基于多级神经网络的盾构法隧道施工参数优化

在盾构法隧道施工中,合理地设置施工参数、确保地面沉降控制在一定的范围之内是实际施工中最为关注的问题.本文将盾构推进的过程划分成七个阶段,每个阶段用一个神经网络进行模拟,在此基础上构造成多级神经网络,拟合盾构法隧道施工中施工参数与地面沉降之间关系的数学模型. 最后根据保证质量、兼顾效益和效率的目标,采用遗传算法进行施工参数的优化匹配,并提出了相应的控制方案.该方法已在多项工程项目中得到使用. 结果表明,此方法对工程实际施工有很好的指导作用 .     

基于神经网络的公路隧道通风控制

研究并设计了一种基于神经网络和专家系统的公路隧道通风智能控制系统。控制系统在原反馈信号——污染物浓度基础上,加入了车流量和车速前馈信号,并通过改进的BP神经网络预测污染物浓度,合理的完成了对通风设备的控制。结果表明,该系统优于传统的分级式反馈控制方法。     

参数化活动循环图及其在盾构隧道施工仿真中的应用

盾构法施工带来的地表沉降会对周边环境造成影响,施工参数的设定会影响沉降值。采用计算机仿真的方法能够预测施工造成的地表沉降,但尚不能自动优化施工参数。该文在传统活动循环图的基础上,提出了参数化活动循环图的仿真模型,建立施工活动-环境互动、施工活动之间互动的盾构隧道施工动态仿真系统,并将其应用于某穿江隧道工程。结果证明,参数化活动循环图模型具有反馈施工影响、自动优化施工参数的作用,能够指导盾构法施工。     

基于神经网络非线性模型的多级工作点阶跃响应扩展DMC预测控制

利用前馈神经网络建立对象的非线性预测模型,在不同工作点做阶跃响应,建立其局部线性模型,用隶属函数将局部线性模型加权得到全局线性模型,全局线性模型用于滚动优化,非线性模型用于预测系统输出和校正线性模型,实现非线性预测控制,仿真结果表明该方法控制效果良好,可满足实时要求。     

T-S模糊神经网络应用于变参数系统的控制研究

针对基于模型的传统控制策略在线性时变系统中的应用受到系统的时变性和不确定性限制,通常难以获得理想的控制性能这一问题,提出了线性时变系统的一种变参数系统模型。该模型具有有界性和不确定性特点,利用模糊神经网络具有的自学习能力强、模型依赖性小以及鲁棒性强的优点,提出一种基于遗传算法的T-S模糊神经网络控制器对其进行控制研究,并通过仿真实验证明了该模糊神经网络控制器对变参数系统控制的可行性与有效性,为线性时变系统的控制问题提供了一种新思路。     

用HCM聚类和遗传算法实现多级模糊神经网络

模糊集理论适用于一些实验数据中不确定性和模糊性的建模问题,而模糊推理系统拥有模糊IF-THEN格式的结构化知识表示,但缺少适应性。神经网络本身具有对外部很强的适应性和从过去数据中学习的机制,但基于线性推理的模糊神经网络(FNN)模型作为模糊推理方法不能得到存在于参数间的最终关系,也不能影响接着发生的模糊集合。因此,我们提出了一个多级模糊神经网络(Multi-FNN),使用硬C均值聚类和进化模糊颗粒,利用处理为近似推理的一个线性推理,获得信息微粒和模糊集之间的关系。     

基于多级模糊神经网络的故障诊断在化工生产过程中的应用

化工生产过程一般都非常复杂，如柠檬酸蒸发。由于控制回路与测控参数很多，生产过程的故障检测与诊断问题非常困难，难以做到实时检查，得到其故障信息。所以本文提出一种基于神经网络的多级故障诊断系统。采用三级递阶模糊神经网络，降解整个系统故障诊断问题的复杂性，同时采用所有子神经网络全局并行的推理方式，具有快速处理能力，适合系统实时在线故障诊断。     

基于时空特征区域神经网络的施工隧道沉降量预测

针对隧道施工过程中沉降量精准预测问题, 提出了一种基于时空特征区域神经网络的施工隧道沉降量预测方法. 依据当前隧道地表下沉量, 通过有效融合多维空间特征量, 对未来的演化趋势做出合理预测. 以白家庄隧道栾川端的地表观测数据为例, 对所提方法的预测性能进行算例分析. 结果表明: 所提预测方法对隧道地表沉降量数据均有较准确的预测效果, 且预测结果也具有一定的鲁棒性. 研究可应用于实际隧道施工的监测管理过程.     

基于GA的BP神经网络在本安参数评定中的应用

本质安全参数评定是本质安全防爆技术的核心内容.针对传统的本质安全参数评定方法存在较多局限性的现状,提出了一种基于遗传算法(GA)的BP神经网络本质安全参数评定模型.讨论了影响火花点燃能力的主要因素,建立了BP神经网络模型.该模型采用GA对神经网络的初始权值和阈值进行优化,以避免可能的局部搜索最小现象.仿真结果表明,该方法可有效预测本质安全参数.     

基于GA优选参数的RBF神经网络水质评价

为进一步提高多光谱图像水质反演的评价精度,提出一种基于遗传算法(GA)优选参数的径向基函数(RBF)神经网络水质评价方法.利用高分辨率多光谱遥感SPOT-5数据和水质实地监测数据,得到符合条件且具有代表性的4类水质变量,对RBF神经网络进行训练和测试,用遗传算法对RBF神经网络的参数进行优化.在训练好的RBF神经网络模...     

盾构机机械类故障诊断研究进展综述

盾构机在运行过程中不可避免地会发生故障,这些故障中以机械类故障较为常见,对盾构机进行状态监测与故障诊断是保证其掘进作业安全、高效的重要手段。详细论述了盾构机刀具磨损、轴承、液压等常见机械类故障及相应的诊断方法,分析了各类故障诊断存在的问题并提出了相应的解决方案。最后对盾构机机械类故障诊断技术进行了建议与展望,并指出在故障诊断系统生态技术框架下,实现盾构机机械类故障诊断的信息化和智能化将会是盾构机未来的发展目标。     

基于遗传算法的无刷直流电机控制参数优化

基于Simulink平台建立无刷直流电机双闭环控制系统仿真模型,对其双闭环均采用带限幅输出的积分分离PI调节器,利用基于实数编码的改进遗传算法对传统试凑法得出的转速环的准最优PI参数进行优化,其适应度函数充分考虑了系统的误差及控制量,得出了最优的PI参数.解决了不能准确用数学方法来描述的系统,在Matlab中可以用遗传算法实现其控制.经仿真分析表明,应用遗传算法可以快速的得到控制模型的最优参数,比传统方法相比具有更快的动态响应和更高的调节精度.     

基于人工情感控制系统的设计与实现

人工情感在机器人的研究中至关重要,文中简要概括了当前人工情感的应用;我们在借鉴生物系统控制理论的基础上,融入了进化控制的思想,设计了一种基于人工情感的控制体系结构,在此结构中包含有基于蚁群算法的进化控制系统、神经和人工情感控制系统;机器人通过神经系统接受环境信息并进行行为决策,行为决策的效果通过情感学习模型进行反馈;情感学习模型根据机器人的内、外环境状态,产生情感因子(即生物激素),再由情感因子来调节神经系统的记忆和行为决策,最后神经系统的记忆与行为模块又由进化系统得以继承;该控制结构加强了机器人在动态环境中的学习和自适应能力;为了验证该控制结构的有效性,文章做了仿真实验;仿真结果也表明机器人具有很强的学习和自适应能力.     

基于人工神经网络的工程招投标管理研究

结合人工神经网络基本理论,介绍了它在工程招投标的招标价格、风险因素分析以及竞标单位资格审查等方面的应用,指出利用人工神经网络具有的高度的并行处理和可完成复杂的输入输出的非线性映射能力,不仅可以保证高的中标率,为决策者提供有力的支持和帮助,且可避免招标过程中不确定性因素的影响。     

基于Matlab与．Net的神经网络推理应用

介绍了人工神经网络技术的基本概念,及其在Matlab6.5环境下的实现方法,探讨了Matlab与.Net开发平台的接口。最后以机械故障诊断为应用案例,说明了如何开发基于两个不同环境的故障诊断系统,得出了结合.Net框架和Matlab6.5环境解决工程技术领域问题的具体方法,并展望了此方法的应用前景。     

ANN构造性设计中基于GA优选神经元激活函数类型

构造性设计是ANN设计的发展方向之一。全面的高质量的ANN学习应包括神经元激活函数类型的自动优化。该文在构造性设计的框架内讨论了如何实现典型前馈网络的包括神经元激活函数类型在内的全面学习。首先,提出了典型前馈网络的一种构造性设计方法的原理和算法框架,把整个网络的设计分解成了一个个单个神经元的设计问题;然后提出了基于GA的能实现激活函数类型优选的单个神经元的设计方法。大量函数拟合的仿真实验显示:与其它几种激活函数类型不优选的常见ANN设计方法相比,该文提出的方法更有效,能用较小的网络结构获得较好的泛化性能。     

基于遗传算法的PID参数优化设计

本文应用遗传算法对ＰＩＤ控制器参数进行了优化设计，在构造遗传算法框架时，采用了最佳保留选择机制、两点交叉、重新生成个体策略以及由简易经验公式生成初始群体等方法。经过数字仿真，验证了该算法的有效性和合理性。     

基于混合神经网络与遗传算法方法的注塑参数优化

建立了基于混合神经网络与遗传算法方法的注塑工艺参数优化系统,用Matlab语言编制了应用程序,对神经网络的参数预测与遗传算法的优化过程进行求解。将网络预测结果与CAE模拟结果进行比较和误差分析,显示出BP网络的稳定性和可靠性;优化结果经CAE模拟和实验验证,证明是正确的,表明基于混合神经网络与遗传算法方法的注塑工艺参数优化方法是可行的。     

基于ANN/HMM的中国手语识别系统

手语是聋哑人使用的语言。它是由手形动作辅之以表倩姿势为符号构成的比较稳定的表达系统,是一种靠动作／视觉交际的特殊的语言。一方面,手语识别可以作为健全人与聋哑人之间的翻译,为聋哑人提供更好的服务;另一方面,作为人体语言理解的一部分,手语识别可作为人机交互的一种手段。该文实现了基于ANN／HMM的手语识别系统,采用ANN方法建立了关于手形、位置、方向的特征映射器,并在建立手形特征映射器的过程中,给出了多特征多分类器融合算法。实验证明,基于ANN／HMM的手语识别系统是可行及实用的。