基于决策函数及PSO优化的SVM预测控制应用研究

SVM处理大样本问题时性能明显不如神经网络,因此笔者利用矩阵变换进行决策函数的简化来提升SVM的训练速度,对SVM建模时非必需的支持向量进行约简,并引入一个松弛变量来提升约简效果.实验证明,约简后支持向量个数减少三分之一以上.SVM所建立的模型进行线性化之后应用于预测控制当中,采用PSO算法来选择最优的SVM参数和计算预测控制的最优控制律.通过对水泥回转窑窑尾烟室温度的数据进行实验仿真,结果表明该方法可以提高系统响应速度,减小系统响应的超调量.     

多策略MRFO算法的卷积神经网络超参数优化

卷积神经网络的性能与超参数配置密切相关,然而最优超参数的选择耗时耗力. 为了提高超参数选择的效率,提出了一种基于多策略的蝠鲼觅食优化算法,一方面采用半数均匀初始化策略提升种群的多样性;另一方面,融合新权重因子更新策略和分裂策略,提升收敛速度和拟合精度. 根据实数编码策略将所提算法用于卷积神经网络的超参数优化研究中,用3种觅食方式进行迭代,以得到最优的超参数配置. 为了评估超参数优化的有效性,与卷积神经网络超参数优化算法在手写数字和CIFAR-10数据集上进行了对比实验,实验结果表明,所提算法可消耗较少的资源,并获得更高的准确率.     

BP神经网络PID温度控制在恒温振荡器中的应用

PID参数整定过程一直困扰着工程技术人员,研究PID参数自整定技术具有十分重要的工程意义。描述了PID参数整定的原理,阐述了BP神经网络PID控制的系统结构及算法,给出了基于LPC2368温度控制系统的硬件设计和软件设计方法。最后给出了基于BP神经网络的PID控制响应的温度曲线并与传统PID控制方法作了比较。结果表明:运用BP神经网络的PID控制算法,具有过渡时间短、超调量小、几乎没有振荡等优点,且结构简单,易于实现,具有较广阔的工业应用前景。     

太阳能热泵机组内蒸发器的模型与仿真研究

对太阳能热泵机组内蒸发器稳态分布参数模型进行仿真算法设计,以压缩机进、出口压力值、蒸发器冷冻水的入口温度、蒸发温度、蒸发器内水流量以及蒸发器简化模型计算出的蒸发器吸热量计算值作为输入参数,建立了基于神经网络的蒸发器优化模型.通过太阳能热泵系统实测数据学习而形成的蒸发器优化模型明显提高了仿真的速度及精度,运用该模型能够降低太阳能热泵系统的研究成本和缩短其设计周期.     

GA-LSTM模型在高速公路交通流预测中的应用

为提高高速公路交通流预测精度,为高速公路管理部门动态控制诱导提供有效支撑,以实时交通流预测误差最小为目标,通过对高速公路数据的清洗和归一处理,分为4个不同时间间隔的数据集,按比例划分为训练数据集和测试数据集.采用遗传算法(GA)对数据时间窗步长、长短期记忆(LSTM)神经网络的隐藏层数、训练次数、dropout进行优化调参,分析4种参数对模型寻优影响,GA-LSTM模型在keras中以Tensorflow为后台进行训练拟合.结果表明:GA-LSTM模型寻优速度快,同传统预测算法中的SVM、KNN、BP和LSTM神经网络相比较,GA-LSTM对数据预测均方误差和均方根误差最小,模型表现出更好的预测性能.     

基于神经网络的三极管温度特性模型研究

温度对三极管的性能影响较大,使得电路中的静态工作点出现不稳定现象．采用神经网络技术分析实际环境温度对三极管放大特性的影响,并通过实测数据和利用线性均差法得到的数据建立三极管温度特性的神经网络模型．利用该模型可预测温度对放大倍数的影响,掌握电路系统的温度漂移．从而为优化系统性能提供设计依据．     

神经网络在光纤陀螺温度补偿中的应用

为了消除光纤陀螺的温度效应并提高陀螺的精度,将神经网络应用于光纤陀螺温度漂移模型的辨识和温度补偿中.采用神经网络算法中的误差反向传播算法,在采集的光纤陀螺漂移数据样本的基础上对其进行了非线性辨识,通过对所采集数据的学习训练出了有效的温度补偿网络,并用实验测试数据验证了该方法的有效性.数据分析表明,神经网络温度补偿方法可以明显改善陀螺的零偏稳定性能.     

神经网络统一计算模型的设计规范

通过统一处理数据和功能的方式,建立了一种神经网络的统一计算模型,并借助Ｃ语言的结构类型提供了与该计算模型有关各项结构的形式化描述。最后,分别描述了神经网络的统一计算模型在计算设计和应用设计中的实例化方法。     

对角递归神经网络在非线性内模控制中的应用

提出一种基于对角递归神经网络的非线性内模控制方案,其内部模型和内模控制器的建立均由对角递归神经网络来实现,同时改进神经网络控制器的训练函数。仿真结果表明,改进的内模控制系统与基本BP神经网络内模控制系统相比,具有跟踪速度快,超调量小,以及对对象参数摄动具有较好的适应性。     

锅炉的优化运行问题

本文着重研究锅炉的优化运行问题。根据相关要求,本文分别利用了数据拟合,函数优化模型,神经网络模型的优化模型。通过对各项运行参数分类分析,得到各项参数对锅炉效率的影响。并主要计算了过量空气系数,排烟温度与烟气含氧量对锅炉效率的定量关系。进一步通过建立神经网络模型,可以得出多参数共同作用下对锅炉效率的影响,优化锅炉运行。     

基于Matlab的BP神经网络在大坝观测数据处理中的应用

建立大坝观测数据处理的BP人工神经网络模型,用正交变换法来初步优化设计大坝变形分析的模型结构.运用Matlab工具箱函数建立网络模型,选择合适的训练函数,并采用正则化的算法以缩小网络的规模,改进BP算法提高学习速度和算法的可靠性.实例表明,基于Matlab的神经网络优化设计能比较有效地避免BP网络的固有缺陷,在精度和训练速度上得到提高.     

人工神经网络的虚拟输入方法及其在水轮机建模中的应用

本文绘出一种人工神经网络的虚拟输入方法，可以在应用人工神经网络理论建立系统的数学模型时，提高模型的精度。将这种方法用于建立水轮机数学模型，取得了满意的结果。     

基于一类改进遗传算法的进化神经网络研究

分析传统遗传算法易早熟收敛的主要原因,提出一类改进的遗传算法以及一种基于改进遗传算法的前馈神经网络设计方法,用以同时完成对网络结构空间和权值空间的搜索。该算法将普通遗传算法的交叉算子和遗传算子进行改进,利用模拟退火算法、BP算法和小生境技术来加快算法的收敛速度,改善解的性能。通过对异或(XOR)、噪声模式识别等前馈神经网络性能的一组测试,与BP算法进行比较,实验结果表明,该算法能够有效抑制遗传算法初期收敛的发生,有效地提高多层前馈神经网络的收敛精度和收敛速度,由此得到的神经网络的泛化能力也较好,能够达到根据训练样本自动优化设计多层前馈式神经网络的目的,并可获得更为简洁的网络结构。     

基于神经网络算法的大跨度双层扭网壳的设计

应用误差反向传播的人工神经网络技术对大跨度双层扭网壳进行设计,双层扭网壳的跨度在50~80 m之间变化,训练了估算双层扭网壳的最大挠度、重量和杆单元横截面面积的神经网络。为减少数据的非线性和提高训练速度,形成了特殊的数据排序方法。这种方法提供了必要的稳定性。本文研究表明应用神经网络技术对双层网壳结构进行设计是可行的。     

人工神经网络在乘员约束系统中的应用

建立正面碰撞乘员约束系统空间模型,通过实车碰撞试验验证了模型的正确性.结合均匀试验设计方法,分别建立3种人工神经网络拟合乘员伤害,网络结构经过优化和训练后使用遗传算法寻优,优化后的参数使得约束系统的保护性能得到显著改善.优化结果表明:RBF网络和GRNN网络对乘员约束系统的拟合效果较好,预测精度较高.     

船舶控制系统故障诊断神经网络专家系统的研究

将神经网络技术应用于船舶控制系统故障诊断专家系统，给出了系统的组成和知识的表达方法；提出了自增长动态网络学习算法，其优点在于学习迅速，能动态建造多层网；给出了神经网络专家系统的推理方法。     

基于人工神经网络集成的微阵列数据分类

基因数量远多于样本数量是基因表达微阵列数据进行疾病诊断所面临的主要挑战，为此提出了采用人工神经网络集成的组织分类方法．该方法使用Wilcoxon测试选择用于与分类相关性较高的重要基因，通过凸伪数据法产生神经网络集成中各个体的训练集，用简单平均法集成网络个体的测试结果．采用实际的微阵列实验数据集分别进行独立测试和交叉验证测试，结果表明，该方法性能优于单个神经网络、最近邻法和决策树．受试者特征曲线测试表明，神经网络集成性能优于单个神经网络．     

小波神经网络组合时序模型在径流预报中应用

构建小波与人工神经网络组合时序模型,该模型利用morlet小波基函数取代人工神经网络的激发函数,通过平移因子和伸缩因子确定小波基函数,采用误差逆向传播算法训练网络和预测.利用此模型对赣江河段上外洲水文站月径流变化趋势进行预测,并将其计算结果与BP神经网络进行比较,结果表明利用小波神经网络进行时间序列预测效果较理想.     

中厚板精轧机轧制力预报综合模型研究

为提高中厚板精轧机轧制力的预报精度,建立了Sims公式简化式与人工神经网络相结合的轧制力预报综合模型。以3 000 mm中厚板精轧机实测数据为基础,用Sims公式简化式计算轧制力主值,利用MAT-LAB人工神经网络工具箱,建立BP神经网络模型预报轧制力的偏差值,用提前结束的方法来训练网络。模型的综合采用加法和乘法两种方式。结果表明,与单独采用Sims公式简化式相比,综合模型的预报精度提高很多,而且加法网络算法的预报效果比乘法网络算法更好。     

人工神经网络在发电厂培训系统中的应用

为了解决用人工神经网络映射发电机暂态过程中,各个变量的变化曲线存在的网络结构以及权值和阈值的初始值难以科学地确定的问题,将遗传算法和传统的误差反传算法结合起来,对人工神经网络进行设计和训练。该方法在发电厂培训系统中的应用表明：这种方法提高了人工神经网络中权值和阈值的初始值的确定以及网络拓扑结构的设计的科学性,从而使人工神经网络容易出现的发散以及陷入局部极小点的问题得以避兔。