改进Elman网络及其在水轮发电机组故障诊断中的应用

针对水轮发电机组故障诊断系统，分析了改进BP网络在故障诊断中的不足，提出了利用改进Elman网络进行水轮发电机组故障诊断的方法。该方法具有精度高、收敛快、可以避免局部最小的优点，从而为水轮发电机组故障诊断提供了一种更有效的方法。     

MATLAB7.0中改进BP网络的实现

BP神经网络广泛应用于非线性建模,模式识别等方面,针对BP网络收敛速度慢,计算量大等缺点,介绍了BP神经网络改进训练算法,利用MATLAB7.0中的神经网络工具箱提供的丰富的训练函数,对几种典型的BP网络训练算法的训练速度进行比较,给出了应用实例和注意事项。     

微机曲面造型软件AutoSurf简介

微机曲面造型软件ＡｕｔｏＳｕｒｆ简介北京金马正好软件技术开发公司汤志东，漆为民美国Ａｎｔｏｄｅｓｋ公司最新推出的基于ＮＵＲＢＳ技术的曲面造型软件ＡｕｔｏＳｕｒｆ使用户的微机变成了ＣＡＤ工作站．曲面造型在ＣＡＤ／ＣＡＭ领域中占据非常重要的位置。过去，这...     

改进Elman网络及其在水轮发电机组故障诊断中的应用

针对水轮发电机组故障诊断系统，分析了改进BP网络在故障诊断中的不足，提出了利用改进Elman网络进行水轮发电机组故障诊断的方法。该方法具有精度高、收敛快、可以避免局部最小的优点，从而为水轮发电机组故障诊断提供了一种更有效的方法。     

以调节阀为执行机构的神经网络投矾控制系统

重点介绍了在自来水生产中,在重力自流投矾条件下,投矾流量的自动化控制技术和实施方案,简要介绍了投矾全自动化运行系统的组成原理和采用调节阀控制投矾流量的特点,并对调节阀与计量泵的性能进行比较,为自来水厂的投矾控制技术提供了一个可行的新方案。     

电力系统仿真水轮机模型研究

目前电力系统仿真计算中水轮机模型均采用简化模型,难以准确反映水电机组的实际特性。通过分析水轮机调节系统数学模型,提出了一种递推水轮机线性模型,给出了其计算框图,并利用MATLAB/Simulink进行递推水轮机线性模型、非线性水轮机模型、IEEE推荐水轮机模型的仿真试验和对比分析。结果表明,递推水轮机线性模型可较好地描述水轮机的非线性与动态特性,计算结果与非线性模型及现场试验结果具有高度一致性。递推水轮机线性模型计算速度快、计算精度高,可作为电力系统动态仿真用模型。     

发电机励磁的非线性解析模糊控制

该文引入非线性函数建立了一种新的解析模糊控制器用于发电机的电压控制，并引入变结构控制的思想来进行附加励磁控制，建立了一种发电机模糊励磁控制器结构。并兼顾电压调节精度和增强阻尼要求进行电压控制与稳定控制的协调。对所论非线性解析模糊控制器的动态特性分析表明所论控制器为一本质非线性PID控制器。在控制过程中，所论模糊控制器的规则基于误差和误差变化率的大小在线调整。因而具有规则自适应的特性。实际使用时。无需进行控制规则的设计，只需根据工程控制经验对控制参数进行初选，简化了控制设计。仿真研究表明：所论模糊励磁控制器可以提高发电机的电压控制精度和电力系统的稳定性。     

PIN型Elman网络及在动态系统辨识中的应用研究

首先介绍普通改进E lm an动态递归神经网络的结构,重点讨论一种具有P ID特性的E lm an神经网络及其学习算法,并将改进E lm an网络和P ID型E lm an网络分别用于动态系统的辨识.无论是理想的数学模型还是实际工业模型,计算机仿真结果均证明,将P ID型网络用于动态系统辨识具有更好的逼近效果.     

基于Transformer的脊椎CT图像分割

目的 脊椎CT（computed tomography）图像存在组织结构显示不佳、对比度差以及噪音干扰等问题;传统分割算法分割精度低,分割过程需人工干预,往往只能实现半自动分割,不能满足实时分割需求。基于卷积神经网络（convolutional neural network,CNN）的U-Net模型成为医学图像分割标准,但仍存在长距离交互受限的问题。Transformer集成全局自注意力机制,可捕获长距离的特征依赖,在计算机视觉领域表现出巨大优势。本文提出一种CNN与Transformer混合分割模型TransAGUNet （Transformer attention gate U-Net）,以实现对脊椎CT图像的高效自动化分割。方法 提出的模型将Transformer、注意力门控机制（attention gate,AG）及U-Net相结合构成编码—解码结构。编码器使用Transformer和CNN混合架构,提取局部及全局特征;解码器使用CNN架构,在跳跃连接部分融入AG,将下采样特征图对应的注意力图（attention map）与下一层上采样后获得的特征图进行拼接,融合低层与高层特征从而实现更精细的分割。实验使用Dice Loss与带权重的交叉熵之和作为损失函数,以解决正负样本分布不均的问题。结果 将提出的算法在VerSe2020数据集上进行测试,Dice系数较主流的CNN分割模型U-Net、Attention U-Net、U-Net++和U-Net3+分别提升了4.47%、2.09%、2.44%和2.23%,相较优秀的Transformer与CNN混合分割模型TransUNet和TransNorm分别提升了2.25%和1.08%。结论 本文算法较以上6种分割模型在脊椎CT图像的分割性能最优,有效地提升了脊椎CT图像的分割精度,分割实时性较好。     

基于神经网络和Delphi语言的水厂智能投矾系统设计

神经网络目前在工业生产中尚很少应用.Matlab提供了强大的神经网络仿真工具,但在Delphi中无法直接调用.介绍Delphi环境中如何结合Matlab来开发神经网络程序,以及连接数据库以供神经网络学习并输出.该程序用在水厂智能投矾系统的设计中,经一年多运行,出厂水质符合要求,起到了良好的控制效果.