基于模糊联想记忆的SMT回流焊参数快速设定

回流焊温度曲线的输出特性是衡量SMT生产过程质量的重要指标。理想的输出曲线往往需要反复多次地调试输入参数才能获得,针对输入参数难以快速设定的问题,采用一种模糊联想记忆神经网络来描述回流焊过程的输入参数与温度曲线的输出特性参数的动态、非线性关系,利用fuzzyTECH模糊软件搭建模糊推论平台,以历史数据和工程师的操作经验为依据建立模糊规则库,然后以理想输出结果为依据,通过模糊推论算法来获得最佳输入参数。结果表明,该方法较试误法提高了参数设定的精确度,并显著缩短了回流焊的参数设定时间。     

扩展双向联想记忆神经网络及其应用

提出了一种采用δ规则作为学习算法的扩展双向联想记忆神经网络模型，并从理论上证明了其稳定性。该模型克服了现有采用Ｈｅｂｂ规则作为学习算法的联想记忆神经网络对记忆模式有正交性要求和所模式吸引域小的不足。实验结果表明，其联想记忆能力优于目前现有的联想记忆网络。     

一类洪水预报的非线性时序模型——指数自回归模型

作为雨洪系统的输出－洪水时间序列，它包含了系统中各种变量的过去信息，同时蕴含着大量关于系统演变的规律和趋势，这样的时间序列往往是不可逆的，非性线相依的偏态序列，并且存在着广泛的频幅相依特性，在进行洪水预报时，传统法多采样用线性技术，但预报精度不理想，因此要提高预报精度，有必要考虑洪水的非线性特性，基于此，本文用指数自回归模型进行洪水预报研究，实例分析表明该模型可提高洪水预报精度。本文的尝试工作为洪     

考虑流域湿度的非线性扰动模型及其在流域洪水预报的应用

本文探讨了降雨－径流过程的非线性问题，为了改善洪水预报精度，提出了一种考虑流湿度的非线性扰动模型，它是一种水文系统方法，不仅可以考虑流域的水文季节信息，而且描述了整体非线性的产流和汇流，运用中国和美国等国家十个典型流域资料进行逐日降雨径流预报检验，说明本文提出的非线性振动模型方法明显优于现行的各种线性系统方法。     

常见MAM模型的分析研究

近20年来,形态学联想记忆网络是许多中外学者致力研究的课题,相继提出多种MAM模型。简单分析MAM、MBAM、FMAM和FMBAM的基本原理,并指出它们的优缺点,以期对MAM的研究有所裨益。     

用模糊神经网络实现结构的主动控制

本文利用模糊联想记忆神经网络作为控制器，对任意初始状态的结构自由振动进行主动控制。控制过程中无须知晓结构振动的数学模型且对过程参数不敏感。数值仿真的结果表明，该控制器具有较强的适应能力和良好的稳定性，结构受控后振动衰减迅速，且控制器结构简单。     

最优线性联想记忆网络的γ谱解析

利用最优线性联想记忆神经网络,对γ能谱进行了定性识别与定量分析,成功克服了传统解谱方法对操作人员要求高、运算速度慢、不能准确识别有重峰的复杂γ能谱等问题.采用全谱输入法,利用整个能谱的信息,降低了对探测器能量分辨率的要求,避免了寻峰、能量刻度与效率刻度,准确识别了单核素能谱与几种核素的混合能谱,从而成为一种行之有效的解谱手段,为高性能便携式探测器解谱软件的开发提供了依据.     

基于神经网络的组合预报模型及其应用

时间序列预报是神经网络的一个应用领域,多数研究集中在神经网络直接预报方面。本文从故障预报角度研究了神经网络组合预报模型,由神经网络给出常规预报方法的最佳组合。首先从函数逼近角度阐述这种模型的理论依据,在此基础上给出了模型的评价指标和神经网络的有效训练算法,最后给出在空间推进系统上的应用实例。     

联想记忆网络的学习：基本思路和实现

提出了一种神经网络学习算法设计的基本思路，即首先将神经网络的设计目标形式化，建立合适的数学模型；然后交其转化为易于处理的最优化问题，对网络参数以及网络结构进行优化。     

秦岭铁路隧道岩爆预报的模糊综合评判研究

本文将秦岭隧道岩爆等级分为无岩爆，弱岩爆中等岩爆和强烈和岩爆四极。     

故障诊断的模糊神经网络模型

论证了单症兆和多症兆诊断的模糊模型分别与一定条件的单层神经网络等价，从而建立了单症兆和多症兆诊断的模糊神经网络模型。基于模糊诊断原理，阐述了模糊神经网络模型是由若干独立单元组成的可扩充的组合式结构，进而提出一种修改或扩充子网络或子结点及其权重连线的可塑性学习方法。基于此模型建立了旋转机械故障诊断专家系统，以现场实际例子对模型的应用进行了说明。     

基于模糊神经网络的电池剩余电量计算模型

为了有效地对电池剩余容量进行预测,在分析了与电池剩余电量相关因数的基础上,提出了基于模糊神经网络的电池剩余电量预测模型,充分利用了模型可逼近任何多输入输出参数函数的性能.系统通过样本训练达到了较好的仿真结果.从现场实验的数据分析,该模型能较准确地预测电池剩余电量,为电池管理系统提供了一种新的预测方法.     

基于灰色神经网络的中低碳铬铁终点硫含量预报模型研究

针对复吹转炉冶炼中低碳铬铁终点硫含量在线监测困难、取样检测无法实时指导生产的现状,考虑影响终点硫含量的供氧强度、铁水温度等因素,采用以灰色预报模型结合BP神经网络的方法实现中低碳铬铁终点硫含量的预报。仿真实验表明:中低碳铬铁终点硫含量预报绝对误差值在±0.004%以内的命中率为95%,相对误差值在15%以内的命中率达到85%,验证了该预报模型的有效性。     

基于多项式系的类模糊神经网络与非线性系统的控制

提出一种新的神经网络－－类模糊神经网络，并以基于多项式系的类模糊神经网络为例作了讨论。该网络具有隐层少，运算简单和函数逼近能力强的特点。就一类非线性系统的在线控制，给出了类模糊神经网络控制的选择记忆算法，并证明了这种算法的收敛性，这一类非线性系统的在线控制问题得以初步解决。     

多因素耦合作用下混凝土氯盐侵蚀模糊网络评估模型

单位时间内通过混凝土结构的总电荷量是反映混凝土结构氯离子渗透能力的一个重要指标。针对传统经验公式法预测了氯离子总电荷量的不足,建立了一个模糊-神经网络模型以预测氯离子总电荷量。此模型能同时考虑多种因素及其非线性耦合作用,方便易行、通用性好,较之其它神经网络具有运算速度快、不容易陷入局部最优、训练效果好的特点。训练样本训练后的结果表明,该模型具有较高的准确度,能可靠预测氯离子总电荷量,准确评价混凝土结构的抗氯盐侵蚀能力,为实际工程的耐久性设计和评价提供依据。     

基于模糊神经网络的公差-成本模型研究

研究了面向制造环境的公差-成本模型。对制造环境中有关的加工因素进行分类及模糊化处理,构造了加工因素的成本模糊影响系数,并以此系数和零件公差作为输入,建立了基于模糊神经网络的公差-成本模型。此模型在表征加工成本、公差关系上的精度较高,更适应面向制造公差设计的要求。     

带有模糊参数的电子废弃物回收网络优化设计模型

考虑到不确定的回收量会影响回收网络的稳健性,提出了一种带有模糊参数的逆向物流网络优化设计模型.该模型针对不确定的回收量,借助模糊线性规划的思想和解决方法,用模糊参数来描述网络中不确定的回收量,并利用容差法将模型清晰化求解.通过该模型,管理者可以由模糊的回收量得到优化的回收网络.通过算例验证了该方法的可行性.