一种热轧型材质量分析及追溯的专家系统的研究

针对传统神经网络专家系统解释机制不健全及无法提供推理过程的不足,采用结合质量分析及追溯的专家系统,在进行热轧型钢产品各项参数检测后,生成质量分析结果并进行质量追溯,进一步对检测结果进行详细解释说明。通过纵向追溯和横向追溯分别为专家系统提供解释结果和推理过程。此外,根据钢铁行业的产品特点,对物理性能检测部分应用检测-预测集成一体的复合神经网络,简化了实际生产过程中物理性能参数检测工作环节并提高了成品质量检测工作的自动化程度。     

热轧成品质量检测专家系统

针对传统专家系统的知识获取存在“瓶颈”以及传统热轧成品质量检测过程过于复杂的问题,提出了基于复二次函数的RBF神经网络和四组神经网络相结合的热轧成品质量检测专家系统.根据钢铁企业生产的特点,通过对四组神经网络的子判断结果进行综合判定得出输出结果.试验结果验证了该系统应用于热轧成品质量检测工作的便捷性及可行性,简化了传统质量检测过程的冗余步骤,提高了热轧质量检测工作的自动化程度.     

基于 RBF 神经网络的钢构件质量追溯系统研究

提出一种基于RBF神经网络的数据挖掘方法,将RBF神经网络应用于数据挖掘的分类和预测中,解决钢构件过程中的性能预测问题。其中用黄金分割法确定基于RBF神经网络的隐层节点数,减少该算法的计算复杂度,最终将其应用于某钢铁企业质量控制系统。构建对钢构件质量检测的数据挖掘及质量追溯平台,该平台是基于RBF神经网络的数据挖掘技术的。实际应用证明,产品的质量合格率可达到96.27%,符合国家相关的标准和技术指标。     

基于PCA与RBF的焦炭质量预测模型

针对炼焦生产过程焦炭质量难于实时测量的问题,建立一种主元分析(PCA)和径向基函数(RBF)神经网络相结合的预测模型.通过机理分析确定焦炭质量的影响因素包括配合煤指标和炼焦过程操作参数;采用主元分析减少径向基函数网络的输入;最后采用k-均值聚类算法确定径向基函数隐含层的参数,并用最小二乘法确定线性输出层参数.采用炼焦生产过程现场数据进行仿真,结果表明,该模型具有学习速度快、跟踪性能好以及泛化能力强等优点,实现了焦炭质量的在线预测.     

基于SOM和RBF网络的软测量方法研究

为了解决工业生产过程中许多重要的参数无法精确测量或者实时测量的问题,提出一种基于自组织特征映射(SOM)神经网络和径向基函数(RBF)神经网络结合构建网络模型的预测方法;其中,RBF神经网络作为基础网络实现从输入层到输出层的线性映射,得出预测输出;SOM神经网络作为聚类网络对输入样本进行自组织分类,将分类中心及其对应的权值向量作为RBF神经网络径向基函数的中心;以钕铁硼氢粉碎过程优化控制为例,建立了合金氢含量的检测模型,并与RBF神经网络检测模型进行了对比;仿真结果表明该混合网络检测模型检测精度高,泛化能力强,证实了该方法的有效性.     

RBF神经网络的结构动态优化设计

针对径向基函数(Radial basis function, RBF)神经网络的结构设计问题, 提出一种结构动态优化设计方法. 利用敏感度法(Sensitivity analysis, SA)分析隐含层神经元的输出加权值对神经网络输出的影响, 以此判断增加或删除RBF神经网络隐含层中的神经元, 解决了RBF神经网络结构过大或过小的问题, 并给出了神经网络结构动态变化过程中收敛性证明; 利用梯度下降的参数修正算法保证了最终RBF网络的精度, 实现了神经网络的结构和参数自校正. 通过对非线性函数的逼近与污水处理过程中关键参数的建模结果, 证明了该动态RBF具有良好的自适应能力和逼近能力, 尤其是在泛化能力、最终网络结构等方面较之最小资源神经网络(Minimal resource allocation networks, MRAN)与增长和修剪RBF 神经网络(Generalized growing and pruning radial basis function, GGAP-RBF) 有较大提高.     

基于模型输出敏感度分析法的动态RBF神经网络设计

针对一般RBF神经网络在学习过程中网络结构不能改变的问题,提出一种动态RBF神经网络结构设计方法．算法的实质是利用敏感度分析法（SA）对神经网络模型的输出进行分析,通过判断隐含层神经元的输出对整个网络输出的影响,删除RBF隐含层中冗余的神经元,实现对神经网络的动态修剪．非线性函数逼近结果及动态系统建模结果表明,该动态RBF神经网络具有较好的性能;与最小RBF（MRBF）神经网络相比,采用所提算法能得到更小的检测误差和更短的训练时间,最终网络结构紧凑．     

基于相对贡献指标的自组织RBF神经网络的设计

针对RBF（radial basis function）神经网络的结构和参数设计问题,本文提出了一种基于相对贡献指标的自组织RBF神经网络的设计方法。首先,提出一种基于相对贡献指标（relative contribution,RC）的网络结构设计方法,利用隐含层输出对网络输出的相对贡献来判断是否增加或删减RBF网络相应的隐含层节点,并且对神经网络结构调整过程的收敛性进行证明。其次,采用改进的LM（Levenberg-Marquardt algorithm）算法对调整后的网络参数进行更新,使网络具有较少的训练时间和较快的收敛速度。最后,对提出的设计方法进行非线性函数仿真和污水处理出水参数氨氮建模,仿真结果表明,RBF神经网络能够根据研究对象自适应地动态调整RBF结构和参数,具有较好的逼近能力和更高的预测精度。     

基于信息强度的RBF神经网络结构设计研究

在系统研究前馈神经网络的基础上,针对径向基函数(Radial basis function, RBF) 网络的结构设计问题,提出一种弹性RBF神经网络结构优化设计方法. 利用隐含层神经元的输出信息(Output-information, OI)以及隐含层神经元与输出层神经元间的交互信息(Multi-information, MI)分析网络的连接强度, 以此判断增加或删除RBF神经网络隐含层神经元, 同时调整神经网络的拓扑结构,有效地解决了RBF神经网络结构设计问题; 利用梯度下降的参数修正算法保证了最终RBF网络的精度, 实现了神经网络的结构和参数自校正. 通过对典型非线性函数的逼近与污水处理过程关键水质参数建模, 结果证明了该弹性RBF具有良好的动态特征响应能力和逼近能力, 尤其是在训练速度、泛化能力、最终网络结构等方面较之最小资源神经网络(Minimal resource allocation net works, MRAN)、增长修剪RBF 神经网络(Generalized growing and pruning RBF, GGAP-RBF)和自组织RBF神经网络(Self-organizing RBF, SORBF)有较大的提高.     

RBF神经网络在断路器故障诊断中的应用

针对RBF神经网络可在系统参数未知情况下自动建立动态模型,快速跟踪非线性函数,且有很好分类能力等特点,在分析高压断路器分闸线圈时间信号的基础上,提出了RBF神经网络对高压断路器进行故障分类的基本方法.与BP神经网络的诊断结果进行对比,RBF神经网络具有收敛速度快,输出误差和离散性小的优点,并借助仿真结果论证了该实验方法对高压断路器故障诊断的有效性.     

基于PSO的RBF神经网络在教学质量评价中的应用

文章提出了一种将粒子群优化(PSO)算法训练的RBF神经网络用于教师教学质量评价的方法。该方法使用由PSO训练的RBF神经网络来拟合影响教学质量评价的众多指标与评价结果之间的复杂关系。通过实验验证,该方法在教学质量评价中,克服了评价主体在评价过程中的主观因素,又得到满意的评价结果,具有广泛的适用性。     

基于神经网络的带钢跑偏电液伺服系统研究

带钢跑偏电液伺服控制系统的非线性和时变性使得传统的PID控制很难达到理想的控制效果,将神经网络与普通PID控制相结合形成神经网络自适应PID控制策略,应用于该系统实现其良好控制.为提高系统的动态响应速度及性能,采用RBF神经网络对系统进行辨识预测.首先建立带钢跑偏电液伺服系统数学模型,然后利用AMESim和Simulink软件对传统PID控制和神经网络自适应PID控制进行联合仿真.结果表明,神经网络自适应PID控制系统响应速度快、超调量小、鲁棒性强,并具有良好的稳定性和控制精度.     

分层模糊神经网络的轧钢产品质量建模

轧钢生产过程是极其复杂的大系统,模糊神经网络进行质量建模将不可避免地陷入维数灾。分层模糊神经网络是解决维数灾的有效手段。文中采用分层模糊神经网络对轧钢产品质量进行建模,并用预处理后的数据进行训练和校验。仿真结果表明所建质量模型能够较好地拟合建模数据,表明了该方法的有效性。     

基于神经网络专家系统的高压断路器在线监测研究

针对传统专家系统在断路器故障诊断中存在知识获取困难问题,提出了将RBF神经网络与专家系统融合的诊断方案,并通过引入可信度的概念对RBF神经网络算法进行改进,对原己形成的网络权值和阈值进行修正,使故障诊断算法具有诊断新故障类型的功能,又解决专家系统知识获取困难的瓶颈问题.结果表明,该方案合理可行,为高压断路器的在线监测提供了一种新的途径.     

基于径向基神经网络的电涡流传感器输出特性拟合研究

针对电涡流传感器的输出特性参数非线性较大,不能精确地反映被测物理量的问题,提出了一种采用径向基神经网络对电涡流传感器的输出特性参数进行拟合的方案。该方案采用newrb函数创建一个径向基神经网络,以被测物理量作为输入矩阵、电涡流传感器输出电压作为输出矩阵,对该径向基神经网络进行训练,从而可得到均方根误差小且光滑的电涡流传感器输出特性拟合曲线。实验结果表明,只要选择合适的创建函数和扩展系数,径向基神经网络能有效地实现电涡流传感器输出特性的拟合。     

基于RBF神经网络的光电装备作战效能评估

为了提高光电装备作战效能评估的客观性,在构建效能评估指标体系的基础上,建立作战效能评估RBF神经网络模型,通过试验数据样本进行学习训练RBF神经网络模型。最后,利用训练好的RBF神经网络模型对光电装备作战效能进行评估,结果表明基于RBF神经网络的光电装备作战效能评估模型具有一定实用性和可行性。     

基于GA优化RBF神经网络的英语教学质量评价

针对目前英语教学质量评价准确性不高的问题,提出了一种基于遗传算法（GA）优化RBF神经网络的教学质量评价方法.首先利用主成分分析对教学质量评价指标进行选择,然后设计了RBF神经网络教学评价模型,并采用GA对RBF神经网络的初始权值进行优化.实验结果表明,该方法能够有效评价英语教学质量,且准确性和实时性较高.     

基于填充函数算法的工业产品小波网络质量模型

为避免反传学习(BP)算法易于落入局部极小点,该文提出一种基于新填充函数的小 波神经网络全局优化学习算法,用来解决连铸连轧过程的产品质量建模问题.该过程很复杂,影 响其产品性能的因素很多,物理模型难以建立.该文以小波神经网络为模型,建立连铸连轧产品 质量与其化学成分和轧制参数之间的复杂非线性模型.该模型用来对板材产品的断裂延伸率、 屈服强度等质量性能指标进行预测.数值实验表明:所建立的模型拟合与校验命中率较高,能够 较好地预测产品的物理性能.     

人工鱼群算法的汽轮发电机故障诊断仿真研究

研究汽轮发电机故障准确诊断问题,由于汽轮发电机组故障特征与故障状态间呈现较强的非线性关系,传统的数学模型很难正确识别汽轮发电机的各种故障状态,诊断精度不高。RBF神经网络具有自学习、非线性处理等优,为了提高汽轮发电机故障诊断正确率,建立了一种人工鱼群优化RBF神经网络的汽轮发电机故障模型,充分利用人工鱼的聚群、追尾和觅食行为,对RBF神经网络的参数进行了优化,然后采用优化RBF神经网络对故障进行诊断。仿真结果表明,RBF神经网络可提高汽轮发电机故障诊断准确率。