几种神经网络在混合气体预测中的比较

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。用M atlab平台的神经网络工具箱,分别构建了BP,径向基(RBF)和模糊(FNN)神经网络,利用掺杂不同材料的4种SnO2气体传感器组成阵列,实现对甲醛、甲苯、丙酮和乙醇混合气体的体积分数预测。结果表明:FNN神经网络对混合气体体积分数预测的精度要高于其他2种网络。而且,结合PCA和ICA对数据样本进行预处理,有利于提高神经网络对体积分数预测的精度。     

基于改进的神经网络油田配电网谐波预测研究

油田配电网网络较大,用电设备较多,谐波产生几率较为频繁。通过对油田配电网谐波规律的分析,从理论上假设油田配电网的数学模型,采用改进的神经网络算法进行建模和预测,最终分析模型的预测能力和误差精度,根据MATLAB仿真,验证了此方法的有效性。     

基于神经网络技术的流量测量方法研究

流体的流量直接反应设备的运行状况,在现代化的工业生产中,连续准确地监视流体的流量对于设备的安全、经济运行至关重要。鉴于流量测量的复杂性,将神经网络数据融合技术应用于流量测量,研究提高流量测量精度的方法。在此研究基础上,针对差压式流量测量的特点,设计出了基于神经网络数据融合技术的流量测量模型。     

基于谐波小波与神经网络的钢铁价格预测

应用谐波小波分解算法、混沌分析和神经网络理论提出了一种中国钢铁价格趋势预测的谐波小波神经网络模型。应用广义谐波小波分解算法把原始钢铁价格序列分解到不同的频带上,并在此基础上进一步分析表明,钢铁价格存在混沌特性;再经混沌分析和神经网络进行组合预测,提高了模型对多种目标函数的学习能力,有效改进了预测精度。实验表明,与现有方法相比,该方法具有较高的预测精度。     

一种基于神经网络理论的谐波和无功电流检测方法研究

将自适应噪声对消技术用于谐波和无功电流检测提出了一种变学习因子的神经网络自适应谐波和无功电流检测方法.所提出的方法适用于有源电力滤波器的谐波和无功电流检测.理论分析和仿真结果证实了该方法的可行性.     

一种频率比较和测量方法的研究

提出了一种新的频率比较和测量方法。通过逐个周期比较被测频率和参考频率信号，获得差频及频率的高低指示。     

基于Bootstrap多神经网络的软测量方法

针对原油蒸馏过程常规软测量模型难以适应原油进料性质变化的问题,提出Bootstrap多神经网络的非线性软测量处理策略.通过Bootstrap算法复制出训练集样本空间上的多个样本子空间,训练出多神经网络模型,避免了单个神经网络易于陷入局部最优及过度训练的弱点,具有较高的准确率和泛化能力.本处理策略用于建立常压塔一线干点的软测量模型,仿真结果表明模型预测准确率和鲁棒性较好,对原油性质变化具有较好的适应性.该方法将会改进实际蒸馏过程在进料性质变化情况下的产品质量指标的软测量精度.     

基于PCA-GABP神经网络的BOD软测量方法

针对污水处理过程中关键水质参数无法在线监测的问题．提出基于PCA-GABP神经网络的污水水质软测量方法。该方法由两部分组成：主元分析PCA和GABP神经网络。其中,GABP算法采用局部改进遗传算法优化神经网络权值。并采用自适应学习速率动量梯度下降算法对神经网络进行训练,建立软测量模型。仿真结果表明该软测量模型稳定性好、精度高,可用于污水处理厂对BOD进行在线预测。     

基于Bootstrap多神经网络的软测量方法

针对原油蒸馏过程常规软测量模型难以适应原油进料性质变化的问题,提出Bootstrap多神经网络的非线性软测量处理策略。通过Bootstrap算法复制出训练集样本空间上的多个样本子空间,训练出多神经网络模型,避免了单个神经网络易于陷入局部最优及过度训练的弱点,具有较高的准确率和泛化能力。本处理策略用于建立常压塔一线干点的软测量模型,仿真结果表明模型预测准确率和鲁棒性较好,对原油性质变化具有较好的适应性。该方法将会改进实际蒸馏过程在进料性质变化情况下的产品质量指标的软测量精度。     

改进神经网络的电网谐波检测系统研究

将改进BP神经网络技术引入到电网谐波在线监测中,通过模型的自动＂学习＂训练,获得电网谐波＂动态＂的检测模型,实现对电网谐波的实时检测,最终达到电网谐波实时补偿的目的,为谐波抑制提供基础的数据参考,是一种有效可行的自动预测模型。     

基于人工神经网络的CVT的研究

电容式电压互感器(capacitor voltage transformers,CVT)由于其体积小、重量轻、维护工作量少、运行可靠,且兼有高频载波通道耦合设备的复用功能,所以得到大量的应用。但由于其电路固有的特性,在输入信号发生突变时,其二次侧的输出不能很快的跟随一次电压的变化,出现了一个瞬变过程,此瞬变过程能导致继电保护装置误动作。本文基于人工神经网络的方法,提出并建立了用来修正CVT二次侧波形失真的神经网络模型。给出了这一方法详细的设计步骤,通过对模型进行状态检验的结果表明,提出的模型算法是正确的。     

Training Artificial Neural Networks Using Taguchi Methods

This paper shows how the process optimization methods known as Taguchi methods may be applied to the training of Artificial Neural Networks. A comparison is made between the efficiency of training using Taguchi methods and the efficiency of conventional training methods; attention is drawn to the advantages of Taguchi methods. Further, it is shown that Taguchi methods offer potential benefits in evaluating network behaviour such as the ability to examine interaction of weights and neurons within a network.     

石油含水率测量动态补偿模型研究

针对传统微波透射法测量石油含水率存在的测量误差大等问题,提出了一种基于神经网络的动态补偿方法,确定衰减和相移两个参量作为动态补偿模型的输入;针对传统BP算法具有收敛速度慢、容易陷入局部极小值等缺点,采用微粒群训练算法对神经网络动态补偿模型进行训练,可使微波透射石油含水率测量结果的补偿过程具有寻优全局性和精确性。实验结果表明,利用该技术对石油含水率测量结果进行校正是一种有效的方法,具有一定的应用价值。     

基于神经网络的智能故障诊断技术

归纳了神经网络在故障诊断中的运用方式，探讨了故障诊断的神经网络方法和专家系统方法的联系和区别，以及两种方法的结合方法；最后，给出了选择智能故障诊断方法的原则。     

神经网络模型在预测土壤pH值中的应用研究

该文通过对西藏察雅县105层土样资料(1988年)建立CaCO3-pH神经网络模型,与刘世全等所做的回归模型在拟合精度和预测性能方面作了比较,结果显示,BP网络在拟合性能方面不亚于回归方法,在预测性能上要优于回归方法。该文对将神经网络引入土壤环境系统的研究中作了有意义的尝试;所建立CaCO3-pH间的关系模型,是研究污染物在土壤中的降解和转化的重要基础,对评价周边环境因素对土壤的综合作用也有重要意义。本文的结论说明,神经网络对于研究土壤系统的目标因子和相应的影响因子间的关系方面,是较为适用的数学手段。     

基于人工神经网络的彩色校正方法研究

中医舌象的物理特性主要反映在舌体的颜色上 ,而如何进行颜色的测量以及如何在不同设备间保持色彩的一致性和重复性 ,即彩色校正是研制中医舌象分析仪必须解决的难题 .该文简要介绍了中医舌象分析仪的系统结构 ,同时讨论了照明光源的选择和设计 ,最后提出了采用神经网络进行彩色校正的方法     

基于人工神经网络的水洞试验装置的PID自动控制系统

在水洞试验中，通过水泵及收缩段的形状控制水洞的运行过程，以保证水洞的稳定运行，并保证所进行的各种试验的质量。PID调节是最常见的一种。文章给出了一种基于人工神经网络实现自学习PID控制方法。利用该方法可以较好地实现水洞的控制。     

基于人工神经网络在模具数控加工中的应用

形状特殊的模具在加工之前,应先根据一些已知条件确定出合理的加工参数,而获得最佳加工参数的途径之一就是用最优化技术对问题求解。由于模具数控加工中加工参数与加工质量之间存在高度的非线性关系,而人工神经网络（Artificial Neural Networks简称ANN）又十分擅长表达输入输出关系不明确的高度非线性关系,故基于ANN的优化设计,是解决模具数控加工技术参数优化的有效途径。     

基于模糊神经网络的管道缺陷识别方法研究

基于模糊运算和人工神经网络在模式识别中的应用,分别对两种模式识别方法的基本原理及其在管道无损检测中的应用进行了分析。通过建立管道缺陷识别试验,根据检测信号选取适当的参数,分别用这两种方法对不同类型的缺陷进行识别。结合识别结果对其进行比较与总结,证明了两种识别方法的有效性,为识别方法的选择与应用提供了理论依据。     

基于神经网络的专家系统体系结构

本文分析了传统专家系统存在的主要问题,阐述了神经网络专家系统的基本原理,并给出其模块结构。