智能型静止进相器中单片机的系统设计

本文介绍了在整个智能型静止进相器系统中采用89C2051单片机作为控制部分的核心器件,根据控制规则给予具体的控制作用,并对缺相和热故障进行监测和报警。     

一种改进BP神经网络在感应电机速度控制中的应用

该文针对传统BP神经网络的不足，提出了一种改进BP神经网络速度控制器，并且应用于感应电机矢量控制系统。为了提高系统的鲁棒性，采用了在线辨识技术，对参数的变化实时补偿。计算机仿真表明，这种基于改进BP神经网络组成的感应电机矢量控制系统具有良好的性能。     

BP神经网络在水泥窑控制建模中的应用

水泥窑优化控制建模问题一直是自动化界急于解决的难题。文章利用神经网络的非线性映射、特征抽取和容错能力来解决水泥窑优化控制建模问题,建立了基于BP网络的窑优化操作二层回路控制方案,并针对在BP网络训练中可能出现的一些问题如收敛、局部极小、隐层节点数确定和训练样本集对训练影响等问题进行了分析讨论,并采用了相应的训练策略,以保证训练后网络具有较好的记忆和归纳能力。仿真结果证明了采用这种策略进行训练的正确性。     

基于BP神经网络的自适应控制

本文利用ＢＰ神经网络对被控对象进行在线辨识和控制。为实现自适应控制，本文对ｓｐｅｃｉａｌｉｓｅｄ ｌｅａｒｎｉｎｇ算法进行了改进，在此基础上，本文还提出了一种基于ＢＰ网络的自适应ＰＩＤ控制器。     

BP神经网络在数据挖掘中的应用

随着信息技术的发展以及数据库管理系统的广泛应用,作为系统数据支撑的数据库,其存储的数据量急剧增大。运用数据挖掘技术,可以提取到这些海量的数据背后隐藏着的许多重要信息。但是,目前在大量非线性、多目标的复杂数据挖掘中仍存在一些问题。而神经网络在处理非线性、多目标数据方面有着较大优势。因此,本文将神经网络与数据挖掘相结合,阐述了BP神经网络在数据挖掘中应用的关键技术及实现方法。     

神经网络在电机振动控制中的应用

基于干扰对消原理,利用多层前向神经网络对电气传动系统中存在的电机非线性振动进行控制。计算机仿真结果表明了该控制方案的可行性和有效性。     

BP神经网络在教学质量评价体系中的应用

教学质量评价是对教学质量进行过程控制的重要手段。采用多层前传网络结构（back-propaga-tionnet2workconstruction,BP网络）,测试教学质量评价体现的完整性,让教学质量评价系统更充分的体现其功能,希望能通过BP神经网络的自学习自识别模式理论更好的对评价的指标进行衡量,从而更好的对评价的结果的有效性、合理性进行把握。     

BP神经网络在入侵检测中的应用

针对传统入侵检测系统在误报率、漏报率上的缺陷,把神经网络应用于专业入侵检测系统中,利用神经网络的BP算法的学习能力和快速识别能力,实现了对用户行为的检测,最后给出了该算法的理论推导和算法的具体实现步骤。与传统的入侵检测算法相比,该方法的最小平均误差比传统算法的最小平均误差小,且学习速度快。实验结果也说明了该方法的快速性、有效性、稳定性。     

基于BP神经网络整定的PID控制

针对经典PID控制参数不能在线调整的缺陷,研究了一种基于BP神经网络的PID控制算法,利用BP神经网络具有的任意非线性表达能力,通过对系统性能的学习,实现具有最佳组合的PID控制。     

BP神经网络在教学质量评估中的应用

在传统教学质量评估方式的基础上,提出基于BP神经网络建立预测模型的方法,该方法适用于规则不可知的预测问题,用该方法对原有学校评估系统数据进行试验,结果表明．该方法性能好,可做为教学质量评估的一种有效手段。     

利用人工神经网络SNC进行最优励磁控制

BP神经网络是一种多层结构的映射网络。由于它计算简单、存储量小，并具有分布并行处理特性，所以是目前应用最广的一种模型。本文设计了一种BP神经网络的监督学习控制器（SNC），在线性最优励磁控制的基础上，利用3层BP神经网络对柴油发电机的控制过程进行监督学习。通过对网络的训练，使其能达到实时控制的目的。仿真结果表明，所设计的SNC在系统运行方式较大的变化范围内，都能提供很好的控制性能。     

基于BP神经网络的压力传感器静态特性数据融合

针对压力传感器在实际应用中受非目标参量(温度)的影响而导致其输出数据不仅仅与目标参量(压力)有关,提出了采用BP神经网络技术对其进行数据融合处理,以消除非目标参量对压力传感器输出的影响。研究结果表明,利用神经网络实现传感器数据融合消除非目标参量对传感器输出的影响是可行的。     

等离子喷涂过程的BP神经网络自适应控制*

分析了ＢＰ网络辨识器和控制器的常规训练方法存在的不足之处及其限制，提出了一种通过网格辨识器的灵敏度网络反传对象的误差来训练ＢＰ网络控制器的新方法，根据ＢＰ网络放自适应控制的相容性，提出了一种新的ＢＰ网络自适应控制结构，并利用ＢＰ网络辩识器的灵敏度网络训练ＢＰ网络控制器的思想，来调整ＢＰ网络控制器的参数，等离子喷涂过程控制模型的训练研究表明其效果良好。     

BP神经网络的改进

BP神经网络易于陷入局部最小点以及收敛速度较慢,为了克服这些缺陷,本文对BP神经网络进行改进。通过对BP神经网络的样本进行采样分析,得到训练目标函数与输入向量之间的相关系数,依据此相关系数得到网络训练时的初始权重,再给待训练的BP神经网络进行初始权重的赋值,通过对初始权重的科学赋值从而达到避免网络在训练过程中陷入局部最小点与加快收敛速度的目的。本文通过实际验证,确实达到预期目的。     

基于BP神经网络的加药控制系统研究

浮选是最重要的选矿方法之一,煤矿浮选工艺自动加药控制问题是影响浮选效果的重要因素;传统加药控制主要是由加药工根据生产经验来控制,为了解决浮选精度低这一问题,文中提出采用BP神经网络作为加药控制系统加药量的预测模型,并采用动量项方法对其进行优化,通过仿真得出动量项法网络和测试样误差曲线,说明带动量项改进的神经网络更容易满足网络精度的要求,并且该方法能够有效地降低误差、减小浪费。     

一种新的基于BP神经网络的拥塞控制算法

针对计算机高速互联网中发送端速率调节的问题,在一般网络模型基础上,将BP（Back Propagation神经网络运用到计算机网络的拥塞控制中,提出了一种基于BP神经网络的动态资源管理机制以解决网络的拥塞问题,对所提出的拥塞控制方案,进行了仿真分析,仿真结果显示,控制方案有较好的可扩展性,有效性,并使网络性能表现良好。     

BP神经网络PID控制算法在农作物干燥控制系统中的应用研究与设计

针对传统PID控制算法对于农作物烘干控制方法存在的不足,以实现对农作物高效、节能的干燥为目的,设计了一种基于BP神经网络PID控制算法的新型农作物干燥控制系统;系统采用DS18B20、SHT10为信息采集源,将采集到的温湿度信息传递到以C8051F340单品机为核心的控制器进行整个干燥过程的控制决策;算法仿真及实验结果表明,基于BP神经网络PID控制算法的控制器具有较高的精度和较强的适应性,最终可以获得满意的控制效果。     

基于PSO算法和BP神经网络的PID控制研究

针对PID控制中的参数整定的难点及基本BP算法收敛速度慢、易陷入局部极值的问题,提出利用PSO算法的全局寻优能力和较强的收敛性来改进BP网络的权值调整新方法,从而对PID控制的比例、积分、微分进行优化控制。该方法是在基本BP算法的误差反向传播的基础上,使粒子位置的更新对应BP网络的权值和阈值的调整,既充分利用了PSO算法的全局寻优性又较好地保持了BP算法本身的反向传播特点。仿真结果表明基于PSO算法的BP神经网络的PID优化控制具有较好的性能和自学习、自适应性。     

基于BP神经网络的贴片机运动精度控制

将BP神经网络PID控制方法应用于贴片机运动精度控制器设计;针对传统PID控制器参数难以整定等问题,提出了BP神经网络和PID控制器相结合的方法,该方法既有常规PID控制器结构简单的特点,又有BP神经网络自适应、自学习以及逼近任意函数的能力;首先根据伺服电动机的工作原理建立了电枢控制伺服电动机模型传递函数,在此基础上建立了贴片机单关节轴位置控制器模型传递函数;其次描述了BP神经网络和PID控制器相结合的控制模型,并对具体的控制算法进行了定义;最后利用MATLAB仿真工具对贴片机单关节位置控制进行了仿真;仿真结果表明,结合BP神经网络的PID控制系统提高了系统的稳定性、快速性和动态性能并获得很好的控制效果。     

基于BP神经网络PID的漂白温度控制算法的研究

本文讨论了使用BP神经网络PID控制算法,并且将这种控制算法应用在漂白工段的控制当中。利用神经网络自学习能力,在线整定PID控制参数。实践证明BP神经网络PID控制器具有实现简单,适应性强,具有较高的控制精度等特点。