RBF神经网络在超高压釜内油温软测量中的应用

依据200MPa超高压釜内介质温度间接测量的实际问题，通过研究RBF神经网络的特点，建立了超高压釜内油温的RBF神经网络软测量模型，并进行了仿真实验。结果表明：该方法可实现超高压釜内介质温度的软测量，为其进一步地推断控制奠定了基础。     

浅谈神经网络在加热炉温度控制中的应用

根据加热炉的特点和温度控制要求,设计了基于RBFNN(RBF Neural Network)辨识的PID控制器,仿真结果与PID控制和基于BPNN(BP Neural Network)的PID控制相比较,显示出本文设计的控制器具有良好的控制性能。     

BP神经网络在零件在线测量中的应用

结合计算机视觉和神经网络技术,提出了一种不同于常规接触式测量的非接触式测量方法.用这种方法可以由计算机视觉系统得到零件的三维立体像对计算出零件表面的三维坐标.实验证明该方法完全能满足自动化生产中零件在线测量的要求.     

RBF神经网络在非线性系统辨识中的应用研究

用RBF神经网络代替BP神经网络 ,通过函数逼近完成对非线性系统的辨识 ,然后结合RBF网络的特性在RBF网络的泛化性能的提高方面进行了分析研究 ,并结合实例仿真进行检验     

RPCVD SnO_2薄膜气敏元件初探

本文介绍用等离子体激活化学气相淀积(RPCVD)方法在平板陶瓷基片上淀积纯SnO_2,得到稳定性好,工作温度低及灵敏度高的薄膜气敏元件。研究了该元件对H_2、C_2H_5OH,LPG 及CO 等气体的气敏效应,以及元件的稳定性和湿敏特性。提出了采用分子筛选膜的多层结构来改善选择性的设想。与烧结型元件相比,肯定了薄膜型元件是一种很有希望的气敏元件。     

改进BP神经网络在汽车换挡机械手运动轨迹测量中的应用

针对换挡机械手机构特性,采用Levenberg-Marquandt算法设计了3层改进BP网络模型.以标定数据中的一部分作为样本对上述神经网络进行训练、仿真并预测另一部分数据,经过对结果的误差分析和与采用其他算法比较,验证了改进BP网络模型的有效性和精确性.其算法可成功应用于机器人系统中.     

基于RBF神经网络的球磨机负荷软测量

分析了球磨机负荷测量的现状,提出了基于并行RBF神经网络测量制粉系统球磨机磨筒内负荷的软测量方法,给出了相应的系统结构和算法.现场实测数据计算实例显示了该方法良好的测量性能.     

SVM软测量在明胶浓度检测中的应用

在明胶生产的提胶工艺中,明胶浓度的是一个很重要的控制参数,但目前的检测手段多为离线人工检测,影响了生产效率和产品质量。该文采用软测量的方法对明胶浓度进行计算和估计,分别采用RBF和SVM的方法建立软测量模型。实验结果表明,应用软测量的方法可以很好的实现胶液浓度的检测,且SVM模型简单,响应速度快,可作为应用软测量实现明胶浓度在线检测的有效方法。     

基于BP神经网络的动态液位测量

文中介绍了利用BP神经网络的高度非线性逼近能力,解决连续搅拌反应釜动态液位测量问题。包括BP的基本算法及其应用体会,建立符合实际的动态液位测量网络模型的过程,并给出应用该网络模型实际测量液位的结果。     

两种神经网络在注塑产品工艺参数确定中的应用

汽车外饰件的塑料化趋势对注塑模成型质量提出了更高要求.为解决传统CAE方法需多次试验才能得到较优工艺的缺点,以一汽车观后镜为研究对象,建立了基于人工神经网络的从注塑工艺参数到注塑翘曲量的非线性映射关系,并对比了两种经典的前馈神经网络(BP网络和RBF网络)的学习能力,从而实现用神经网络模型代替CAE软件获得注塑翘曲量.研究结果表明,该方法能有效地缩短优化工艺参数的时间,提高了工艺设计效率.     

BP神经网络在倾角传感器数据融合中的应用

针对电解质型倾角传感器对倾角和温度的交叉灵敏度问题,采用BP神经网络法对其输出电压进行数据融合,以消除温度对电解质型倾角传感器的影响。通过实验标定了传感器在各种温度环境下的电压输出,构建了神经网络对其进行数据融合。结果表明:该方法能很好地抑制倾角传感器的交叉灵敏度,提高了其测量准确度。适合高精度要求下平台倾角测量。     

基于混沌理论和神经网络的瓦斯浓度预测研究

针对瓦斯浓度的非线性和混沌时间序列可预测的特点,根据Takens理论重构瓦斯浓度相空间,分别采用互信息最法计算时间延迟τ,G—P算法计算嵌入维数m,并采用BP神经网络对混沌时间序列进行预测,最后通过煤矿瓦斯浓度预测的实例说明预测结果,从而成功实现了对瓦斯浓度的预测。     

混合气体检测中纳米多孔膜晶振传感器的应用

就混合气体中某些成份含量的定性与定量检测问题,设计了纳米多孔膜晶振传感器与神经网络相结合的智能气体检测分析系统。该系统以纳米材料多孔膜附于石英晶振之上作为感应元件,传感器对不同气体产生不同的振荡频率,表现出较好的选择性,同时亦存在交叉敏感性问题。为此采用了具有GA—BP处理算法的神经网络,通过训练建立起最佳结构,解决混合气体检测中的交叉敏感难题,进而获得比较精确的辨识输出结果。实验结果表明,这是一种可行的混合气体测试分析方法。     

神经网络在激光位移传感器误差补偿中的应用

为降低入射角对激光定位移传感器测量精度的影响,提出一种新型的误差补偿方法：先采用ＢＰ神经网络实现测量误差与法矢章动角和进动补偿方法可有效地提高激光位移传感器的测量精度。在此基础上,提一步提出了自由工面测量误差的补偿方法。     

基于BP和RBF神经网络的滚动轴承故障诊断比较

通过仿真实例,应用BP和RBF神经网络对滚动轴承的故障诊断进行了比较研究,结果表明,BP网络和RBF网络仿真效果都比较理想,但RBF网络构建简单,训练速度快且比较稳定,体现了RBF神经网络的优越性。     

BP神经网络的实现及应用

研究了BP神经网络的实现方法和在材料科学上的应用。BP网络经大批样本训练以后，能够对材料性能进行比较精确的预测，这有利于提高试验效率，降低试验成本。     

径向基神经网络在三维激光切割中的应用

分析了RBF神经网络的特点，并研究了它在三维激光切割中的应用，利用该神经网络及其变形可以预测切缝的宽度，也可以根据输入参数对试样的挂渣与否进行判定。比较了三雏激光切割中切割倾角和切割方向对切割质量的影响，从而实现切割质量的预测和优化工艺参数的选取以指导实际的切割过程。     

神经网络在火药气体作用系数计算中的应用

在火炮反后坐装置设计中,由于火药气体作用系数难以准确计算,因此设计了一种新型权函数神经网络模型,提出了一种计算火药气体作用系数的新方法,将先验知识引入到该神经网络中可以减少计算量。在权函数神经网络中,增加加权系数调整层对先验知识的权重进行调整,提高了网络的泛化能力。网络的训练和测试结果表明,改进算法的预测结果较BP神经网络和径向基函数神经网络的更好。     

基于自适应遗传BP算法的混合气体定量检测研究

针对混合气体检测问题,利用误差反向传播(BP)算法和遗传算法,提出了用自适应遗传算法优化BP神经网络的方法来实现定量检测.即利用遗传算法的全局搜索能力,对神经网络连接权值和阈值进行优化,再以优化后的初值作为BP神经网络的初始连接权值和阈值,最后用附加“动量项”的误差反向传播算法训练BP网络.设计了一个结构为7×18 ×3的3层BP网络用于一组含有5个样本的混合气体识别试验.结果表明:将自适应遗传神经网络算法应用于混合气体定量识别的训练中,收敛速度比附加“动量项”BP算法要快,而且学习精度更高,识别效率也提高了2/3.