有序神经网络及在阳极效应预报中的应用

提出了利用有序神经网络研究铝电解槽阳极效应的预报问题。概述了铝电解槽及其阳极效应的基本情况，针对铝电解槽控制难题和传统方法的不足，选择有序神经网络用于阳极效应概率预报。描述了有序神经网络的基本结构、与传统单隐层BP神经网络的区别以及由此带来的网络映射性能的改善，并使用梯度下降原则推导了有序神经网络的学习算法。使用铝电解槽的现场数据对有序神经网络进行训练并检验，结果表明有序神经网络可以比传统神经网络更及时、准确地对铝电解槽阳极效应进行预报。     

基于小波神经网络的铝电解槽状态预测

针对目前国内对铝电解槽运行状况诊断存在的难度大、效率低等问题,着眼于与实时工况相区别而反应电解槽电解能力和稳定运行的电解槽状态的研究,设计了一种以小波包算法提取槽状态信息和建立了用非线性Morlet小波基取代传统神经元非线性激励函数的紧致型小波神经网络的槽状态预测模型。利用小波变换的时域局部化性质和神经网络的自学习能力,对铝电解槽的槽状态进行分析预测,克服了传统神经网络收敛速度慢,容易陷入局部最优等缺点。通过Matlab对状态预测算法进行编程。结果显示,相比传统的神经网络预测模型,铝电解槽的槽状态预测更加准确。     

智能集成控制技术在铝电解过程控制中的应用

研究了将专家系统、神经网络、模糊控制、混沌优化等先进智能技术相集成，共同完成铝电解生产过程控制的智能集成控制技术，建立了基于神经网络的电解槽参数预测模型，设计了槽况解析神经网络专家系统，设计了基于混沌优化的电解质温度模糊控制系统及电解槽极距专家模糊控制系统．实验结果表明，系统能有效地实现预焙铝电解槽智能集成控制，实现槽状态在线解析，并能达到优良的生产控制指标，为企业带来了巨大的经济效益和社会效益．     

预焙铝电解槽在线仿真槽况诊断专家系统研究

预焙铝电解槽是一个复杂的非线性系统,其工艺过程具有模型的不确定性;应用有限容积方法,根据槽壳温度以及相关工艺参数,基于软测量原理,建立了230KA预焙铝电解槽槽膛内形准三维仿真模型;开发了电解槽温度场的仿真程序,在线显示槽膛内形;根据槽壳温度值、槽膛内形仿真值及电解槽主要工艺参数,用对象—属性—值三元组模式建立了数据库;根据各种病槽的发生原因、现象及处理方法,用产生式方法建立了规则库;并在此基础上开发了铝电解槽槽况诊断专家系统,实现了230KA铝电解槽槽膛内形与槽况的实时诊断。     

基于PSO-BP神经网络的湿度传感器温度补偿

针对自动气象站采用的HMP45D型温湿一体化传感器在实际应用过程中易受温度影响的问题,提出了基于粒子群优化算法(PSO)的BP神经网络温度补偿模型,利用粒子群优化算法对BP神经网络的初始权值阈值进行全局寻优,将粒子群优化算法优化好的权值阈值赋给BP神经网络,对BP神经网络进行训练。根据不同温度条件下测得的多组湿度传感器数据,通过建立模型,实现温度补偿,与传统BP神经网络补偿结果进行比较。实验表明,与传统BP神经网络模型相比,利用PSO-BP神经网络模型进行温度补偿后所得的误差绝对值之和降低了10.3887%RH,PSO-BP神经网络可以克服传统BP神经网络易陷入局部极值的局限,补偿精度更高,能更加有效地补偿温度对湿度传感器的影响。     

BP-PSO在电加热炉中的温度智能预测

针对电加热炉难以建立精确模型的问题,提出采用BP神经网络与粒子群优化(PSO)相结合的算法对电加热炉的温度变化进行辨识,并建立系统模型.在建立系统模型的基础上,对温度变化趋势进行了预测.试验结果显示,与BP神经网络算法相比,粒子群优化BP神经网络算法所得到的预测值有效时间范围延长了60％;在相同有效的预测时间内,预测值精度提高了43％.     

基于遗传算法的预焙铝电解槽操作参数优化研究

对预焙槽炼铝生产而言,电流效率很大程度上取决于操作参数的合理配置,取得稳定的高电流效率可以降低电能消耗;以铝电解槽电流效率最大为优化目标,选取影响电流效率的6类重要操作参数:槽电压、电解质温度、铝水平、电解质水平、分子比、氟化铝料量为优化变量,建立了铝电解槽操作参数的优化模型;采用遗传算法,获得了最优参数解,并在我国某厂200kA预焙铝电解槽上进行实验,指导生产;实验结果表明,电流效率由平均92.5%提升至93.5%。     

基于BP网络和专家系统的铝电解槽分层故障诊断

针对铝电解槽故障种类繁多和不易诊断的问题,设计了基于BP网络和专家系统的分层故障诊断系统,包括前层分类和后层预报;通过对槽电阻信号的频谱分析,提取了故障特征信息,并对故障进行分类;建立了基于BP网络的前层分类器,用于诊断特征显著的故障;制定了故障诊断和控制规则,完善了专家系统的知识库,根据前层分类结果对余下故障进行诊断;通过制定规则,将前层分类和后层预报相结合,实现了故障诊断系统的整体设计;仿真结果及理论分析表明,该系统可有效预报单一及复合故障,提高故障诊断的准确率,保证铝电解槽工作状况的稳定。     

电机温度时滞耦合系统自抗扰控制仿真研究

电机温度过高会造成绝缘性能老化,电机安全性能下降;电机控制系统是典型的非线性系统,电机温度也因此具有时滞性和耦合性的特点,难以建立准确的数学模型;传统的方法对电机温度的控制精度较差,从而导致电机温度失控;为此,提出基于BP神经网络自抗扰控制算法的电机时滞耦合关系下温度控制方法;将BP神经网络与PID控制方法相结合建立电机温度网络自抗扰控制器模型,利用梯度下降法修正电机温度控制器模型的权值系数,从而实现了BP神经网络自抗扰控制器参数的实时调整;实验结果表明,利用BP神经网络自抗扰算法进行电机时滞耦合关系下温度调整,能够有效提高控制的精确度,缩短了控制过程中的时间延时。     

基于ANSYS的铝电解槽电场数值仿真研究

铝电解槽的电场作为形成各物理场的基础,其分布好坏直接影响电解槽的生产。采用基于ANSYS的仿真分析方法研究了铝电解槽的电场分布。采用有限元法,建立了铝电解槽电场的数学模型,并利用有限元仿真分析软件ANSYS建立电解槽三维电场有限元模型,计算了铝电解槽各导电部分的电场分布,总结了分布规律,为电解槽多物理场优化提供基础。其仿真结果与实测结果相吻合,验证了方法的正确性。     

基于神经网络的蜂窝夹芯等效弹性参数的预测

针对Gibson公式计算蜂窝夹芯面内等效弹性参数的不足,通过考虑蜂窝夹芯宏观尺度对等效弹性参数的影响,利用贝叶斯正则化神经网络,并结合正交试验和有限元方法,建立了4个主要影响因素与蜂窝夹芯等效弹性参数之间非线性映射关系的神经网络模型,采用BP神经网络成功实现了对蜂窝夹芯等效弹性参数的预测.对于无限宽度蜂窝夹芯,仿真结果与Gibson公式计算结果一致,而对于有限宽度蜂窝夹芯,通过与铝质蜂窝夹芯压缩实验结果进行比较,采用神经网络方法得到的结果与实测结果吻合更好,证实了该方法的有效性和准确性.     

超声波热量表流量计量中温度补偿算法研究

针对超声波热量表采用时差法测量流量时,因受温度影响而存在的非线性问题,提出了分别基于曲面拟合和BP神经网络的温度补偿算法。两种算法通过建立温度与流量之间的非线性映射关系,达到补偿流量测量的目的。建模与仿真可知, BP神经网络补偿算法表现出更好的数据融合及预测能力。验证实验表明,相对于现有查表修正算法和曲面拟合补偿算法,BP神经网络补偿算法补偿效果更佳,补偿后流量测量误差在±2.2%以内,绝对误差方差最大值为0.68,补偿效果显著,具有较高的工程应用价值。     

"弹性"BP神经网络在识别带有噪声字母中的应用

字符识别是模式识别中的一个典型应用,通过训练网络可以教会计算机如何识别字符,这在票据处理方面可以大大地提高效率.该文中所建立的神经网络具有Sigmoid型可微函数的三层BP神经网络,它可以以任意精度逼近任何连续函数,实现输入和输出之间的任意非线性映射.文中分析了BP神经网络的“弹性”学习算法,利用五位二进制数来识别的输出26种状态.建立的一个三层的BP神经网络能对带有噪声的26个英文大写字母进行识别.利用MATLAB编写仿真程序对BP神经网络进行训练,仿真结果表明训练的BP神经网络可以对给定的带有噪声的字母正确地识别.     

神经网络PID在温度控制系统中的研究与仿真

本文提出一种基于BP神经网络的新型智能PID控制方法和一些BP神经网络的基本概念。同传统的PID控制相比较．神经网络智能PID控制有许多优点。把BP神经网络的PID控制方法应用到工业领域的温度控制系统中，仿真结果表明：这种控制方法具有较高控制精度和较强的适应性以及良好的控制效果。     

遗传算法改进BP网络对织物配色的优化研究

深入研究了传统BP网络结构的优化方法,对近年来各学者所提出的新的优化方法进行了分析,并结合织物染色配色的应用领域,深入分析和改进了遗传算法对BP网络进行结构优化的思想,在训练BP网络的同时,利用遗传算法优化BP网络结构,提高了算法效率.最后通过织物染色配色仿真的计算与实验,显示了该算法的有效性.     

改进BP神经网络的光伏系统发电功率预测

为了提高光伏发电功率的预测精度,提出一种改进BP神经网络的光伏发电功率预测模型.首先采用包括室外温度、光照辐射量、风速等作为输入层节点,交流发电功率作为输出节点,引入RMSE作为衡量最优模型指标,确定了隐含层节点数,然后采用BP神经网络对其进行学习,并采用布谷鸟搜索算法对BP神经网络进行优化,最后采用仿真实验对其有效性进行测试.结果表明,改进神经网络提高了光伏发电功率预测精度,具有一定的推广价值.     

改进BP网络在煤矿通风系统故障检测中的应用

针对BP神经网络传统学习算法步长难以确定的问题,提出了采用基于RLS算法的BP神经网络检测煤矿通风系统故障的方法;简要介绍了BP神经网络的结构,详细介绍了RLS学习算法和仿真过程。仿真结果表明,采用RLS算法的BP神经网络能够满足煤矿通风系统故障检测的要求。     

PSO-BP网络模型在温室数据融合中的应用研究

由于温室的众多要素之间是相互制约、互相配合的,为了形成一个准确、合理的判断,将PSO算法的全局优化能力和BP神经网络良好的非线性映射能力相结合,优化BP神经网络的权值和阈值,提出了一种基于PSO的BP网络数据融合算法,并利用该算法对温室多传感器(温度传感器、湿度传感器和光照度传感器)同时检测到的数据进行融合。仿真结果表明:基于PSO-BP网络的数据融合算法能够获得温室准确有效的信息,提高温室控制的有效性与准确性。     

基于MATLAB的BP神经网络实现研究

BP神经网络是人工神经网络中的一个典型代表。MATLAB的神经网络工具箱提供了许多有关神经网络设计、训练和仿真的函数和方便、友好的图形用户界面来实现BP网络,还可实时将仿真结果可视化,从而使应用BP网络来解决许多领域的实际问题变得非常方便和有效。     

神经PID控制在电厂主汽温控制中的应用

针对火电厂主汽温被控对象的大迟延、模型不确定性,设计了基于BP神经网络的神经PID汽温控制系统,并用MATLAB进行仿真,结果表明该控制器优于常规PID控制器。