基于小波神经网络的图像表述

小波神经网络有机地融合了小波分析的时频特性和神经网络自适应优点。本文将小波神经网络应用于图像表述，提出相应的图像表述算法。分别采用两种小波函数作为网络激励函数，以验证图像表述效果。实验结果表明，小波神经网络能够有效地表述图像，其算法具有较强的鲁棒性。     

基于小波神经网络的凝汽器故障诊断

引入小波变换优化神经网络,建立了凝汽器故障征兆参数集,利用小波神经网自适应能力强、收敛速度快、精度高的特点对凝汽器故障进行诊断。应用结果表明,该方法能够有效地对凝汽器故障进行准确诊断。     

基于小波神经网络的电力变压器故障诊断

电力变压器是电力系统中的重要组成部件,它的性能是否优越直接影响着整个电力系统的可靠安全运行。特别是对于高压电气设备而言,如何能够快速、正确的寻找并解决电力变压器发生的以及潜在的故障非常重要。本文以神经网络原理为基础,结合小波分析方法,研究电力变压器的故障诊断问题。     

基于小波神经网络的温度传感器非线性补偿研究

针对热敏电阻温度传感器应用中存在的非线性问题,提出了应用小波神经网络实现其非线性补偿的方法,介绍了非线性补偿的原理,完整的推导了小波神经网络训练过程。实验结果表明,该方法补偿精度高,优于BP神经网络。     

基于小波-BP神经网络的发动机轴承故障诊断

本文针对发动机滚动轴承故障振动信号的非平稳特征,提出了一种基于小波包变换与神经网络的滚动轴承故障诊断方法。由于滚动轴承发生故障时,加速度振动信号各频带的能量会发生变化,以振动信号小波分解后的能量信息作为特征,以神经网络作为分类器对滚动轴承故障进行识别、诊断。通过对滚动轴承的正常状态、滚珠故障、内圈故障和外圈故障信号的分析,表明以小波包分解为预处理器的神经网络故障诊断方法可以准确、有效地识别滚动轴承的工作状态和故障类型。     

基于DDE和小波分析的神经网络故障诊断

应用DDE技术对小波分解后的故障信号进行特征提取 ,利用BP网络进行故障诊断 ,并给出了齿轮箱的故障诊断实例 ,实验证明 ,此方法能取得较好的效果。     

基于紧致型小波神经网络的往复泵故障诊断

为了对往复泵的故障进行正确诊断,提出基于紧致型小波神经网络的往复泵故障诊断方法。以往复泵单个泵缸内的压力信号作为系统特征信号通过小波包分解来提取故障特征向量,同时将此特征向量作为小波神经网络的输入,利用小波神经网络对故障做进一步的精确实时诊断。通过对往复泵液力端多故障诊断实例的检验表明,该系统故障诊断正确率达到94 %以上。     

基于弹性小波神经网络的故障诊断研究

航空电源系统是机上设备的重要组成部分,任意一个环节出现故障,将会影响整个飞机系统的正常安全运行.针对神经网络收敛速度慢,易陷入局部最小的缺点,将小波神经网络结合弹性BP算法应用到电源系统故障诊断中.训练过程及仿真结果表明:小波神经网络故障诊断算法收敛时间方面表现更优,具有较高故障诊断率.     

框架结构连接损伤识别神经网络输入参数的确定

神经网络已越来越多地被用于基于振动的结构损伤识别。而如何选择输入参数还是一个值得研究的问题。本文提出了一种由 频率与少数点的模态分量合成的组合参数，作为神经网络的输入向量，以克服单独使用某种参数的缺陷。通过一个六层框架的数值模拟和一个两层框架的实验验证，表明本文提出的组合参数对框架结构的连接损伤识别是实用可行的。     

基于小波神经网络的农药荧光光谱识别

有些农药结构相似,它们的荧光光谱在很大波长范围内相互重叠.多组分混合时,传统的荧光光谱分析法很难对其进行分类识别.介绍了一种基于小波分析构造的新型神经网络--小波神经网络,利用它并适当选取网络结构和小波基,实现了对卡死克、盖虫散和吡虫啉三种农药荧光光谱的分类识别.在小波神经网络中,采用Morlet母小波和一维搜索变步长共轭梯度优化方法.实验表明,小波神经网络对光谱间的细微结构差别具有良好的识别能力.通过比较发现,在分类识别方面,小波神经网络比BP网络具有更高的分辨率及较少的训练次数.     

基于小波神经网络辨识器的模糊神经自适应控制在VAV空调系统中的应用

针对空调温度控制的大惯性、大滞后、非线性等特点,提出采用基于小波神经网络辨识器的模糊神经自适应控制的中央空调房间温度控制器的设计方案。由于小波神经网络的非线性映射能力比一般神经网络要强,所以基于小波神经网络的辨识器可以获得很高的辨识精度。而且,模糊神经自适应控制器随着系统动态特性的改变可以在线改变其控制规则,从而进行客观准确的控制。与普通模糊控制方法相比较,仿真试验说明系统设计的有效性。     

应用神经网络模型对大学毕业生就业质量的预测

目的:尝试应用BP人工神经网络模型预测大学毕业生的就业质量。方法:以476名大学毕业生为研究对象,将毕业生的各种心理特质作为预测因子,利用Clementine数据挖掘软件构建大学毕业生就业质量的BP人工神经网络模型。结果:神经网络模型的拟合精度达到99.98%,对就业质量的平均绝对预测误差值为0.083。结论:该神经网络模型可用来预测和诊断大学毕业生找到工作后的就业质量,为就业指导工作提供技术与理论依据。     

基于卷积神经网络的热轧薄板力学性能建模

目的 为了提高热轧薄板力学性能的预测精度,采用大数据与卷积神经网络相结合的方式建立高精度的预测模型.方法 建模前,对工业大数据进行预处理,包括去除异常值、聚类、均衡数据以及归一化,以得到高质量的数据集.同时,采用贡献权重法对输入参数进行筛选,去除弱相关的变量以降低模型的复杂程度.在此基础上,采用LeNet-5结构建立卷...     

西昌 2050 热轧板形控制研究

对热轧板形控制系统的控制逻辑进行了较为系统的分析,并根据Townsend曲线与西昌2050热轧压下规程,结合实际试验,表明在生产过程中,第2架精轧机组(F2)、第3架精轧机组(F3)是凸度调节的最佳区域。F2,F3出口的板形控制对成品板形起决定性作用。从F4以后,必须严格遵守板凸度一致的原则,不能轻易调整凸度量,否则将极大地破坏带钢的平直度。     

基于免疫克隆和径向基函数神经网络的铝热连轧张力控制研究

针对河南某公司"1+4"铝热连轧机组机升级改造过程中产生张力波动问题,分析了影响张力波动因素,模拟张力建立过程,构建出连轧张力控制系统框图。对于使用常规PID控制难以满足精度要求,提出了利用免疫克隆算法对PID控制器初始参数进行优化,然后与径向基函数神经网络复合进行在线控制,解决了控制过程中难以根据张力的波动在线调整控制器参数的问题。仿真结果表明,复合控制器的使用大幅度地减小系统超调量、过渡时间,降低了机架间张力耦合程度。     

基于人工神经网络的微合金钢热轧奥氏体晶粒尺寸模型的研究

基于人工神经网络原理,对微合金钢热轧控制参数的选取进行了研究,利用Gleeble-1500热力模拟机提取了轧制温度,应变量,应变速率和相应的应力应变曲线,并通过显微组织观察获取了实验后样品断面的奥氏体晶粒尺寸,通过归一化把实验所得数据进行处理,采用BP算法训练网络,对热轧控制参数（轧制温度,应变量,应变速率）和奥氏体晶粒尺寸之间的映射关系进行了函数逼近,建立了奥氏体晶粒尺寸神经网络模型,根据网络估测的结果可定量地进行热轧控制质量预报。     

Stock Price Prediction Using Predictive Error Compensation Wavelet Neural Networks

Machine Learning (ML) algorithms have been widely used for financial time series prediction and trading through bots. In this work, we propose a Predictive Error Compensated Wavelet Neural Network (PEC-WNN) ML model that improves the prediction of next day closing prices. In the proposed model we use multiple neural networks where the first one uses the closing stock prices from multiple-scale time-domain inputs. An additional network is used for error estimation to compensate and reduce the prediction error of the main network instead of using recurrence. The performance of the proposed model is evaluated using six different stock data samples in the New York stock exchange. The results have demonstrated significant improvement in forecasting accuracy in all cases when the second network is used in accordance with the first one by adding the outputs. The RMSE error is 33% improved when the proposed PEC-WNN model is used compared to the Long Short-Term Memory (LSTM) model. Furthermore, through the analysis of training mechanisms, we found that using the updated training the performance of the proposed model is improved. The contribution of this study is the applicability of simultaneously different time frames as inputs. Cascading the predictive error compensation not only reduces the error rate but also helps in avoiding overfitting problems.     

适用于轧钢过程的计算机控制系统

轧钢自动化,特别是带钢热连轧自动化,要求计算机控制系统具有高速控制、高速通信能力。为了推动我国轧钢自动化技术的发展,在分析国外系统发展的基础上,自行设计和集成了适用于"快速"过程的分布式计算机控制系统,这一系列已在几台热连轧机上得到应用,文章对这一系统进行了介绍。