用方法的比较研究显示了这种算法具有计算简单、收敛速度快和辨识精度高的良好性能。最后将方法用于一个三自由度时变非线性振动系统，结果同样验证了方法的良好特性。