硝铵生产中pH测量取样点和电极系统的选择

在硝酸铵生产过程中,反应溶液的酸碱度能反映中和反应质量的好坏,但 pH 值测量存在非线性特性,因此,在中和生产岗位实现 pH值的测量和控制,比压力、温度、流量和液面     

压力信号干扰抑制的质量流量数据融合研究

质量流量测量精度受压力的影响,且随着压力的增大其测量精度变差。采用多个质量流量传感器进行多处测量,对质量流量测量数据进行自适应加权融合。在此基础上,为了消除压力对流量测量值的影响,采用BP神经网络进行压力干扰抑制的质量流量数据融合研究。研究结果表明,BP神经网络质量流量融合值的精度较自适应加权融合值的精度大大提高,且附加动量法获得的BP网络融合精度最高,自适应学习速率调整法次之,梯度下降法最差。     

基于Elman网络的切削表面粗糙度预测方法

根据Elman神经网络模型能够逼近任意非线性函数的特点和具有反映系统动态特性的能力,讨论神经网络非线性、多因素预测原理及其拓扑结构的基础上,提出利用Elman神经网络建立切削表面粗糙度预测模型的方法;在Matlab及其神经网络工具箱的基础上,采用Elman神经网络对铝6061切削表面的粗糙度进行训练、预测、分析.结果表...     

基于Elman神经网络的压力传感器温补偿的研究

当受到温度、电磁波等外界因素的影响,压力传感器的测量精度较低,测量值容易有较大的波动.因此,当压力传感器运用于汽车等移动设备时性能下降.以对温度极其敏感的CYJ-101压力传感器为例,建立18组样本数据在Elman模型的神经网络中进行温度补偿训练.仿真结果显示,通过Elman神经网络的温度补偿,传感器的测量误差降低约2...     

基于混合Elman网络的非线性自适应逆控制

针对Elman动态递归神经网络的特点,在现有结构的基础上提出一种隐层包含径向基函数的混合Elman神经网络,给出了网络结构和训练算法,并将其应用于非线性自适应逆控制系统中.仿真实验表明该动态神经网络自适应性强,动态特性优异.此方法为实现非线性系统自适应逆控制提供了理想的途径.     

基于PSO-BP算法的水下机器人运动模型辨识

将粒子群算法(PSO)与误差反传算法(BP)相结合,利用粒子群算法的全局突变性,使BP算法避免在神经网络权值寻优过程中陷入局部极小值.对Elman神经网络结构进行调整,并将PSO-BP算法用于改进后的Elman网络的权值修改.最后,对比了3种不同算法、结构的神经网络对水下机器人运动学模型的辨识结果,证明了基于PSO-BP算法的改进Elman神经网络对水下机器人运动模型,有较高的辨识精度.     

基于Elman网络的过程质量智能化控制研究

利用Elman型反馈神经网络对过程质量进行预测和诊断以克服前向型神经网络的缺陷,同时针对目前预测与诊断相分离的现象提出将两者相结合以实现质量的实时控制。仿真结果表明基于此网络的系统能有效预测质量特性值,识别异常变动模式并提高控制精度。     

基于神经网络的预分解窑控制过程建模

在分析了水泥预分解窑工艺流程的基础上,采用Elman神经网络与BP神经网络建立预分解窑系统的模型,通过两种建模网络的泛化能力的仿真测试比较,体现出Elman神经网络在复杂的多变量、多扰动非线性系统建模方面的优越性。     

煤粉流量调节阀结构改进

介绍了煤气化装置中煤粉流量调节阀的工作原理,分析了煤粉流量调节阀在使用过程中存在的问题,提出了煤粉流量调节阀结构改进方案,保证了装置的长周期稳定运行。     

基于模糊神经网络自组织控制算法的煤粉喷吹系统

讨论了模糊神经网络自组织控制(FNAOC)方法在回转窑煤粉喷吹系统上的应用，针对一种在回转窑生产线上用于加热的煤粉定量给料机，提出在其生产过程中能够根据各反馈信号自动调节煤粉喷吹流量的控制方法。该方法可以有效地防止煤粉喷吹过程中出现的煤粉量供需不平衡等现象。     

改进Elman神经网络在短期热负荷预测中的应用

热电厂的短期热负荷预测在城市集中供暖中起着至关重要的作用,直接影响热电厂的经济效益和热能利用率。电厂的短期热负荷一般采用神经网络预测模型进行预测,而BP神经网络应用最为广泛。Elman神经网络算法在BP神经网络基础上加入了承接层,作为一步延时算子,实现记忆能力,使系统具备适应时变能力,增强系统全局稳定性。但Elman神经网络算法模型的构造依然需要大量样本的支撑,而且输入层的变量多,导致预测时间依然很长,收敛速度慢。该文在Elman神经网络预测前,进行了相关系数预处理和对样本中异常值的平均化预处理,通过数据归一化运算,使Elman神经网络输入层变量大幅减少。仿真实验表明,改进的Elman神经网络算法使预测模型快速寻优,减少预测时间的同时明显提高预测精度。     

含水率对静电法测量电厂煤粉质量流量的影响

文中从理论和实验两方面分析了含水率对静电法测量气力输送颗粒的静电信号和质量流量的影响。实验部分分析了与煤粉具有类似性质的活性炭和石英砂两种材料在相同质量流量、不同速度、不同含水率条件下的静电信号。结果表明,颗粒静电信号强度随颗粒含水率的增加而减弱,从而对基于静电法的质量流量测量造成影响。随着颗粒含水率的增加,静电信号的主频减小,这一特性可用于测量结果的补偿,从而减小含水率对静电法测量电厂煤粉质量流量的影响。     

基于Elman神经网络半主动控制的磁流变起落架仿真分析

半主动控制起落架的被控对象是磁流变阻尼器,控制磁流变阻尼器输出阻尼力的大小。建立了被动式起落架的仿真模型、BP神经网络控制仿真模型以及Elman神经网络控制仿真模型。神经网络训练样本均由最优控制算法得到。BP神经网络控制、Elman神经网络控制和被动控制仿真模型进行对比,两种神经网络控制均起到了良好的控制作用,Elman神经网络的训练过程远远长于BP神经网络,但精度高于BP神经网络,Elman神经网络在复杂控制系统中比BP神经网络有较大优势。     

用非线性逆滤波改善传感器动态特性的研究

在测量系统中许多传感器存在着严重的非线性静态特性和响应滞后的动态特性，当被测量对象的变化率高于传感器的响应速度时，测量结果与真值之间存在较大的误差。为了补偿这个测量误差。采用了一个由无限响应的IIR滤波器和静态非线性环节构成的非线性滤波器去减小误差。IIR滤波器的系数通过实验数据得到，它是传感器的动态逆模型；非线性静态环节采用模糊小脑神经网络(FCAMC)实现。并通过对热敏电阻动态测量误差的补偿，验证了该方法的有效性。     

基于神经网络的多点柔性夹具横梁结构优化

研究了神经网络在多点柔性夹具横梁结构优化中的应用。横梁结构与最大变形量间为复杂的非线性关系或隐函数关系,且单一的有限元分析工作复杂,计算耗时大。在有限元与数学规划法基础上利用人工神经网络进行横梁结构分析,并通过测试比较从BP、Elman和RBF神经网络中选取性能较好的神经网络,实现了横梁质量的最优化,节省了计算时间。     

基于改进Elman神经网络的轧辊磨削形位精度预测

轧辊磨削形位精度(辊形、圆度)与工艺参数间存在较强非线性关系,传统线性回归难以对形位精度进行有效拟合。针对上述问题,提出了基于改进Elman神经网络的辊形误差和圆度误差预测方法。在Elman神经网络训练过程中采用Sine混沌映射使得种群分布更均匀,同时利用麻雀搜索算法获得Elman神经网络的最优参数。验证结果表明,预测模型对于辊形精度和圆度的预测误差均小于10%,准确度高于85%,满足实际应用需求,证明了所提出方法的有效性。     

基于MEA-Elman神经网络的电力日负荷预测

Elman神经网络是一种动态反馈网络,对历史状态敏感,具有短期记忆功能和处理动态信息的能力,可以建立动态、非线性电力负荷预测模型。由于Elman神经网络采用BP算法,容易陷入局部极小解,迭代次数多且学习效率低,该文利用思维进化算法(MEA)优化Elman神经网络的方法,提出基于MEA-Elman神经网络的电力负荷预测模型。实验表明,该方法能够避免不成熟收敛问题,减少迭代次数,有效提高了配电网短期负荷的预测精度,对电力系统合理调度与规划具有重要意义。     

基于Elman神经网络的采煤机智能调高控制算法研究

为提高采煤机自动调高系统的实时性、跟随性以及稳定性,研究基于Elman神经网络的采煤机智能调高控制算法.通过分析采煤机调高过程,建立采煤机智能调高系统,确定Elman神经网络的输入信号和训练样本,并设计Elman神经网络采煤机智能调高控制算法流程.在仿真环境绘制采煤机滚筒实时位置,基于设计的Elman神经网络算法逼近、拟合采煤机滚筒位置曲线,实时性、跟随性以及稳定性优于BP神经网络算法以及最小二乘算法,提高了采煤机截割滚筒调高控制性能.     

风力发电机转子绕组匝间短路故障相诊断方法

提出一种双馈异步风力发电机转子绕组匝间短路故障相的诊断方法.这一方法对传统Elman神经网络进行改进,在接收层和输出层之间增加新权值.通过仿真试验,对改进前后Elman神经网络的训练结果进行对比,确认采用改进后的Elman神经网络可以在短时间内对双馈异步风力发电机转子绕组匝间短路的故障相进行诊断.     

火力发电厂煤粉流量测量技术研究

火力发电厂总燃料量的精确测量是进行锅炉燃烧控制优化的关键难点问题。本文系统地提出了火力发电厂煤粉流量的测量技术,并结合实际应用经验提出各种测量方法的技术要点以及制约点,同时结合工程实践提出了煤粉流量测量技术的发展展望,为进一步研究实践煤粉流量的测量技术奠定了基础。