应用递推神经网络的传感器动态建模研究

根据动态校准实验结果建立传感器的动态数学模型 ,以研究传感器的动态性能 ,是动态测试的一个重要内容。研究了递归神经网络模型在传感器动态建模中的应用。递归神经网络模型采用具有输入层、中间层、输出层的三层网络结构 ,整个网络的特性决定于相邻层间的连接权。采用递推预报误差算法训练神经网络 ,具有收敛速度快、收敛精度高的特点。由于其反馈特征 ,使得递归神经网络模型能获取系统的动态响应特性。该方法特别适用于传感器非线性动态建模 ,而且避免了传感器模型阶次的选择的困难。试验结果表明 ,应用递归神经网络对传感器进行动态建模是一种行之有效的方法     

基坑变形的动态神经网络实时建模预报方法

为了对基坑变形进行更准确的监测和预报，根据基坑变形的特点，提出了应用动态递归神经网络进行实时建模预报，并采用一种改进的在线学习算法，较好地描述了基坑变形的动态特性。通过对某工程基坑的监测，验证了该方法的有效性。     

具有未建模动态机械臂的自适应神经网络控制

对于具有未建模动态机械臂系统,基于神经网络对非线性函数的拟合特性,用径向基神经网络来补偿机械臂系统中的未建模动态,同时提出的自适应神经网络控制器,可以保证具有未建模动态的非线性机械臂系统的渐进稳定特性.仿真结果验证了这种控制策略的有效性.     

动态联盟企业过程的建模方法

在讨论动态联盟企业过程组成及其特点的基础上,提出一套面向对象（ＯＯ）的动态联盟企业过程建模方法。介绍该建模方法的结构、组成及描述形式等内容。给出了应用所提出的建模方法为动态联盟的企业过程进行建模的实例。     

小波神经网络在CCD图像噪声处理中的应用

目的：CCD相机响应功能的非线性,导致了CCD噪声模型的复杂性,使得滤波效果不佳,本文提出一种针对于数字图像中CCD噪声的小波神经网络滤波器。方法：首先,分析CCD噪声模型,找出导致CCD噪声模型复杂的原因——CCD相机响应功能（camera response function简称CRF）的非线性;接着,在对ANS滤波器分析的基础上,针对影响滤波效果的两大问题：滤波窗口和图像强度,将小波神经网络非线性逼近CCD噪声曲线,按照噪声参数对图像进行区域划分并分配相应的权值,然后结合相应的非线性滤波器进行针对性滤波,最后综合输出。结果：实验结果表明：本文改进的滤波器滤波效果明显,信噪比得到进一步提高（24.65）。结论：利用神经网络良好的非线性函数逼近性,将其结合ANS滤波器构造出神经网络非线性ANS滤波器（NN-NANS filter）,试验结果表明,该滤波器在去除噪声的同时边缘细节也得到了很好的保留,同时提高了信噪比。     

基子DSM的齿轮传动噪声分析过程建模研究

将设计结构矩阵引入到齿轮传动噪声分析系统中,提出了齿轮传动噪声的设计与分析活动之间联系的基本形式,利用MATLAB语言和图论知识实现了噪声分析过程中耦合活动集的识别算法.通过对初始化DSM矩阵的解耦,建立了优化后的齿轮传动噪声分析过程DSM模型,并根据该模型组建了分析过程的流程.     

间歇过程的神经网络模型

间歇过程通常具有非线性，时变和易燃易爆的特点，用常规的建模方法建立起模型比较困难，本文针对间歇聚丙烯过程，利用前馈神经网络建立其数学模型。首先根据实际系统的输入输出建立网络的结构。再用经验数据对网络进行训练，并用未参加训练的数据对网络进行测试，测试的最大误差是0.03MPa，这一误差在要求的范围之内。     

神经网络理论在数控机床热误差建模中的应用

使用神经网络理论对建立数控机床热误差数学模型进行研究分析,并将其与传统的最小二乘线性建模所得热误差数学模型进行综合对比。通过应用实例分析比较表明:神经网络模型与传统的最小二乘线性模型相比具有更好的拟合性和预测能力,并对温度传感器布点的鲁棒性优于传统的最小二乘法建模。     

自组织递归区间二型模糊神经网络在动态时变系统辨识中的应用

针对动态时变系统辨识过程中存在噪声干扰的问题,本文将区间二型模糊集结合到递归神经网络中,提出了自组织递归区间二型模糊神经网络以增强动态时变系统的抗噪能力.该自组织递归区间二型模糊神经网络由前件和后件两部分构成:前件为区间二型模糊集模型,用于将每个规则的激活强度反馈到自身构成内反馈回路,其参数学习采用梯度下降算法;后件为...     

基于FLANN的腕力传感器动态建模方法

本文将联接型神经网络（ＦＬＡＮＮ）引入传感器动态特性的研究。,利用神经元网络良好的逼近能力,建立腕力传感器的动态数学模型。该方法所建模型阶次低,准确度高,对数据个数和采样频率无特殊要求,比其它更为有效和实用。     

基于BP神经网络的Kalman滤波算法的改进

针对传统的Kalman滤波算法在机动较强的目标跟踪中误差变大甚至发散的缺点,考虑到BP神经网络具有较强的非线性逼近能力,提出了用BP神经网络辅助Kalman滤波的新算法,仿真表明该算法优于传统的Kalman滤波算法.     

利用人工神经网络测量零件三维表面轮廓的新方法

提出一种利用人工神经网络对零件三维表面轮廓进行非接触测量的新方法,介绍了光学系统、数据获取、训练反向传播神经网络确定系统映射函数以及零件三维曲面测量方法和实例。该方法可降低对测量系统精度的要求,并且不需要精确调整成像系统和预先精确测定系统参数。     

应用人工神经网络预测加工尺寸误差的动态分布

为了有效控制机械加工工艺过程 ,保证工件加工质量 ,需要及时掌握过程尺寸分布及其变化规律。为此 ,提出一种应用人工神经网络预测加工尺寸误差动态分布的方法 ,该方法在实际应用中得到了较为满意的验证。     

人工神经网络在飞行试验中的应用

详细介绍了人工神经网络的基本概念和建立神经网络的步骤以及其中的关键问题,利用VC++6.0编制了可视化的人工神经网络应用程序。应用该程序对某插板式畸变发生器的畸变发生效果进行了预测,预测结果与计算值吻合较好,满足工程精度要求,从而验证了程序和方法的有效性。以此为例,说明了人工神经网络方法在飞行试验中的应用。     

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。     

人工神经网络在建立变形高温合金本构关系中的应用

探讨应用人工神经网络建立变形高温合金本构关系的方法和效果。研究结果表明,应用人工神经网络建立变形高温合金本构关系能客观地反映材料在塑性加工过程中的动态行为,是一种具有广泛应用前景的建立工程材料本构关系的方法。     

工艺设计系统的人工神经网络控制

介绍了应用BP网络实现工艺设计的思想及方法。应用表明,工艺设计系统的学习能力强且通用性好。     

快速凝固Cu-Cr-Zr合金时效工艺人工神经网络模型

快速凝固是一种获得高强度和高导电铜合金的有效途径。通过对时效温度和时间与硬度和导电率样本集的学习，采用Levenberg—Mar—quardt算法和四层BP网络建立了通用的快速凝固Cu—Cr—Zr合金时效工艺神经网络模型。实验结果与预测值吻合良好，从而为预测和控制该工艺性能开辟了新的途径。     

EKF神经网络算法在疏浚作业建模中的应用

提出了基于EKF神经网络的疏浚作业过程动态演化建模方法。在神经网络建模过程中引入卡尔曼滤波思想,利用扩展卡尔曼滤波实时更新神经网络模型的权重,从而获得能有效跟踪挖泥船疏浚过程工况变化的模型。     

基于人工神经网络珩磨加工参数智能选择方法的研究

利用人工神经网络鲁棒性、容错性好的特点,通过对珩磨加工工艺参数的分析研究,首先构建了基于人工神经网络的珩磨加工参数智能选择模型;在理论模型研究的基础上,进行了实验研究,并通过实验数据对模型参数进行了优化。研究证明该方法用于珩磨加工工艺参数的选择具有较好的智能、可靠性高、选择操作简单、实用性强等优点。