基坑变形人工神经网络预测及其网络参数优化

基坑变形人工神经网络预测受网络参数的影响较大,选取适当的网络参数才能得到较优的预测结果.本文介绍了人工神经网络原理及其网络参数的优化方法.以挡土桩桩顶水平位移预测为例,说明其具体预测步骤及网络参数优化方法.     

黄金生产工艺参数的优化

本文探讨了神经网络与遗传算法相结合协同求解黄金生产工艺参数的优化问题。该方法既利用了神经网络的自学习、自适应非线性映射和预测功能，又利用了遗传算法的全局优化特性，实例证明该方法是合理的、可行的。     

爆破参数优化的遗传算法

在爆破块度理论分析的基础上建立了爆破参数的遗传算法模型 ,通过实例说明了利用遗传算法优化爆破参数的可行性。     

水平带式输送机机架参数化建模与动态优化

为了提高带式输送机的输送效率和运行稳定性,利用APDL语言建立了机架的参数化有限元模型。以多个结构参数为设计变量,采用零阶方法对其动态特性进行优化设计。优化结果使机架的基频增大到31.898 Hz,比优化前提高了41.17%,消除了前5阶固有频率和振型,有效增强了机架的抗振性。     

基于有限元建模和组合优化策略的复杂结构优化设计

提出了一种对复杂机械结构进行优化设计的方法。该方法将正交试验法和遗传算法有机结合,在参数化有限元建模的基础上实现对机械结构的优化设计。实验证明,该方法具有较高的可行性。     

湿法冶金中的沉淀过程

从水溶液中沉淀无机化合物和金属可以是物理（结晶）或化学过程。化学过程多种多样，可以通过水解，离子作用或还原（即电子转移）。还原过程中的电子转可以均相域非均相进行。前者本质上可能是离子或非离子过程。后者可能是电化学或电解过程。本文给出了湿法治金有关的例子。     

矿区环境优化布点的人工神经网络模型

着重介绍一种新的优化布点的方法－人工神经网络算法和构造该算法的步骤。应用实例表明,人工神经网络算法用于环境监测优化布点是十分理想的。     

人工神经网络在煤矿注浆堵水工程中的应用

针对羊渠河矿上官庄风井注浆堵水实际，将人工神经网络理论引入到化学注浆的理论设计分析中，成功地对注浆工程进行了优化设计，并对注浆量进行了预测．     

基于人工神经网络的岩石截割参数预测

鉴于前人推导的镐形截齿破岩截割阻力和截割比能耗的理论公式计算值与实际值相差较大以及最优截槽宽没有定量表示,文中选取岩石密度、单轴抗压强度、抗拉强度、静态弹性模量等为影响因子,建立了BP预测网络模型,并利用此模型对我国常见的4种岩石镐形齿截割参数进行了预测。检验及预测的结果表明建立的预测网络运行稳定,预测结果良好,对截割力的预测优于理论计算结果,对截槽宽和截割厚度最优比值、截割比能耗的预测结果良好,相对现有理论的计算和经验公式计算精度有了很大提高,能更好的满足工程要求。     

人工神经网络结合遗传算法在注浆材料配方优化中的应用

采用人工神经网络技术建立了注浆加固材料组成成分与其力学性能之间的非线性多目标模型.运用遗传算法对神经网络算法进行了改进,并在大量试验数据的基础上,对改进后的人工神经网络进行训练和验证,最后得到了能预测特定配方注浆材料力学性能的人工神经网络模型.研究表明：采用能预测特定配方注浆材料力学性能的人工神经网络模型结合遗传算法对注浆材料配方进行设计,可得到注浆加固材料的优化配方,从而弥补了传统配方优化设计方法的不足.     

基于人工神经网络的动态系统仿真模型和算法研究

研究了人工智能网络的基本理论,并对人工神经网络在动态系统仿真模型和算法中的应用进行了研究。为推进人工神经网络在动态系统仿真模型中的运用提供一定的参考和借鉴。     

工程结构优化设计中的神经网络方法

分析人工神经网络适用与工程结构优化的主要特征，建立结构优化设计的神经网络方法流程，讨论了人工神经网络在结构优化中的应用；给出了十杆桁架的动力优化实例。算例表明，神经网络求解结构优化问题，避免了不必要的结构分析，减少了计算花费，提高了收敛速度。     

基于遗传算法和神经网络相融合的异步电动机故障建模

分析了异步电动机正常运行及有故障迹象时异步电动机外部特征和内部参数的变化规律,找出了需要采集的信息和需要辨识的参数,针对神经网络的原理和结构进行了探讨和综合,通过分析各网络的特点并结合具体的应用要求,选择了函数逼近功能较强、结构又相对简单的径向基神经网络,并在网络参数的训练上引入遗传算法,使系统的智能化水平得到进一步提高,通过仿真对提出的理论方法进行了验证。     

基于人工神经网络系统的选矿指导子模块的构建

由于影响选矿流程及选矿指标的因素较多,且因果关系往往呈非线性关系,使传统的数学建模方法难以利用。本文基于矿物工艺矿物学参数实现计算机自动识别和初步计算的基础上,提出了建立基于BP神经网络的选矿指导专家系统来解决这一问题,对选矿子模块进行了构建。重点研究了5个重要环节:子模块的基本结构、基本感知单元和多层感知器的构建、输入与输出的合理转变以及神经网络的功能构架。通过这几个方面的探讨和研究,最终建立了实用性很强的基于人工神经网络系统的选矿指导子模块并将其预测指标与实际选厂指标进行了对比,结果表明,该遗传神经网络具有较高的预测精度。此子模块可用来预测选矿流程或选矿试验的基础数据及产品指标,为优化选矿工艺流程奠定基础。     

基于神经网络的磨料水射流切割工艺参数智能选择

磨料水射流切割中影响切割深度的因素很多,各工艺参数的选择和合理搭配对切割效果有很大影响,并且难以用精确的数学模型来描述。建立了基于BP神经网络的磨料水射流切割工艺参数智能选择模型,该模型可以映射出切割深度与切割工艺参数之间的关系,并通过多次学习训练达到了较高的精度和较快的收敛速度。     

人工神经网络在锌精矿矿浆浸出与萃取耦合操作中的应用

将人工神经网络方法应用于锌精矿的在浆浸出与硫磺萃取耦合操作的研究,建立锌授出率与各工艺参数之间的关系,并对新工艺参数下的锌浸出率进行预报.结果表明预报数据与试验数据能很好吻合,预报结果与试验值的绝对误差小于2.5%.     

基于神经网络的综采设备配套专家系统研究

对基于神经网络的综采配套专家系统进行了研究,给出了具体处理方法。在此基础上建立了工作面生产能力预测BP神经网络模型和综采工作面设备参数神经网络预测模型,并采用上述模型对济二号煤矿试验工作面的产量、工效和综机设备主要技术参数进行了预测。     

用于钢丝绳断丝定量识别的神经网络模型参数优化

建立了钢丝绳断丝定量识别的BP神经网络模型,重点从网络输入特征值的分析与优化、网络训练集与测试集的合理选择、网络训练目标的确定3个方面讨论了优化神经网络参数与性能的方法。经实际网络的训练及测试,证明了合理参数的选择改进了网络性能,提高了钢丝绳断丝定量识别的精度,具有实际工程意义。     

基于人工神经网络优化算法的故障诊断

应用神经网络优化算法,进行网络参数优化计算。为了考察神经网络的优化算法,对实验室的转子模型进行了振动测试,获取其振动信号,将信号经分析仪分析,获取不同测点的动态信息及其参数分布规律,用神经网络优化算法进行故障诊断分析。