基于免疫遗传神经网络的重型刀具查询系统设计

提出用免疫遗传算法与BP神经网络相结合的方法,设计重型刀具查询系统.结合免疫算法中的浓度机制和遗传算法中的交叉、变异策略提高了种群的多样性,克服了传统BP网络易陷入局部最优点的不足.通过实验发现,与以前的BP算法和GA-BP算法相比,该方法具有更短的训练时间和更高的预测精度.     

基于遗传算法的人工神经网络在航空发动机磨损预测中的应用

提出了一种将遗传算法和BP算法相结合的学习算法来训练BP神经网络,实现网络结构的优化,并用优化后的BP人工神经网络建立了航空发动机的磨损预测模型。将该模型预测结果与BP算法和多元线性回归法的预测结果进行了比较。检验结果表明：基于遗传算法的BP神经网络优于BP算法及多元线性回归法,具有良好的预测效果。     

螺杆泵定子橡胶磨损趋势的遗传神经网络预测模型

针对螺杆泵定子橡胶在复杂工况下受多种因素影响的磨损预测问题,结合各影响因素之间非线性、时变性和强耦合性的特点,将遗传算法和BP算法相结合以实现网络结构参数的优化,建立了遗传神经网络的螺杆泵定子橡胶磨损趋势预测模型。同时,利用测试样本数据将模型的预测结果与BP算法的预测结果进行了比较。结果表明,基于遗传算法的BP神经网络优于BP算法,能够有效地解决受多因素影响的螺杆泵定子橡胶磨损预测的建模问题,具有一定的实用价值。     

遗传算法在电流变传动系统建模中的应用

在双圆盘电流变传动系统的建模过程中,通过在常用于系统识别的神经网络BP算法中加入基于生命进化原理的遗传算法改变神经算法的物理意义和性能。建模过程和结果表明,此种方法不仅能改进BP算法的效率,并且,两种算法的结合使算法本身具有了一定的物理意义,而这种意义是由电流变液的记忆功能所确定的。     

加工过程的复合递归神经网络建模

针对BP神经网络的缺陷,在对角递归网络结构的基础上,提出了一种复合递归神经网络.BP算法收敛速度慢、产生局部极小点的原因之一是该算法采用了均方误差准则,为克服BP算法的不足,采用了一种广义熵方误差准则.把基于广义熵方误差准则的复合递归神经网络应用于加工过程的建模.仿真试验结果表明,复合递归神经网络建模具有比BP神经网络更快的收敛速度和更好的逼近效果.     

基于最大熵准则的加工过程神经网络建模

传统BP算法收敛速度慢、产生局部极小点的原因之一是该算法采用的是均方误差准则。为了改进BP算法的不足,提出基于最大熵准则的BP算法,并应用于加工过程的神经网络建模。仿真表明：基于最大熵准则的BP神经网络建模,其辨识精度优于一般BP算法神经网络建模。     

改进遗传算法优化的神经网络在智能故障诊断中的应用

设计了用模拟退火的混合遗传算法代替BP网络的反向传播过程的改进算法,解决了在机械敲障诊断系统中BP算法容易陷入局部极小值的问题.该算法是在遗传法中引入模拟退火机制,将其同BP算法结合,形成一个混合的优化算法.新算法既有神经网络的学习能力和鲁裤性,又有遗传算法的强的全局随机搜索能力.仿真结果表明,这种改进算法极大提高了内燃机故障诊断系统的效率和准确性.     

基于改进BP网络的指纹分类

利用遗传算法具有的全局随机搜索能力,设计了一个改进的BP学习算法进行网络训练,即先用遗传学习算法进行全局训练,再用BP算法进行精确训练.利用Visual c++编程测试,结果表明,该系统具有分类速度快、效率高的优点,具有一定的实用性.     

基于自适应遗传BP算法的混合气体定量检测研究

针对混合气体检测问题,利用误差反向传播(BP)算法和遗传算法,提出了用自适应遗传算法优化BP神经网络的方法来实现定量检测.即利用遗传算法的全局搜索能力,对神经网络连接权值和阈值进行优化,再以优化后的初值作为BP神经网络的初始连接权值和阈值,最后用附加“动量项”的误差反向传播算法训练BP网络.设计了一个结构为7×18 ×3的3层BP网络用于一组含有5个样本的混合气体识别试验.结果表明:将自适应遗传神经网络算法应用于混合气体定量识别的训练中,收敛速度比附加“动量项”BP算法要快,而且学习精度更高,识别效率也提高了2/3.     

机械手逆运动学神经网络算法研究

提出一种基于模糊遗传算法的机械手逆运动学神经网络建模方法。该方法采用3层前向神经网络建立机械手逆运动学模型，应用模糊遗传算法训练神经网络的权系数。此算法可根据种群进化情况，对交叉概率和变 异概率进行在线模糊控制，加快了算法的搜索过程，有效地避免了简单遗传算法中容易出现的初期收敛问题。仿真结果表明，本方法提高了求解精度和收敛速度，不但有效克服了简单遗传算法常出现的初期收敛和BP算法求解精度低、容易陷入局部极小等缺点，而且避免了计算Jacobian矩阵的伪逆，结构简单、容易实现。     

模糊PID控制在水面航行器伺服控制系统中的应用

针对水面航行器伺服控制系统的非线性及时变性因素的影响,结合模糊控制和PID控制的各自特点,对伺服控制系统关键的位置环采用模糊PID参数自整定控制算法,对航行器的航向进行实时控制,改善系统控制过程的静态、动态性能,并采用Matlab/Simulink进行在线仿真,结果表明模糊自整定PID优于传统的PID,提高了控制的性能。     

高性能永磁同步电机交流伺服系统的研究

介绍了永磁同步电机的数学模型，叙述了空间电压矢量脉宽调制(SVPWM)的原理，构建了永磁同步电机交流伺服系统，并对上述电机模型，SVPWM算法以及伺服系统进行了仿真实现。     

基于人工神经网络的制造执行系统软件构件库构件提取方法研究

为了提高从软件构件库中搜索构件的速度和准确率，利用误差反向传播神经网络(BP网络)研究了构件的搜索问题。针对制造执行系统软件构件的特点，提出一个基于刻面的制造执行系统软件构件表示模型。在此基础上，建立了在构件刻面空间和构件标识之间进行匹配的BP网络模型，并详细研究了该BP网络模型的结构、算法、输入／输出参数处理等问题。最后，通过一个构件库原型系统进行了验证。     

基于神经网络的压缩机故障诊断

对离心式空气压缩机动不平衡的故障问题，采用神经网络的BP(Back　Propagation)算法进行故障模式识别和诊断，并针对传统BP算法收敛速度慢，宜陷入局部最小的情况，从以下方面进行处理：其一，使用带动量改进型反向传播BP算法加快了收敛速度；其二，训练过程中对隐层和输出层采用了双曲正切阈值激励函数进行训练，解决了Sigmoid函数在0和1附近易陷入平坦区的情况。成功实现了故障样本空间到诊断数据空间的影射，并立在理论上给出了数学推导。     

直驱电机测试系统多路信号采集的调理电路设计

直驱伺服电机因高精度、高速度的性能是目前机电设备替代传统传动驱动的重要元件,也是伺服驱动技术的发展方向.直趋电机测试系统调理电路为多路传感器提供电源、信号接入、调理并送至数据采集系统进行数据处理和记录.该调理电路可被力矩电机(伺服系统)和直线电机(伺服系统)试验台通用,具有不少于16路硬件通道,并可复用接入更多传感器信号.     

基于遗传算法/神经网络组合技术的气液两相流型辨识

通过采用遗传算法训练BP神经网络、优化网络权值的技术,对气液两相流的流型进行了辨识研究,在此基础上建立了基于遗传算法/神经网络组合技术的气液两相流流型的预测模型,从而为发动机轴承腔内润滑油气液两相流流型识别提供了技术支持,也为考虑轴承腔气液两相流的相关设计和实验工作提供了技术条件。     

基于ControlLogix控制平台的数控机床进给伺服系统

利用ControlLogix控制平台完成了数控机床进给伺服系统的硬件设计、软件设计以及通讯与组态,由于采用位置自适应PI控制,解决了常规PI控制各个参数无法兼顾的问题,改善了系统的动态性能,提高了系统的定位精度。     

利用BP神经网络识别图像基点

论述了运用BP神经网络对图像进行识别.介绍了BP神经网络的算法设计、隐层节点的选取等问题.结果表明,BP神经网络有很强的自适应性,对大量样本识别后,能将图像中需要的基点有效地识别出来,且达到较高的准确率.     

基于BP神经网络的细胞显微光谱自动分类

光谱正被应用到流式细胞分析技术领域,为了实现自动、快速识别不同类型的细胞或粒子,本文提出一种对细胞显微光谱进行自动识别的BP神经网络方法。该方法在PCA降维,获得样本特征向量的基础上,建立一个三层的BP神经网络,设置各层节点数,训练次数和目标误差,根据训练结果预测个细胞显微光谱的类别;从预测的结果看基于PCA和BP神经网络的方法对细胞光谱的预测识别率达到了100%。这将为流式细胞的自动分类提供合适的算法。     

液压伺服控制技术在校直机上的设计和实现

液压伺服控制技术是校直机的一项关键技术。本文详细探讨了校直机的基本结构、双闭环增量式PID算法的实现和液压伺服控制技术在校直机上的应用。