压铸成型工艺设计与缺陷分析的神经网络模拟

对于误差逆传播 (BP)神经网络标准及改进型算法中的神经元联接权更新机制进行了分析。作为实际应用 ,基于MATLAB神经网络工具箱函数 ,研究了两个例子 ,一个是不同合金种类及不同复杂程度的型腔结构下浇注温度的选择 ;另一个是压铸工艺的缺陷分析。采用的算法分别为恒定学习率 附加动量项改进型BP算法和自适应学习率 附加动量项改进型BP算法。通过在实际模拟中比较这两种算法的训练效率 ,可得到结论 :自适应学习率 附加动量项算法是精确模拟压铸工艺映射问题的较为理想的方法。基于这一方法 ,文中最后给出了网络模拟测试的结果     

精轧宽展的神经网络预测方法研究

将附加动量法和自适应学习率调整法两种策略结合起来,既可有效地抑制BP网络陷入局部极小,又有利于缩短学习时间.并进行了离线训练及预测,与传统模型的预测结果相比较,结果表明利用BP网络纠偏可以大大提高精轧宽展的预测精度,为粗轧出口目标值的准确设定做好了充分准备,具有更高的实用价值.     

基于PCA-改进算法BP神经网络的软测量技术

本文在利用动量法和自适应改变学习率改进BP神经网络算法的基础上,针对网络权值调整时不容易跳出误差平坦区的问题,进一步对神经网络的学习算法进行了改进,引入一个陡度因子.并与主元分析相结合,形成了PCA-改进算法的BP神经网络.通过在塑料缠绕过程塑料张力预测中的仿真实验结果表明PCA-改进算法后的BP神经网络不但可以提高模型的精度而且也使网络的泛化能力得到了增强.     

基于改进BP神经网络的管外测量原油含水率研究

为解决多种因素对电磁电导法原油含水率测量准确性的影响,利用改进的BP神经网络处理温度、矿化度、传感器输出电压与含水率之间的关系。在电磁电导法采集数据的基础上,分别用启发式改进方法和数值优化BP算法预测了原油含水率,两种改进的BP算法均提高了预测原油含水率的精度和算法的收敛速度,而Fletcher-Reeves修正算法比自适应学习率动量梯度算法具有更好的效果,为设计智能化管外在线测量原油含水率仪表提供了理论和实验依据。     

神经网络结构与算法对变压器故障诊断的影响

BP神经网络算法本质上是基于梯度下降的一种迭代学习算法,存在学习收敛速度慢、收敛精度低、易陷入局部极小、学习率难以选取、隐层数及隐层神经元个数难以确定等缺陷。为了选择出更适宜变压器DGA故障诊断的神经网络结构及算法。本文采用了常用的几种智能算法对变压器故障样本进行了诊断性能对比实验。结果得出Levenberg-Marquardt神经网络算法是收敛速度较快的算法,有动量和自适应的梯度下降法是收敛稳定性较佳的算法;网络最优结构设计过程。为用于变压器DGA故障诊断的神经网络的结构和算法提供了系统化的试验方法。     

基于改进算法BP神经网络的软测量技术

利用动量法和自适应改变学习率改进BP神经网络算法的基础上,针对网络权值调整时不容易跳出误差平坦区的问题,进一步对神经网络的学习算法进行了改进,引入一个陡度因子.并把改进算法后的BP神经网络在盐酸浓度的软测量中做了仿真实验,实验结果表明陡度因子的引入不但可以提高模型的精度而且也使网络的泛化能力得到了增强.     

BP网络在优化机械加工参数中的应用

机械加工中的误差复映现象使加工参数的选择主要依靠工人的经验,为此,利用BP网的任意非线性映射能力,通过学习人的经验,实现机械加工参数的优化选择。分析了机械加工中误差复映问题的特点,利用改进后的BP网络算法的非线性映射能力,逼近误差复映系数与工件材料硬度、进给量等因素之间的非线性关系,对训练成熟的网络输入加工前毛坯误差、工件材料硬度等,可以输出满足加工要求的加工次数和各次的加工量。通过实例说明了采用附加动量法和自适应学习率改进后的BP算法收敛快,且不易限入局部极小值。在分析误差复映问题模型和比较不同网络结构的训练结果的基础上,确定了BP网络结构。通过在MATLAB中对网络的测试结果,验证了用BP网络实现优化机械加工参数的可行性。     

基于Elman神经网络的电力负荷预测模型研究

为提高电力负荷预测精度,文章采用Elman神经网络建立模型,提出了一种基于Elman神经网络的电力负荷预测方法,采用自适应学习速率动量梯度下降反向传播算法进行网络训练,对乌鲁木齐电网的实际历史数据进行了仿真,仿真结果表明,Elman神经网络对电力负荷进行预测具有收敛速度快,预测精度高的优点.     

独立自适应学习率优化深度信念网络在轴承故障诊断中的应用研究

对机械装备轴承等关键对象的健康状态监测正在步入大数据、智能化时代。传统的轴承故障诊断方法大多数依靠人工提取特征,这需要依赖于复杂的信号处理方法以及丰富的专业经验积累。深度学习方法作为一种可以学习数据深层次特征的新的机器学习方法,将其引入机械故障诊断领域,并对其运行效率、故障识别精度进行提升,将进一步提高基于深度学习方法在故障诊断领域的实用性。提出一种基于Nesterov动量法的独立自适应学习率优化的深度信念网络,引入Nesterov动量法代替传统动量法预测参数下降的位置,控制参数达到最优点的速度,避免了传统动量法引起的错过最优点问题;利用独立自适应学习率在梯度更新时自适应选择下降步长,加快模型训练,提高模型的泛化能力。试验结果表明,在诊断精度上,相比支持向量机和标准深度信念网络,提出的方法对不同载荷工况下轴承故障识别均获得了最高的精度;在运行效率上,相比现有一些优化算法,该优化模型能够稳定有效的加快模型训练速度,提升深度信念网络的泛化能力,有效地实现轴承故障诊断。     

BP神经网络计算丝杠螺母副摩擦系数的方法

利用Matlab系统建立了丝杠螺母副的摩擦系数与载荷之间关系的BP人工神经网络模型。并用trainbpx动量—自适应学习率调整算法进行神经网络学习训练 ,可使网络收敛快 ,误差小。网络输出结果与实验结果比较 ,有极好的吻合性。采用Matlab神经网络工具函数建立神经网络的方法简单方便 ,不失为摩擦学设计的有效计算工具     

基于改进重复算法的FFT变换的C语言实现

针对在DSP器件上直接用汇编语言编程实现快速傅立叶变换过于复杂,通用性差的问题,引出一种重复算法.该算法可以简化程序中的反序排列过程,利用C语言进行程序开发.并在重复算法的基础上,提出改进重复算法,引入基础矩阵模块化的概念,使快速傅立叶变换的编程趋向简单化和模块化,并且拥有良好的通用性.     

感应电动机非线性状态反馈控制系统自适应参数辨识研究

提出了一种对负载转矩进行实时估计的算法,并把根据有功功率模型、无功功率模型得到的转子电阻、定子电阻估计算法,以及该算法组合得到MIMO自适应参数辨识系统,应用于调速系统的反馈环节中.     

ANSYS焊接仿真中高斯热源加载算法研究

ANSYS焊接仿真中高斯热源的一般加载算法是:基于表参数的整面热流密度加载.介绍了其原理及具体实现方法,分析了该算法应用于较大模型仿真时的不足.设计了基于电弧有效加热区域的加载算法,阐述了其原理及其自动加载的实现.比较了两种算法的主要理论计算量及仿真实例的时间消耗,结果表明第二种算法效率更高.     

常规模糊控制系统的递归算法

分析常规模糊控制稳态误差成因,简单综述研究状况,对递归算法进行了理论和仿真研究,结果表明,递归算法是在常规模糊控制基础上的一种改善稳态性能的控制策略,有简单、查表法、高精度等优点。     

基于BP神经网络的铣齿切削功率计算方法研究

通过对物理样机的实验测量,借助MATLAB神经网络工具箱,将BP神经网络的理论和算法应用于铣齿功率建模的研究中。通过铣齿切削试验获取训练样本,对齿轮铣削功率的网络模型进行训练和测试。结果表明,人工神经网络能较准确地预测铣齿功率的大小,解决了传统经验公式误差较大的问题,为铣齿机床的传动设计提供了依据。     

一种改进免疫遗传算法及其对热工对象的辨识

本文在遗传算法和免疫算法的基础上进行了改进,取代了传统免疫遗传算法中的交叉操作,加入了克隆和突变的并行操作,实现了在较小和较大两个邻域的解空间中进行多点并行邻域搜索,从而使算法具有较强的全局和局部搜索能力。将改进的AIGA应用于热工过程辨识,运行代次少,时间短,启发性强,仿真结果证明了该方法的有效性。     

内燃机油清净分散剂间复合效的实验研究

本采用实验室模拟实验对内燃机油清净分散剂间的复合效应进行了探讨,以满足内燃机油良好的高,低温清净分散性能的要求,实验结果表明：由T109Mg与T115A按1：1调配而成的复合金属净剂和由T151与L117按2：1调配而成的复合无灰分散剂之间有良好的效应,二按一定比例调合的内燃机油复合清净分散剂具有良好的高,低温清净分散性能。     

PLC梯形图语言编辑功能的软件实现

利用Visaul C 开发PLC梯形图编辑功能的仿真软件，模拟PLC编程器的功能。该软件能够实现梯形图符号的编辑、语法检查、逻辑错误检查等功能，具有学习和应用的实际价值。本软件使用二叉树和链表数据结构，实现了梯形图语言和语句表语言的互换算法。     

血泵驱动电机调速系统研究

根据能量守恒原理,提出基于心室功的控制算法,设计了驱动血泵电机的调速系统。文中建立针对血泵驱动的电机调速模型,并进行仿真和实验。结果表明,该调速系统满足电机驱动要求,基于心室功的控制算法优于其它方法。     

基于多嵌入维数的时用水量LSSVM组合预测

为解决供水系统调度所需混沌时用水量高精度预测等问题,将最小二乘支持向量机(LSSVM)组合预测模型应用到城市时用水量预测中。在分析不同嵌入维数和预测方法对模型预测精度影响程度的基础上,提出了基于多嵌入维数的LSSVM组合预测模型。采用互信息法和G-P方法求取多个嵌入维数,并建立了不同相空间模型,通过LSSVM算法对上述多个预测模型进行了组合预测,既综合了各不同嵌入维数各预测方法下的信息,又对单一模型下的预测偏差进行了融合,以有效地提高预测精度;最后在某地进行了时用水量序列的仿真实验。研究结果表明,该模型预测精度平均误差小于2%,明显优于各单一模型的预测结果,证实了该组合模型的有效性和实用性。