基于ANN-GA的注塑参数优化系统及其应用

在以人工智能技术为基础的注塑工艺参数优化系统的开发方面进行了研究．构建了以混合神经网络与遗传算法方法为基础，并结CAE技术的参数优化系统，编制了应用程序，通过工程实例，将参数优化系统的预测结果与CAE模拟结果进行比较和误差分析，显示出优化系统的稳定性和可靠性；优化结果与CAE模拟结果及实验验证的结果具有一致性，证明优化结果是正确的，表明基于混合神经网络与遗传算法方法的注塑工艺参数优化系统具有工程应用价值。     

人工神经网络在煤矿开采沉陷预计中的应用研究

提出了利用人工神经网络技术进行开采沉陷定量预测的新方法 .研究了影响因素的选取、开采沉陷预计模型的建立以及模型的应用等问题 .采用 BP神经网络算法对开采沉陷量进行了建模和预测 .结果表明 ,用神经网络模型对复杂的开采沉陷系统进行模拟预测 ,具有理论上的可行性和现实意义 ,说明人工神经网络技术在开采沉陷预计领域中具有实用价值     

基于GA-ANN模型的A2/O工艺运行参数优化

影响A~2/O工艺运行的参数有许多,这些因素相互联系、相互作用,影响工艺效率.为了弥补控制单一变量法或者设计正交试验法的不足,综合考察多种运行参数对工艺运行效果的影响,建立了基于遗传算法进行全局寻优的神经网络模型(GA-ANN模型),并应用于某城市污水处理厂A~2/O工艺的运行优化.获得该厂调试运行期间154组有效监测数据后,随机选取2/3的数据用于GA-ANN模型的求解,1/3的数据用于模型的检验,对工艺运行参数进行优化,得到最佳运行参数组合.结果显示,建立基于遗传算法的神经网络模型用于A~2/O工艺运行参数的优化是可行的,可以为污水处理厂运行参数的设置提供理论参考,对调试工作、提高工艺运行效率具有一定的实际指导意义.     

基于Web的人工神经网络电火花加工工艺预测

针对电火花加工工艺的特点及其复杂性,提出了Internet环境下基于W eb的人工神经网络电火花加工工艺的智能预测方案.该方案利用M atlab的W eb技术,并结合其神经网络工具箱和数据库工具箱,实现了从电火花加工工艺数据库中获得数据进行神经网络计算,并将结果通过W eb服务器返回给浏览器.研究结果表明,所建立的基于W eb的人工神经网络预测系统很好地反映了电火花加工的工艺规律,能够通过In-ternet为电火花加工用户提供高效率、高精度的加工效果实时预测计算,并具有再学习的能力,实现了电火花加工工艺知识和加工经验的有效共享.     

人工神经网络及其在智能 CAPP 系统中的应用

目的　认识和把握人工神经网络在计算机辅助工艺过程设计 (CAPP)中的应用及发展前景 .方法　在论述人工神经网络模型的特点和性质的基础上 ,对人工神经网络在智能 CAPP系统中的应用原理和方法作了初步的理论分析和研究 .结果　人工神经网络在 CAPP系统具有很大的使用价值和广阔的应用前景 .结论　这种初步的研究及其以后相关人员的工作 ,将为 CAPP领域应用神经网络技术开辟新的途径 ,从而在一定程度上解决目前 CAPP系统中存在的问题     

混沌神经网络综合法在边坡位移预测中的应用

根据混沌理论具有分析非线性动态系统的混沌特性和人工神经网络具有考虑多因素影响的特点,本文提出了混沌神经网络综合预测模型.该方法首先利用非线性科学和理论分析滑坡位移时间序列的动态特性,然后将重构相空间计算的最小嵌入维数作为输入神经元的数目引入到人工神经网络预测模型中.分析算例预测结果表明,混沌神经网络综合预测模型计算精度较高.     

人工神经网络在UASB反应器处理生活污水中的模拟预测与应用

针对UASB反应器处理低浓度生活污水时影响因素多,各种影响因素之间的关系难以确定,以及难以进行适当的控制和预测处理效果的问题,在人工神经网络(Artificialneuralnetwork,ANN)理论基础上,建立起基于BP人工神经网络的UASB处理低浓度生活污水预测模型的基本结构,并对中试实验进行了模拟,结果表明,预测值和实验值吻合得较好,起到了模拟预测的效果,同时能优化运行状态.这种模型的建立,为UASB处理生活污水工艺系统实现智能化控制提供了一条简便实用的途径,具有良好的研究和工程实用价值.     

人工神经网络在粉末低电压电磁压制中的应用

影响电磁成形技术的因素很多。将电磁成形技术应用于粉末压制时，很难确定各工艺参数与压制密度之间的关系。将人工神经网络应用于该问题，建立了基于整体系统的电磁粉末压制人工神经网络模型，并编制了计算机程序。     

Internet环境下的电火花加工工艺效果预测

电火花加工艺规律复杂，加工的影响因素众多；其中电参数的选择对加工结果有很大影响，其影响程序难以用精确的数学模型来表示。运用人工神经网络技术对电火花加工工艺效果的预测进行了研究。研究结果表明，所建立的预测模型能够很好地映射出电参数与加工网络的电火花加工工艺效果之间的关系。进而，运用APS动态交互技术，在因特网上实现了开发了基于人工神经网络的电火花加工工艺效果的预测模型，充分好挥互联网的优势，扩展了所建立的预测模型的作用范围。为实现电火花加工智能化网络制造系统进行了有益的探索。     

基于神经网络的磨削参数智能选择

在用人工神经网络来确定磨削参数的过程中,在传统 BP算法的基础上,采用改进了的GCAQBP算法.同时考虑了砂轮材料和粒度对磨削过程的影响,把它们增加为神经网络系统的输入参数;并对输入参数的编码进行了细化,最终建立了磨削参数智能选择系统.用样本进行训练后有效率达到了80%以上,与传统方法相比提高了磨削加工的效率和精度.     

一种基于神经网络和参数优化的隐式广义预测控制

提出一种基于神经网络和参数优化的预测控制方法。首先利用带有动量项的改进BP神经网络辨识系统模型,在辨识过程中使用粒子群算法(PSO)对改进BP网络的初始权值/偏置、学习率、动量系数等辨识参数进行学习优化,解决这些参数的取值问题;然后将辨识得到的模型用于隐式广义预测自校正控制中,使用遗传算法(GA)对控制过程进行优化,寻找最优的控制参数(预测时域、控制时域、控制加权系数、柔化系数)。将该方法应用在热工系统中,仿真结果表明了方法的有效性。     

基于NN-GA的优化设计方法

针对优化设计中,传统的建模方法无法建立复杂系统的精确模型和传统优化算法无法获得满意优化效果的问题,将神经网络(NN)和遗传算法(GA)应用到设计中,构成一种基于NN-GA的优化方法.利用神经网络建立系统的数学模型,用遗传算法对参数进行优化,得出系统的最优值,并经过计算实例验证取得了较好效果.     

水泥分解炉运行参数预测模型

为了实现水泥分解炉非线性系统的建模与控制,利于数学分析等特点的T-S型模糊推理与可以实现任意非线性映射的神经网络相结合,在水泥分解炉生产工艺分析的基础上,建立了水泥分解炉运行参数的模糊神经网络预测模型.该预测模型结合某大型水泥厂现场采集的生产数据,进行了仿真验证.结果表明,模型计算简单,模型网络运算输出值(预测值)与样本期望值(现场采集数据)相差很小,说明该模糊神经网络具有较好的预测能力和泛化能力.     

BP神经网络的量子学习及应用

在神经网络的训练过程当中,引入量子遗传算法,结合BP梯度下降反传训练方法构造神经网络的量子优化算法。利用量子运算的高效并行性,对神经网络实行量子编码,用量子门旋转来代替网络进化时交叉、变异等更新操作,使得网络训练收敛精度高、收敛速度快、同时避免陷入局部最优的缺点。最后提出了一种基于量子神经网络的预测方法,仿真结果表明,基于量子遗传算法的神经网络,训练次数,误差精度以及预测能力都明显优于BP神经网络。     

Identifying topologies and system parameters of uncertaintime-varying delayed complex networks

Node dynamics and network topologies play vital roles in determining the network features and network dynamical behaviors.Thus it is of great theoretical significance and practical value to recover the topology structures and system parameters of uncertain complex networks with available information. This paper presents an adaptive anticipatory synchronization-based approach to identify the unknown system parameters and network topological structures of uncertain time-varying delayed complex networks in the presence of noise. Moreover, during the identification process, our proposed scheme guarantees anticipatory synchronization between the uncertain drive and constructed auxiliary response network simultaneously. Particularly, our method can be extended to several special cases. Furthermore, numerical simulations are provided to verify the effectiveness and applicability of our method for reconstructing network topologies and node parameters. We hope our method can provide basic insight into future research on addressing reconstruction issues of uncertain realistic and large-scale complex networks.     

具有S-分布延时和脉冲控制的一类神经网络的鲁棒同步

具有脉冲的神经网络作为一种典型的混合系统在图像处理、模式识别、优化控制等实际工程中有广泛的应用。在这些应用中,要求神经网络具有鲁棒同步性质。因此,神经网络的鲁棒同步性研究受到许多学者的关注。本文将不确定非线性耦合函数引进到一般类神经网络中,通过构造适当的Lyapunov函数和运用一些不等式分析技术,研究了具有S-分布延时和脉冲控制的神经网络的鲁棒同步性质,得到了保证网络具有一般脉冲鲁棒同步的一个实用条件。     

一种基于优化神经网络的最佳多用户检测器

基于优化理论和神经网络理论提出了一种优化神经网络最佳多用户检测器,将DS-CDMA通信中的多用户信号检测问题看作一种组合优化问题,利用神经网络能有效地求解优化问题的优势:推导了一种优化神经网络最佳多用户检测器,理论分析和计算结果表明:1)在误比特性能和抗多址干扰性能上这种检测器均优于传统检测器和解相关检测器;2)在抗"远近"干扰能力方面,这种检测器优于传统检测器而弱于解相关检测器;3)易于实时应用和VLSI实现。     

基于三色法和BP神经网络的回转窑温度检测

回转窑内的燃烧是个非常复杂的过程,针对以往温度测量的不足,根据三基色原理和Plank定律建立三色测温公式,结合光学技术和图像处理技术, 提出了一种基于BP神经网络模型的温度场测量方法. 同时给出系统的软、硬件的设计及工程实现. 实验结果表明,该系统简便实用,与传统测量相比,它具有测量精度高和适应性强等优点,可满足系统温度场的在线检测,并能对炉内的燃烧状况做出符合实际的评价.     

基于深度学习的多载波系统信道估计与检测

为了提升滤波器组多载波（FBMC）系统的通信质量,针对符号检测与信道估计问题,研究系统框架和虚部干扰问题,提出基于深度学习的FBMC系统信道估计与检测方法. 搭建完整的FBMC-偏移正交幅度调制（OQAM）系统与深度学习模型结合的仿真系统,设计接收数据的特征与标签处理;采用ResNet-DNN神经网络对信道符号检测模块建模,改进原模型网络结构和优化模型参数,和传统的分类器相比,提高了符号检测的准确性;采用CNN+NN模型对信道估计、均衡、符号检测模块进行建模和集成,理论分析和仿真结果表明,新方法的抗噪声能力、鲁棒性和误比特率（BER）性能均优于正交频分复用（OFDM）系统和基于导频估计的FBMC系统性能.     

一类非线性MIMO系统鲁棒自适应神经网络DSC设计

为了研究一类多输入多输出强非线性系统的自适应跟踪问题,采用RBF神经网络逼近模型不确定性,外界干扰和建模误差采用非线性阻尼项进行补偿,并将动态面控制与Nussbaum增益技术结合,提出了一种鲁棒自适应神经网络跟踪控制算法.该算法不仅能够解决系统中控制方向完全未知问题和可能存在的控制器奇异值问题,而且能够避免传统后推方法的计算膨胀问题,从而大大降低了控制器的复杂性,使之易于工程实现.同时,该算法保证了闭环系统的稳定性,并具有良好的鲁棒性.仿真结果验证了控制器的有效性.