基于小波神经网络的抄纸过程建模仿真研究

抄纸过程中水分定量控制是一种复杂的多变量耦合过程.它具有大滞后、非线性、时变、不确定等特性,因此一般采用常规方法很难准确建立其数学模型.神经网络是一种很好的非线性数学模型,运用多输入多输出的小波神经网络对抄纸过程中水分定量控制进行数学建模,并在小波神经的嘲络训练过程中采用了两种训练方法,加快了训练速度.结果表明,小波神经网络输出值与实际模型输出值的误差在允许范围内,可以很好的逼近抄纸过程的数学模型.     

模糊神经网络在课堂教学质量评价中的应用

为解决课堂教学质量的评价工作量大、统计繁琐等问题,并考虑到神经网络用于教学质量评价的进步性和局限性,基于教学过程中存在大量模糊信息的特征,以及模糊神经网络是模糊逻辑和神经网络有机地结合,并汇集了各自的优点,集学习、联想、识别、自适应及模糊信息处理于一体特点,提出了用模糊神经网络来评价教师的课堂教学质量的方法,仿真计算表明,采用数学模型具有较好的评价效果.同其他方法相比,具有科学、简洁、可操作性强等特点,而且模型的结构与方法应用前景广阔.     

基于小波神经网络的目标跟踪的研究

本文讨论了小波神经网络在机动多目标跟踪中的应用,多目标跟踪就是主体为了维持对多个目标(客体)当前状态的估计而对所接收的量测信息进行处理的过程.以非线性大规模并行分布式处理为特征的神经网络可以解决传统的目标跟踪方法的难以解决的计算量组合爆炸问题以及需要确定机动目标的数学模型的问题,将小波分析原理与神经网络相融合,提出了基于小波神经网络的目标跟踪方法来提高系统的学习能力、表达能力以及机动多目标状态的估计精度.仿真实验的结果证明了该方法的有效性.     

基于Hopfield神经网络的输油站场操作算法

提出利用连通图来描述输油站场工艺流程。通过对连通图节点进行分类,将计算具体调度任务的操作方案问题转化为计算连通图的辐射状子图问题。在连通图基础上提出最优操作方案的数学模型,并提出利用Hopfield神经网络对数学模型进行求解。给出了神经网络的能量函数和对应的求解方法,实际计算表明,所提方法可行有效,能够减轻现场劳动强度,提高生产效率。     

基于神经网络的热电偶特性数学模型

简单介绍了当前热电偶应用存在的问题 ,分析了建立热电偶特性的数学模型的各种方法 ,并提出了应用前向多层神经网络建立热电偶特性数学模型的方法及其优势。文中对前向多层神经网络及其算法进行了深入剖析 ,并给出了MATLAB源代码。最后以镍铬 -镍硅热电偶为例 ,阐述了其特性数学模型的建立过程及其应用。     

有理式多层前馈神经网络

提出了有理式多层前馈神经网络的数学模型，给出了有理式多层神经网络的学习算法，就计算复杂度而言，有理式神经网络的学习算法与传统的多层神经网络反传播算法是同阶的，函数逼近应用实例结果表明，将有理式多层神经网络用于解决传统问题是有效的。     

粗集神经网络在阳离子反浮选控制中的应用

针对阳离子反浮选生产过程被控对象复杂、数学模型不确定以及控制精度要求高等特点,提出一种基于粗集神经网络理论的智能控制模型。该方法减少信息表达的属性数量及神经网络构成系统的复杂性,增强了系统容错及抗干扰的能力。将粗集神经网络智能控制模型与基于粗集的控制模型进行对比,结果表明了该方法的可行性。     

粗集神经网络在阳离子反浮选控制中的应用

针对阳离子反浮选生产过程被控对象复杂、数学模型不确定以及控制精度要求高等特点,提出一种基于粗集神经网络理论的智能控制模型.该方法减少信息表达的属性数量及神经网络构成系统的复杂性,增强了系统容错及抗干扰的能力.将粗集神经网络智能控制模型与基于粗集的控制模型进行对比,结果表明了该方法的可行性.     

应用BP神经网络进行成像误差修正

成像误差修正是摄像机标定中的一个重要的环节，而传统的像差修正方法计算复杂。提出了一种基于BP神经网络的修正成像误差的算法，建立两个神经网络分别对δu与δv进行最佳函数逼近。仿真实验结果证明利用神经网络的非线性逼近能力无须建立精确的数学模型即可提高精度，而且比传统的方法更加简单易行。     

连续神经网络在高频率离散问题求解中的应用

应用连续神经网络来解高频率离散问题，并采用最佳机票超额预定作为具体应用实例。在对上述问题的求解过程中，根据机票超额预定的规章制度和Hopfield连续神经网络理论建立数学模型，利用BP算法和模糊推理系统计算了Hopfield网格各节点之间的联系。这一应用对神经网络参与优化问题求解有较为重要的意义。     

铂电阻Pt100特性数学模型

为了满足自动检测和智能仪表的需要,提出了一种基于余弦基神经网络的传感器特性建模算法,提出了该余弦基神经网络算法的收敛定理,并以铂电阻Pt100为例给出了传感器特性数学模型的建模步骤。计算机仿真结果表明了该算法在传感器特性建模过程中的有效性和优异性能。     

基于离散Hopfield神经网络的字母识别研究

基于离散Hopfield神经网络理论,对带噪声的字母识别进行研究。根据神经网络的联想记忆功能,在考虑实际情况的条件下进行模型建立,通过MATLAB软件进行函数创建与设计实现,并对结果进行分析,同时提出应用扩展。     

Self-Adaptive Output Tracking with Applications to Active Binocular Tracking

In this article we present a neurally-inspired self-adaptive active binocular tracking scheme and an efficient mathematical model for online computation of desired binocular-head trajectories. The self-adaptive neural network (NN) model is general and can be adopted in output tracking schemes of any partly known robotic systems. The tracking scheme ingeniously combines the conventional Resolved Velocity Control (RVC) technique and an adaptive compensating NN model constructed using SoftMax basis functions as nonlinear activation function. Desired trajectories to the servo controller are computed online by the use of a suitable linear kinematics mathematical model of the system. Online weight tuning algorithm guarantees tracking with small errors and error rates as well as bounded NN weights.     

一种航空发动机导叶角度调节器控制方法研究

航空发动机静子导流叶片角度数字电子控制系统的性能和可靠性对发动机的正常工作十分重要;为获得发动机的最优性能,提高飞行可靠性,并保证压气机工作稳定性,文章提出了一种基于RBF (Radial Basis Function)神经网络的PID控制器,构建了3层神经网络数学模型;在AMESim软件平台上,建立了该航空发动机导叶控制系统的数学模型,在Matlab/Simulink中搭建了RBF神经网络控制器;仿真结果表明,在相同参数设置下,本文所设计的控制器与传统PID控制器相比能够实现导叶角度调节器作动筒位移的更加快速、精确控制,表明该控制器设计方法是可行、有效的.     

前向傅立叶神经网络系统逼近理论及学习算法

定义了傅立叶神经元与傅立叶神经网络,将一组傅立叶基三角函数作为神经网络各隐层单元的激合函数,设计出一类单输入单输出三层前向傅立叶神经网络与双输入单输出四层前向傅立叶神经网络,以及奇、偶傅立叶神经网络,基于三角函数逼近论,讨论了前向傅立叶神经网络的三角插值机理及系统逼近理论,且有严格的数学理论基础,给出了前向傅立叶神经网络学习算法,通过学习,它们分别能逼近于给定的傅立叶函数到预定的精度。仿真实验表明,该学习算法效率高,具有极为重要的理论价值和应用背景。     

神经元PID控制器及改进算法的仿真研究

针对常规PID控制器有着对过程的数学模型过于依赖的局限性,导致许多过程控制效果不理想的问题,根据人工神经元的自学习功能构造了基于神经元的PID控制器,对其学习算法加以改进。选取二阶惯性环节加纯滞后为控制对象,建立了数学模型,并进行计算机仿真及对这几种控制方法的控制效果加以比较。仿真结果表明,该控制器将神经网络和PID控制规律融为一体,既具有常规肿控制器结构简单、参数物理意义明确的优点,又具有神经网络自学习、自适应的能力,取得比常规PID控制器更好的控制品质。     

Application of artificial neural network for determination of standard time in machining

The purpose of this article is to present the application of neural network for time per unit determination in small lot production in machining. A set of features considered as input vector and time consumption in manufacturing process was presented and treated as output of the neural net. A neural network was used as a machining model. Sensitivity analysis was made and proper topology of neural network was determined.     

一种实现灰箱系统故障定位的诊断技术

故障定位是故障诊断的关键之一,而神经网络 的训练和学习速度问题,一般不适用于通过在线学习而实现的动态诊断．本文提出一种以对 象可知部分数学模型为基础,结合输出补偿构造神经网络,建造基于神经网络状态观测器的 深知识诊断方法,实现故障隔离和部件诊断功能．网络补偿部分的联接权采用在线学习方法 ,具有快速的收敛速度和良好的跟踪特性．     

基于Petri网的工作流建模方法

将Ｐｅｔｒｉ网方法引入工作流模型描述,并针对工作流的特点对其进行扩展,提出功能网描述方法。使用功能网可使工作流模型得到方便、快速、合理的构架,同时为工作流模型的仿真研究打下坚实的基础     

一种新型神经网络在自由曲面重构中的应用

以层次划分和模块化为思想基础,提出了一种新型神经网络模型对自由曲面进行重构,即基于径向基函数（RBF）神经网络的混合网络模型。先后运用减聚类方法、正交最小二乘法、最大似然法对网络进行有无监督的混合训练,旨在解决大样本集的简化建模和快速训练问题,提高混合网络输出精度。实验结果表明该网络模型使得曲面的拟合精度有了明显提高。