模糊神经网络在热处理加热炉的应用

介绍一种基于模糊神经网络的热处理电加热炉控制系统。本系统操作方便、运行可靠,具有较强的鲁棒性和可靠性。     

模糊神经网络在矿井带式输送机火灾探测中的应用

介绍了一种由单片机控制的模糊神经网络火灾报警系统。该系统应用于矿井带式输送机火灾检测中。实测证明,能够针对火灾检测这种非线性结构对象做出准确判断,降低误报率、提高火灾探测的准确性。     

模糊神经网络在柱塞泵试验台中的应用

介绍了柱塞泵试验台控制系统的工作原理及测试系统的构建方式。通过使用工控机和数据采集卡实现测试数据采集、测试系统控制的自动化,大大提高了测试效率和测试精度。通过模糊神经网络实现了控制参数的实时更新,有效地提高了压力和电机转速的控制精度。仿真实验表明,该系统响应速度快、控制精度高、鲁棒性好,可以满足设计要求。     

模糊神经网络控制在交流调速系统中的应用

在异步交流电机各种调速方案中，由于三相异步电动机是非线性，多变量，强耦合的复杂被控对象，很难建立它的精确的数学模型，而用传统的控制理论方法去控制电机难以获得比较理想的结果。近年来，采用模糊神经网     

模糊神经网络在直接转矩控制系统速度调节器中的应用

直接转矩控制(DTC)是继矢量控制技术之后发展起来的一种高性能交流调速技术,是由德国的Depenbrock和日本的Fakahashi在1985年相继提出的。DTC采用空间矢量的分析方法直接在定子坐标下计算与控制交流电机的转矩,并借助于转矩两点式调节器把转矩限定在一定的容差范围内。DTC的控制效果不是取决于电机的数学模型是否精确,而是取决于转     

遗传神经网络预测模型在选矿中的应用

分析遗传算法（ＧＡ）及ＢＰ神经网络（ＮＮ）的理论基础,提出了ＧＡ与ＮＮ结合的主要方式和步骤。讨论了基于遗传神经网络的建模思路,主要针对矿石可选性预测、选矿生产指标预报问题,建立相应的遗传神经网络模型。论述了选矿数据预处理的方法和ＧＡ－ＢＰ神经网络的设计。通过实例验证,模型的预测精度达到９０％以上。     

神经网络模型及其在煤矿瓦斯预测中的应用

瓦斯事故是煤矿人员伤亡最多、影响最大的事故。准确预测瓦斯是防止事故、降低损失的基础。人工神经网络由于具有建模能力强，计算准确度高，善于处理模糊的、非线性的、含有噪声的数据等特点，能很好地解决瓦斯预测中的实际问题。简单介绍了神经网络的基本原理和学习算法，建立了基于该原理的BP应用模型，并通过实例进行了验证。     

模糊神经网络技术在煤与瓦斯突出预测中的应用

由于煤与瓦斯突出发生的内在机理的复杂性、突出影响因素与突出事件之间的相关规律的不精确性和模糊性, 使得基于经验的传统预测方法和基于数学建模的统计预测方法的应用都受到很大限制． 而具有表达、处理不精确信息和实现信息影射变换双重特性的模糊神经网络, 通过训练能够捕捉、把握影响突出的因素与突出事件之间的特定相关规律, 从而有望实现煤与瓦斯突出的正确预测．     

基于模糊神经网络的PID控制器在矿井局部通风机调速系统中的应用

针对矿井掘进工作面通风的特点,提出了一种基于模糊神经网络的PID控制方法,用以控制矿井局部通风机。该方法利用模糊神经网络来调整PID控制器的参数,能根据瓦斯浓度的变化自适应调整通风机的转速。仿真实验表明,该控制器较传统的PID控制器,在超调量和稳定时间上,效果都要好得多,具有适应性强、控制灵活、稳定性好等优点。     

小波-BP神经网络模型在地铁变形预测中的应用

为了能够及时对地铁变形情况做出有效预测,该文建立了小波-BP神经网络预测模型。通过与BP神经网络模型预测结果的对比,我们得到小波-BP神经网络模型比BP神经网络模型的预测结果精度更高,模型更稳定,能够为地铁变形监测提供更有价值的参考。     

模糊神经网络的发展与应用

模糊神经网络是将人工神经网络与模糊逻辑系统相结合的一种能处理抽象信息的网络,是控制理论中智能控制研究领域一个十分活跃的分支。模糊神经网络吸取了神经网络和模糊系统的长处,在处理非线性、模糊性等问题上有很大的优越性,在智能信息处理方面存在巨大的潜力,使得越来越多的专家学者投入到这个领域中来,并取得了卓有成效的研究成果。文章介绍了模糊神经网络的发展、优点、应用及其发展动向,论述了模糊神经网络目前的几个研究热点。     

模糊神经网络技术的发展与应用

对模糊神经网络技术的基本理论问题进行了论述, 讨论了模糊神经网络的理论研究现状、模糊神经网络软件技术发展现状以及目前在工程实际应用中仍存在的问题, 并对模糊神经网络将来的发展与应用作了展望。     

基于T-S模型的模糊神经网络在地下硐室超挖预测中的应用

以山东某隧道为例, 运用基于T-S模型的模糊神经网络, 结合相关影响因素对地下硐室超挖进行了预测。预测模型根据工程实际情况选用了199组数据, 其中179组数据作为训练样本训练网络, 20组数据作为测试样本验证模型的预测结果。通过计算, 基于T-S模型模糊神经网络超挖预测的相关系数为0.962 8, 均方差为0.449, 平均相对误差为6.33%。与BP神经网络和回归模型的预测结果进行了比较分析, 结果表明基于T-S模型的模糊神经网络预测效果最好, 能精确预测地下硐室爆破超挖量, 对控制超挖量具有重要意义。     

节能型钢壳铝芯阳极爪节电效果

分析钢壳铝芯阳极爪结构和制造工艺,对比已推广应用钢壳铝芯阳极爪与铸钢爪的节电效果.对存在的问题提出了解决方法并取得了良好效果.     

神经网络在矿山巷道安全预测中的应用

采场巷道的安全预测包含众多的模糊性、不确定性和知识的不完备性，应用神经网络模型的学习能力，进行巷道在掘进过程中的安全状态预测。为矿山安全生产和事故预测奠定了基础。系统在金川二矿区的应用表明，该系统具有较好的适用能力。     

基于BP神经网络的拉斗铲生产能力预测

在分析拉斗铲生产能力影响因素的基础上,选取实动时间、炸药单耗和采装周期3个因素作为BP 神经网络的训练参数建立BP神经网络预测模型,并利用MATLAB实现网络的训练和预测。预测结果表明,BP神经网络能够较好地预测拉斗铲的生产能力,预测输出与实际输出之间的相对误差一般小于10%,预测精度达到了工程要求。     

基于神经网络的综放工作面生产能力预测模型

运用人工神经网络的理论方法分析了影响综放工作面生产能力的主要因素,并创建了综放面生产能力神经网络预测模型。采用所建立的预测模型对多个综放工作面进行了预测,预测结果看与现场实际情况相吻合,预测的误差最大值为9．1％,证明所建立的模型对预测综放工作面生产能力具有可靠性和适应性。     

神经网络在地应力预测中的应用研究

针对线性回归法在地应力拟合精度不高的问题,通过利用神经网络法和线性回归分析法对沁水盆地南部地区的地应力进行预测并分析。结果表明,基于神经网络算法的地应力预测值与实测值拟合更好,并证明了神经网络在地应力预测中的应用更符合工程设计要求。