间接测量函数的自适应建立方法

提出了一种用于间接测量系统的测量函数建立方法。它以n阶线性常系数微分方程的广义函数通解作为测量函数模型。根据系统的测量数据，从通解中自适应地确定与测量数据相吻合的测量函数表达式。并用一组数据建立的测量函数表达式证明，它是对测量数据更具有适应性的实用方法。     

基于CMAC的模糊神经网络方法

结合模糊神经网络和小脑模糊连接控制CMAC理论，提出训练时间短，精度高的CMAC模糊神经网络方法，给出了网络结构，算法，并通过一个维修经费预测实例讲述了这种算法。     

基于RBF神经网络的水轮发电机组动态建模

针对水轮发电机组具有复杂动态特性和不确定性难以精确建原特点，本文提出了采用径向基函数神经网络的水轮发电机组动态建模算法，并进行了仿真实验。实验结果表明用ＲＢＦ神经网络可方便地建立复杂对象４的动态模型，而且具有较高的精确度。     

基于支持向量回归的间接测量建模方法

间接测量方法广泛应用于复杂工业过程的测试计量中,然而目前尚无统一的模型和理论.针对小样本数据特征下间接测量的非参建模问题,提出一种支持向量回归(SVR)的建模方法,并且介绍了间接测量不确定度的评定方法.仿真实验表明,支持向量回归模型适应了测量数据小样本、非线性的数据特征,预测精度明显高于传统建模方法.     

电液伺服系统的神经网络建模方法研究

针对电液伺服系统固有的流量-压力特性等非线性因素使得采用传递函数等传统方法难以获得电液伺服系统的精确模型的问题,详细研究了电液伺服系统的神经网络建模方法.研究了两种最常见的神经网络,即多层感知器神经网络和径向基函数神经网络,采用5种典型学习算法构造了3种多层感知器神经网络和2种径向基函数神经网络,并结合自动定深电液伺服系统的工程实例,详细分析了这5种神经网络在电液伺服系统中的建模性能.研究结果表明,采用正交最小二乘算法的径向基函数神经网络最适合电液伺服系统的建模.     

基于模糊神经网络的气化炉反应速率建模研究

本文从人工神经网络的基本原理出发,将其学习算法与模糊逻辑理论结合,构建模糊神经网络结构,采用减法聚类完成对模糊神经系统的结构辨识。从各组输入量和输出量中确定模糊规则数目,给出规则中参数的确定方法,并用误差反传法优化相关参数。最后用此方法对气化炉的反应速率建立软测量模型。实验仿真结果验证了该模型运算性能良好,而且能满足对建模精度的要求。     

基于神经网络的图像混合滤波及融合算法研究

当图像中同时存在高斯噪声和椒盐噪声时,单一的均值滤波或中值滤波很难达到最佳滤波效果。 分析了噪声特点和各种滤波方法的优势,提出了一种基于神经网络的图像混合滤波及融合算法:首先建立概率神经网络,检测椒盐噪声和高斯噪声点,并分别利用中值滤波和均值滤波去除噪声点,然后建立径向基函数神经网络,利用训练好的径向基函数神经网络融合 2 种不同滤波的图像,输出理想的融合图像。 Matlab 仿真实验结果表明,该算法有效去除混合噪声的同时,能很好地保护图像的边缘与细节,是一种有效的方法。     

基于核函数的间接测量系统模型设计

介绍了核函数的基本理论和方法,提出了基于核函数主成份分析(KPCA)的间接测量模型构建方法,并与神经网络方法进行了比较,数值仿真实例证明了该方法在非线性测量模型的建模性能上的改进。     

基于RBF径向基神经网络的摩擦学模型

建立了润滑油摩擦学特性影响规律的径向基神经网络模型,可以较准确地计算和预测润滑油摩擦系数与负荷及相对滑动速度之间的关系.试验结果表明这种网络具有很好的准确度和预测性,为摩擦学设计和程序化计算和分析提供了一种方便且有效的工具.     

间接测量系统模型的不确定度分析

从间接测量系统模型化分析的角度出发,根据测试变量的数目、类型等特征,以及系统输出与输入间的函数关系,并结合一些实际的电学、力学参数计量检定实例,讨论了在不同的间接测量系统模型中测量不确定度的评定方法,对ISO测量不确定度评定导则中给出的标准不确定度分析方法进行了补充和扩展。     

基于模糊神经网络的烟度检测系统的研究

本对全流消光式烟度检测系统中的不确定因素进行校正，归结为模糊规则，并用模糊神经网络来提取这种规则，实现了烟度检测系统的误差校正。仿真分析表明，模糊神经网络应用于烟度的检测是可行的。     

基于模糊聚类的RBF神经网络算法

文章提出一种根据模糊聚类的思想来确定RBF神经网络隐层节点数,并用K-Means的聚类算法来训练RBF神经网络.并根据此算法进行仿真,并证明是有效的.     

基于BP神经网络的可燃混合气体分析方法的研究

介绍了采用热催化传感器在不同的工作温度下,通过BP人工神经网络对可燃混合气体进行分析的新方法.研究和建立了神经网络的结构模型和学习算法,并以3种混合气体为对象进行仿真训练,训练结果可以较好地实现对可燃混合气体的分析.     

基于自适应模糊逻辑和神经网络的双足机器人控制研究

在双足机器人行走控制中,为了改善系统的行走性能,提出了一种基于RBF神经网络前馈控制的力矩补偿控制方法。该方法将自适应模糊控制和神经网络逆模控制有效地结合起来,利用神经网络来逼近系统的逆动力学模型,提高系统了的控制性能,改善了机器人的行走特性。     

基于RBF神经网络的诺西肽发酵过程菌体质量浓度软测量

针对诺西肽发酵过程中菌体质量浓度的估计问题,提出了一种基于RBF神经网络的软测量建模方法.在诺西肽发酵过程非结构模型的基础上,根据隐函数存在定理确定出辅助变量,从而使其选择有严格的理论依据;根据每批样本数据对被预测对象的预估能力,自适应地为各个批次的训练样本分配权值,并进而实施加权RBF神经网络建模.实际应用表明,所提出的软测量建模方法是有效的.     

基于模糊神经网络的液体灌装自校正控制系统

目的为提高微量液体灌装精度,以补灌工序为研究对象,设计一种自校正控制系统。方法介绍灌装机的基本结构、工艺流程以及自动补灌基本原理。基于模糊RBF神经网络设计一种二次补灌控制器,阐述神经网络结构和学习算法。基于PLC和ARM搭建相应控制系统,其中PLC为主控制器负责传感器信号检测以及各工序执行,ARM为从控制器负责二次补灌控制,最后进行试验研究。结果对比结果表明,在自校正补灌的条件下,灌装精度得到明显提高,误差占比可控制在1%以下。结论所述控制系统可最大程度地减小生产过程误差,满足灌装工艺要求。     

径向基函数神经网络在多维力传感器标定中的应用

维间耦合是制约多维力传感器测量精度的主要因素,为了克服传统线性标定方法的局限性,利用径向基函数（RBF）神经网络强非线性逼近能力进行了多维腕力传感器的静态标定,并将其与最小二乘法和BP神经网络标定法作了比较。以研制的六维腕力传感器为对象进行了实验,结果表明,采用RBF神经网络对多维腕力传感器标定比用最小二乘线性标定有更高的标定精度,网络训练速度则大大快于BP神经网络。这种新方法具有一定的实用价值。     

基于BP神经网络和遗传算法的电阻抗图像重建算法

医学电阻抗成像(MEIT)技术是一个复杂的非线性问题,图像重建算法对所构图像质量具有重要的影响。由于传统的BP神经网络算法存在训练速度慢且易陷于局部极小等特点,采用全局寻优的遗传算法(GA)实现BP网络连接权的学习,并将该混合算法用于电阻抗断层图像(EIT)重建。实验结果表明,该算法所构图像无论被测场域中心还是边缘处均具有较高的图像分辨率,与典型的反投影及灵敏度系数算法所构图像相比,其质量得到明显的改善。     

用神经网络技术实现的光纤位移传感器

描述了一种智能型位移光纤位移传感器，它用差动比值法减小漂移和不同的反射介质的影响，用人工神经网络技术减小非线性误差。实验结果表明，使用这些技术后，各方面指标都远远优于传统方法。