基于模糊神经网络的电弧炉控制系统及仿真

电极调节系统是电弧炉炼钢过程不可缺少的基本装备。目前常用的电极调节器大多是基于单相意识,导致电极调节中电极往往误动作,大大影响了电弧炉的运行效益。在模糊控制和神经网络的基础上,探索研究一种基于三相意识的电弧炉控制新方法,采用模糊神经网络调节器控制对电弧炉电极进行调节,控制弧流弧压稳定在一定范围之内,使电弧炉冶炼达到有功功率最大化,进一步提高电弧炉的综合运行效益,降低能耗、减轻对电网危害。并用matlab对模糊神经网络进行仿真。结果表明,本网络具有较快的训练速度和较高的泛化能力,满足电弧炉控制的要求,其控制性能优于常规电弧炉控制系统。     

神经网络在电弧炉电极控制中的应用研究

在冶炼工业的电弧炉中有效地控制电极电流,对于电弧炉正常运行至关重要.讨论了基于神经网络对电弧炉电极进行智能控制的方法,运用神经网络的BP、RBF以及双隐层BP模型,分别对电弧炉电极的单相电流及三相电流进行了分析和仿真.结果表明该方法可以获得有效的控制效果,使电极电流达到稳定状态.     

神经网络在电弧炉炼钢控制系统中的应用研究

将神经网络智能控制理论应用于电弧炉炼钢控制系统,运用改进的BP算法,建立了电弧炉神经网络预估控制系统,满足了实时控制的自适应要求.仿真结果表明,采用神经网络智能控制方法,对电弧炉电极可以进行有效的控制.该系统响应速度快,适应性和鲁棒性强,具有推广应用价值.     

一种用于电容层析成像三相流重建的神经网络算法

在对B－P网络激励函数作出修改的基础上,提出了充分利用ECT系统的测量数据对气／油、水三相流进行成象的方法,该图象重建算法具有概念简单,易于实施,成象速度快,抗噪能力等优点。     

基于BP神经网络的军用电源智能故障诊断

电源设备的可靠运行关系到地空导弹武器系统的性能,对电源系统进行准确的故障诊断是十分重要的.为对地空导弹武器系统中电源设备故障进行准确诊断,介绍了BP神经网络和某型地空导弹静变电源的相关知识,建立了三相DC/AC逆变器的故障模型,并对几种常见的故障进行了简要的分析.最后,将BP神经网络模型应用于某型地空导弹静变电源的故障诊断,利用神经网络较好的模式分类能力,解决了以往地空导弹部队进行静变电源故障诊断的不足.仿真结果表明,该方法能够准确诊断电源设备的故障,验证了该方法的准确性和实用性.     

改进BP神经网络用于入侵检测

随着网络的不断发展,网络上的信息量在日益增多,人们在网络上的应用也越来越多,网络安全成为十分重要的问题。入侵检测是网络安全的的一个研究热点。本文经过对入侵检测历史与现状的分析和对目前入侵检测技术的研究。针对目前大多数入侵检测系统存在的局限性,提出了一种利用改进BP神经网络算法的入侵检测方法,仿真实验结果表明该算法可以有效地进行入侵检测,使入侵检测的准确性与速度有所提高。     

电弧炉智能电极控制器的研究

将神经网络智能控制理论应用于电弧炉电极控制系统,建立了电孤炉电极控制模型.运用BP神经网络,对所建立的控制模型进行了仿真研究.仿真结果表明,采用神经网络智能控制方法,可以对电弧炉电极进行有效地控制,并提高了系统的适应性和鲁棒性,具有重要应用价值.     

BP神经网络用于器乐演奏评价的研究

人工进行器乐演奏的评价容易受主观因素影响,BP神经网络可模拟多输入的非线性系统,利用它可以很好地建立器乐演奏评价系统.根据乐理知识将各个评价特征客观化作为输入,将所要得到的各种评价结果作为输出,经过BP神经网络进行模拟打分得出一个较为合理的分数.实验表明BP神经网络可以模拟一个稳定的评分系统.     

BP神经网络的设计

对ＢＰ神经网络设计中的隐层节点数，初始权值，学习率等参数的选择进行研究，分别给出若干经验公式。     

基于三相连接的进化模糊神经网络及应用

介绍了一种新型的进化模糊神经网络,规则节点层融入了三相电路的连接方式,用于在线的监督学习或者无人监督学习。使用进化聚类方法,模糊规则在系统执行过程中进行创建和更新,并且采用遗传算法即时优化进化聚类的结果,通过T-S模型模糊推理系统计算输出。     

遗传算法优化BP神经网络的网络游戏流识别

网络游戏作为一种新兴的娱乐社交方式,现已拥有着庞大的用户群体,且不断增加,因此对网络游戏数据流进行识别有十分重要的意义.利用BP神经网络优秀的非线性拟合能力,结合遗传算法全局搜索的优点,优化BP神经网络的初始权值和阈值,建立遗传算法优化的BP神经网络模型,并提出利用多维度输入信息对网络游戏数据流进行识别.通过实验仿真,...     

BP神经网络用于藻类生长预测的改进

针对传统的BP神经网络应用于藻类生长预测时,往往出现训练时间较长、输出数据精度低等问题.本文提出了在含有两层隐含层的BP神经网络结构中,对于数量一定的神经元,若神经元在隐含层分配合理,则BP神经网络可以达到减少训练次数并且能满足问题精度的要求.应用实例表明,该方法对预测藻类生长显得非常有效.     

真空自耗电弧炉系统优化控制策略研究

为了研究真空自耗电弧炉在特殊钢冶炼过程中偏弧现象的形成原因、检测方法和改善措施,以降低产品的次品率和切除量,针对某电弧炉弧压、熔速和弧位等关键变量,设计了优化控制策略。首先,分析了真空自耗电弧炉的系统结构,基于Biot-Savart定律与数值算例,讨论了偏弧的成因;然后,研究了一种使用四个电磁传感器来检测电弧中心位置的方法;最后,基于“弧位检测—熔速与稳弧线圈修正”思想,提出了一种系统优化策略,并在MATLAB-Simulink平台上进行了仿真。仿真结果表明,偏弧现象与弧压、电流、弧长密切相关,且弧压与熔速相互耦合。因此,所提出的优化策略将弧位检测结果作为反馈量,通过弧压、熔速和稳弧线圈修正以改善偏弧是一种有效方法。     

电弧炉电极调节器的优化研究与仿真

研究电弧炉电极存在非线性与时变性难以调节的问题,针对目前电弧炉电极调节系统在干扰下容易产生振荡且实时性差,造成电极反复调节浪费电能的现状。为解决上述问题,提出引入对角递归神经网络与PID控制相结合的DRNN-PID控制器,解决了传统电极调节系统抗扰性与实时性差的问题。仿真结果表明:DRNN-PID控制器改善了传统电极控制器的动态性能,提高了动态调节精度与实时性,为调节器设计优化提供了参考。     

金精矿提金三相循环流化床系统的神经网络建模

三相循环流化床床层压力是影响提金效率的一个重要因素,但床层压力大小受进气速度、固含率、金精矿粒径大小、循环流化床自身设计结构等多种因素影响,关系复杂,难以建立精确的数学模型;针对以上问题,首先通过实验确定了影响床层压力大小的主次因素,为简化问题进行建模做了准备;然后对三相循环流化床提金过程的压力特性进行多工况实验,采用基于LM(Levenberg-Mar-quardt)算法的BP神经网络建立了金精矿提金三相循环流化床床层压力的神经网络模型,并进行了校验;研究结果表明该算法收敛速度快,所建模型精度高且泛化能力强,该模型为三相循环流化床的监控提供了基础。     

BP神经网络研究

简述BP算法原理,并通过训练一个布尔函数的实例,对BP神经网络算法进行分析与研究,从中可以看出不同的神经网络可以解决同一个实际问题,但是它们的效率及精确度是不同的,需要根据具体应用采用合适的网络形式。     

基于反向传播神经网络的失流故障智能识别研究

为解决传统方法识别主网电流失流故障准确率低的问题,本文提出了一种基于反向传播神经网络的失流故障智能识别方法。本文利用反向传播的神经网络算法,通过梯度下降的方式反向修正各层权值,使网络输出误差达到可以接受的程度,从而达到对失流故障识别具有很好的自学习自适应能力的目的。首先根据对主网失流故障特征的研究,将失流故障分为持续失流与断续失流两种,构造对应指标,综合所有指标构建失流故障特征提取体系,最后建立反向神经网络来拟合失流故障提取体系。对数据进行识别,建立专家样本库,利用反向神经网络进行离线训练,训练完成后固定权值用于失流故障识别,从而准确输出失流故障事件。经实例验证,所提方法在识别准确率和识别效率优于一般分类识别方法,可实现失流故障的就地识别。     

基于BP神经网络PID控制的恒流充电控制系统

针对传统PID控制在储能电容恒流充电中不能实现控制参数非线性动态整定的问题,提出了一种基于BP神经网络PID控制的恒流充电控制方法.首先介绍了传统PID控制,并与BP神经网络PID控制进行了对比和分析,然后确定了BP神经网络的模型,并计算了三层BP神经网络的权值系数,最后使PID控制器输出了调节系数KP、KI、KD.由...     

基于BP神经网络的指纹识别

本文深研究了基于BP神经网络的指纹识别。对采集到的指纹图像进行预处理,消除假的特征点,利用指纹图像的脊线端点和分叉点作为最终特征点,提取其特征点坐标和方向作为神经网络的特征输入向量,实验证明该方法具有较好的实验效果。     

一种用于车牌定位的改进BP神经网络方法

针对车牌定位中存在的由于光线不足、环境恶劣、车牌背景不清晰、车牌磨损、图像倾斜等干扰因素导致的定位不准、车牌模糊、反应时间长等问题,文章通过对比目前的各种不同车牌定位技术,提出了改进激励函数和改善梯度估计精度的BP神经网络算法.重点说明了改进的具体过程和车牌定位的原理、方法和步骤,运用Hough算法对车牌倾斜度进行校正,借助常规的灰度图像感知方法,通过车牌定位的具体试验证明了该方法有较强的适应能力和学习速度快、车牌定位准确率高、鲁棒性好等优点,从而说明了该方法的可行性.