精密机械热动态误差模糊神经网络建模研究

结合模糊逻辑与人工神经网络的优点,提出精密机械热动态误差的模糊神经网络模型,并在多变量模糊模型后件结构与参数辨识中提出了主分量分析建模的新方法.基于语言控制规则的模糊模型,采用模糊推理方法,建模的关键在于结构辨识和参数辨识. 采用主分量分析方法可有效地辨识模型后件的结构与参数.为克服建模用的有效数据量少于后件参数,而无法建立相应的模糊模型这一问题,采用一种多变量系统的模糊神经网络建模方法,利用神经网络具有学习的能力,通过使用适当数量的具有充分激励信息的优选数据组作为学习样本对神经网络进行训练,从而建立起模糊神经网络模型.当辨识的模型精度达不到要求时,可应用模糊神经网络的多次训练获取更高的模型精度.实测数据建模表明,模糊神经网络模型能有效地描述热动态误差.     

基于Matlab的RBF网络的深层搅拌桩承载力建模

探讨了Matlab语言环境下RBF神经网络在深层搅拌桩复合地基承载力建模中的应用,针对建模中的网络参数优化、样本集重构等技术问题进行了深入的研究.提出一种以泛化预测值为目标函数对参数进行优化的技术路线,并提出在样本少的情况下通过合理插值重构样本集可以提高预测精度.工程实例说明,RBF网络在技术改进下优势得到充分发挥,所建模型比BP网络及传统经验公式有着更好的性能.文中建模方法也为研究多变量复杂工程系统提出了一条新的思路.     

基于Solidworks和CAXA电子图板的渐开线齿轮快速三维建模方法

结合SOLIDWORKS软件三维建模功能和CAXA电子图板软件的二维参数化绘制渐开线齿轮齿廓的功能,提出了一种渐开线齿轮快速精确三维建模新方法.该方法利用CAXA参数化生成齿轮齿廓二维草图,再将草图输入到SOLIDWORKS中进行三维建模,从而大大提高了齿轮的三维建模效率和精度.     

基于GA-ANN的非线性半参数建模方法

为结合参数模型与非参数模型各自的优势,提高建模精度,将非线性半参数模型引入到工业过程建模中.提出基于遗传算法和神经网络的非线性半参数模型的建模方法及结构方案,并给出同时估计参数模型部分和非参数模型部分的交叉循环迭代的算法步骤.对算法中的神经网络的设计和遗传算法进行了改进研究,重点讨论了在增加精英保留策略、增加算法的记忆功能、提出新的适应度计算方法和交叉变异策略等方面的改进措施.采用聚乙烯装置的现场工业数据对方法的有效性进行了验证.结果表明：半参数模型比传统的参数模型有更好的预测精度,并能够较好地跟踪过程变化.     

知识和数据驱动的多时间尺度采样系统建模方法

针对多时间尺度采样系统快采样变量的信息难以充分利用，建模信息不足的问题，提出一种知识和数据驱动的多时间尺度采样系统的模糊迁移学习建模方法，建立多时间尺度采样系统模型，提高建模精度.首先，设计滤波插补方法填补慢采样变量的空缺值，统一慢采样变量和快采样变量为慢时间尺度，利用慢时间尺度变量建立目标模型.其次，提出模型共享机制补充目标模型的建模信息，统一慢采样变量和快采样变量为快时间尺度，利用快时间尺度变量建立参考模型，将参考模型中充足的模型知识迁移到目标模型中.最后，利用参考模型的知识和目标模型的数据学习目标模型的参数，提高目标模型的精度.将提出的建模方法应用于理论数据集，实验证明该方法可以充分挖掘建模信息，建立高精度的多时间尺度采样系统模型.     

基于Matlab的RBF网络的深层搅拌桩承载力建模

探讨了Matlab语言环境下RBF神经网络在深层搅拌桩复合地基承载力建模中的应用 ,针对建模中的网络参数优化、样本集重构等技术问题进行了深入的研究。提出一种以泛化预测值为目标函数对参数进行优化的技术路线 ,并提出在样本少的情况下通过合理插值重构样本集可以提高预测精度。工程实例说明 ,RBF网络在技术改进下优势得到充分发挥 ,所建模型比BP网络及传统经验公式有着更好的性能。文中建模方法也为研究多变量复杂工程系统提出了一条新的思路。     

模糊神经网络在GPS高程转换中的应用

介绍了模糊神经网络基本原理和GPS高程转换方法,采用模糊神经网络算法,实现了GPS高程转换.在用模糊神经网络进行GPS高程转换时,输入变量模糊分割数对计算结果的精度起着关键作用,模糊分割数过少,计算精度较低,过多,模糊规则数会急剧增加,计算精度不一定高,同时又会影响系统计算速度.为了进一步提高GPS高程转换的精度,模糊神经网络模型参数的选择以及网络结构的确定等问题,都需要进一步的研究和实践.     

基于径向基函数神经网络的机载LiDAR点云空洞填补方法

机载LiDAR技术为地表三维数据的获取和DEM、DSM的构建提供了有利的条件. 由于建筑物和植被遮挡等原因,造成了点云的缺失,形成区域的空洞,给地表建模带来不便,需要对LiDAR点云数据进行插值处理以修复缺失的数据. 对径向基函数(RBF)神经网络构建插值模型进行了研究,利用该模型对点云中缺失的空洞区域进行修复. 通过利用一部分采样点对RBF神经网络进行学习训练,得到模型中参数的具体值,然后利用这些参数值对空洞区进行插值. 实验验证了RBF神经网络模型的有效性及插值精度.     

非线性软测量建模的神经网络拓扑结构

用神经网络为非线性软测量建模,用于推断估计不可在线测量的变量,利用训练样本集的单调投影指数直接估算隐层神经元数目,有较为满意的逼近精度。     

城市生活用水量预测的PLS-ANN模型

城市生活用水量受到多重因素的影响,这些因素之间的相关性都较大.将偏最小二乘回归与神经网络耦合,建立了城市生活用水量预测模型.将自变量利用偏最小二乘回归处理,提取对因变量影响强的成分,既可以克服变量之间的相关性问题,又可以降低神经网络的输入维数;利用神经网络建模可以较好地解决非线性问题.实例表明本预测模型的拟合和预测精度均较好.