遗传优化LVQ神经网络在设备故障诊断系统中的应用

为了提高设备故障诊断的准确度,采用LVQ神经网络来完成设备故障定位及识别,并借助遗传算法求解LVQ神经网络权重初始值。在设备故障诊断的建模过程中,根据实际故障情况和故障常见类别建立LVQ神经网络的设备故障诊断模型,充分挖掘LVQ神经网络在机械设备故障诊断细粒度的优势,为了防止因为故障细粒度诊断而造成收敛过慢的情况,对LVQ神经网络的权重和阈值初值进行遗传算法求解,然后在进行LVQ神经网络的迭代训练,得到稳定的LVQ神经网络故障诊断模型。经过实验证明,相比于传统的LVQ神经网络算法,采用基于遗传算法优化LVQ神经网络的设备故障分类,分类准确度更高,训练时间更快。     

基于麻雀搜索算法优化双隐含层BP神经网络的张力减径钢管壁厚预测

针对传统BP神经网络在张力减径过程中进行壁厚预测过程时存在误差偏高、稳定性不强、随机初始化权值阈值等缺点,采用麻雀搜索算法对传统BP神经网络的阈值与权值进行全局寻优,以提高BP神经网络在张力减径中壁厚参数预测的准确性和稳定性。同时,以某工厂采集的张力减径过程中的壁厚数据为样本集,采用SSA-BP神经网络进行学习与训练,将得到的结果与传统BP神经网络、GA-BP神经网络的预测结果对比。结果表明,SSA-BP神经网络对张力减径过程中壁厚参数的预测具有较高的准确性与稳定性,其在准确度相较于传统BP神经网络模型提升了58.1%,相较于GA-BP神经网络模型提升了17.5%。     

基于遗传算法的Al-5%Cu合金电脉冲孕育处理参数优化

以实验为基础,利用神经网络和遗传算法优化Al-5%Cu合金的电脉冲孕育处理工艺参数。神经网络的输入参数为脉冲电压、脉冲时间和电脉冲孕育处理时熔体温度,输出参数是合金凝固组织的晶粒度。在神经网络训练的基础上,采用遗传算法优化神经网络的输入参数。结果表明,神经网络和遗传算法的组合建模获得了较好的优化结果。     

基于BAS-BP神经网络的钻削力预测

针对传统预测深孔加工中钻削力精度不高的问题以及BP神经网络本身存在的缺陷,提出了BAS-BP神经网络预测模型。文章基于天牛须算法与BP神经网络相互结合,利用天牛须算法计算优化BP神经网络中的初始权值与阀值,从而建立BAS-BP神经网络的预测模型。并与传统BP神经网络预测模型进行对比。结果表明BAS-BP神经网络克服了训练时间长、收敛速度慢的缺点,预测精度明显提高。     

基于BP神经网络的液压挖掘机故障诊断的研究

为了实现液压挖掘机的整机故障诊断,提出基于BP神经网络的故障诊断方法.将BP神经网络应用于液压挖掘机的故障诊断中,研究BP神经网络的结构和算法.以液压挖掘机整机故障诊断为例,选择典型的故障样本训练神经网络,使神经网络具有较好容错性和稳定性,经过训练的神经网络就可以实时、准确地诊断出挖掘机的故障.并使用Matlab的神经网络工具箱进行模拟仿真,仿真结果表明:BP神经网络能够很好地应用于液压挖掘机的实际故障诊断,网络收敛速度快、学习记忆稳定,具有一定的工程实用价值.     

定限值控制问题与控制策略

根据合成氨实际生产对转化温度的要求 ,提出了定限值控制问题。初步讨论了采用神经网络控制器 ,来实现定值控制向定限值控制逼近的方法。为提高系统响应的快速性 ,在神经网络内部采用反偏差阈值函数 ,在神经网络外部采用双模式神经网络控制结构     

基于改进型BP神经网络的并联机构位置正解研究

采用了一种改进型的BP神经网络方法对3-RSR并联机构的位置正解进行了研究,首先通过理论方法对3-RSR并联机构的位置逆解进行求解,然后采用改进型BP神经网络对通过位置逆解得到的数据进行了网络训练,神经网络训练结果与理论结果对比,验证了该方法的合理性。而且,对比改进后的BP神经网络结果与普通BP神经网络结果,发现两种方法均具有非常高的计算效率,且有效避免了复杂的推导和演算,但改进型BP神经网络方法得到的结果精度更高,因而在高精度的工程领域,采用改进型BP神经网络方法更具合理性。     

基于优化BP神经网络的点云孔洞修补效果比较分析

针对逆向软件对三维点云模型孔洞修补精度不高,提出在软件修补的基础上利用神经网络算法进行调整的修补策略。以挖掘机斗齿内腔孔洞为例,利用思维进化算法(MEA)优化BP神经网络的初始权值和阈值,得到改进的神经网络模型MEA-BP,对修补数据进行调整,并与PSO-BP神经网络、GA-BP神经网络孔洞修补结果做出对比。结果表明:MEA-BP神经网络模型在预测精度有所提高的情况下,效率更高,修补效果更加优越,能够有效地、精确地对孔洞进行修复。     

复合正交柔性神经网络及其应用

针对目前神经网络所存在的不足,提出一种带参数的单极性Sigmoid函数的柔性复合正交神经网络,并给出相应的参数学习算法,这种柔性复合正交神经网络不仅扩大了网络辨识模型的能力与学习适应性,而且算法简单,学习收敛速度快,有线性,非线性逼近精度高等优异特性。以模型辨识作为应用实例,仿真结果表明,其算法是有效的,柔性神经网络能提高正交神经网络的性能。     

基于参数策略的改进粒子群优化PNN神经网络刀具磨损研究

刀具磨损直接影响工件加工质量和尺寸精度,正确掌握刀具磨损状态及时换刀,减少机床停机时间,将直接提高加工效率。为提高刀具磨损状态识别准确率,提出一种基于参数策略的改进粒子群优化PNN(IPSO-PNN)神经网络识别刀具的磨损状态。相较于BP神经网络收敛速度慢、易陷入局部最优的缺点,IPSO-PNN神经网络结构简单、训练简洁快速。与BP神经网络和标准PNN神经网络仿真结果对比,结果表明:IPSO-PNN神经网络识别准确率高,收敛速度快,仿真耗时短,能有效提高刀具磨损识别准确率。     

一种RBF神经网络在某冷连轧机组轧制力计算中的组合应用

为提高冷连轧机组轧制力计算精度,采用RBF神经网络与数学模型计算轧制力,轧制力偏差在11%以内,远小于单纯使用数学模型;而后组合使用长期数据修正网络、短期数据修正网络、速度修正网络(三者都为RBF神经网络)进一步提高轧制力预报精度。上述方法已成功用于某2130mm冷连轧机组过程控制系统,误差在±5%以内。这充分证明,RBF网络可以成功用于轧制过程控制。     

Analysis on Influence Factors of Real-time Identification of Neural Network in Sheet Intelligent Bending

The scheme of intelligent control system of cap-bending has been advanced in this paper using the neural network technology, based on the prominent problem that bending springback difficult to control accurately during the forming process of cap-bending. The key technology of real-time identification for material performance parameter and friction coefficient was researched, and the back-propagation neural network of real-time identification for material performance parameters and friction coefficient was e...     

基于小波神经网络PID控制的主动夹具铣削颤振研究

为了抑制铣削过程中产生的颤振,提高铣削加工过程中零部件表面质量.设计了小波神经网络PID控制方法,并对控制效果进行仿真.采用时域数值法对动态铣削过程中离散时间进行求解,利用小波神经网络PID控制方法对铣削过程进行控制.通过仿真和实验对铣削金属表面粗糙度进行测量,并且与增量式PID控制系统进行比较和分析.结果显示,采用增...     

基于铝电解过程的神经网络模型预测控制的应用研究

铝电解过程是一个复杂的非线性、时变和大时滞的工业过程体系,采用常规的控制方法,很难达到良好的控制效果。本文提出了一种基于铝电解过程的神经网络模型预测控制算法,建立了神经网络预测模型,将神经网络和模型预测控制算法相结合,实现了铝电解过程的最优控制。仿真结果表明:神经网络预测模型的输出能够很好地跟踪铝电解生产过程,其预测效果好,该预测控制方法可以使系统很快地达到稳态,具有很好的响应特性和鲁棒性。     

基于模糊神经网络进行冷轧板形智能控制的研究

针对板带轧制过程中影响板形质量的非线性因素众多、精确数学模型难以建立的特点 ,提出冷轧板形控制的模糊神经网络方法 ,建立 BP网络模型 ,应用于六辊 HC冷轧机板形控制中 ,仿真实验结果表明 ,控制效果相当好 ,其超调小、鲁棒性强 ,达到了板形在线智能控制之目的     

基于数值模拟的定向连续铸造固液界面位置人工神经网络模型的研究

基于人工神经网络原理及数值模拟技术，对定向凝固连续铸造过程中控制参数的选取进行了研究。利用自行设计的上引式定向凝固连铸机，结合数值模拟，提取了引晶速率、熔体温度、结晶器温度、冷却水温度、冷却水流量、冷却距离等控制参数值及相应目标参数值的固液界面位置。通过归一化处理所得数据，采用BP算法训练网络，对定向凝固连铸控制参数与固液界面位置之间的映射关系进行了函数逼近，建立了固液界面位置神经网络模型，依据该模型，可定量预测定向凝固连铸过程的工艺状态，并可为将来的定向凝固连铸神经网络控制提供可行的控制模型。     

基于LM算法的宽板V型自由弯曲参数的实时识别

在弯曲成形智能化控制过程的4个要素中，材料性能参数的实时识别占有极其重要的地位。为提高实时识别的精度和效率，根据宽板V型自由弯曲成形的特点，建立了宽板V型自由弯曲成形智能化控制过程材料性能参数实时识别的LM神经网络模型。训练结果表明，与改进的BP网络模型比较，LM网络模型的收敛精度和收敛速度均有明显的提高，为实现弯曲成形过程的智能化控制奠定了基础。     

神经网络在铸造生产中的应用

主要介绍了神经网络在熔炼设备生产中进行智能管理和控制,这有利于保证生产的安全和熔炼的质量;应用神经网络能够准确预测型砂主要组分、快速检测铸铁化学成分和分析铸件的性能与缺陷等;神经网络在铸件疲劳损伤过程的仿真和寿命估算以及石墨形态的识别与自动分类等方面的应用也有良好效果.     

加工过程中基于最大熵的神经网络控制

切削过程恒力控制对于提高生产率、保证加工精度至关重要,本文将信息理论与神经网络理论相结合,提出了恒力切削过程中基于最大熵的神经网络控制,与自适应神经网络控制相比,具有收敛快,振荡小的特点.     

恒切削力加工过程的神经网络预测控制

切削过程恒力控制对于提高生产率、保证加工精度具有重要作用。文章以车削加工过程为对象,研究恒切削力加工过程中当切削深度发生突变时,如何减少系统输出切削力超调的问题。将预测控制策略与神经网络理论相结合,在神经网络学习时,使切削进给在切削深度发生突变前提前发生相应变化,提出了恒力切削过程的神经网络预测控制算法。仿真结果表明,与传统自适应神经网络控制相比,加工过程的神经网络预测控制能够有效的解决在背吃刀量发生突变时,加工系统输出的切削力过大的问题,显示出比加工过程传统神经网络自适应控制更好的综合性能。