基于RBF网络的浮选技术指标预报模型的研究

简要分析RBF网络的结构特点及最近邻聚类学习算法之后 ,利用ZJWNNC标准函数建立了浮选技术指标预报模型 ,并对该模型进行了仿真试验。仿真结果表明 ,模型精度较高 ,具有一定的实用价值 ,为下一阶段开发浮选技术指标智能预测系统奠定基础。     

基于改进粒子群优化RBF神经网络的轧制力预报

依据RBF神经网络的非线性逼近能力和自学习特性, 提出基于RBF神经网络的建模方法。将最近邻聚类用于RBF神经网络隐层中心向量的确定, 并采用改进粒子群算法对最近邻聚类的聚类半径进行优化, 合理确定了RBF神经网络的隐层结构, 提出了一种基于改进粒子群算法的RBF神经网络(IMPSO-RBF)。将该网络应用于轧制力的预报, 与基本粒子群算法优化的RBF神经网络比较, 仿真结果表明其在预报精度和收敛速度上都有很大提高。     

基于RBF网络的浮选过程技术指标智能预测系统的研究

利用ZJWNNC标准函数建立了浮选过程技术指标与矿浆性质、药剂用量之间的关系模型 ,并对该模型进行了仿真试验。仿真结果表明 ,模型输出能以较高精度逼近样本数据。基于上述模型开发了西林铅锌矿浮选过程技术指标智能预测系统 ,并进行了工业试验。工业试验的结果表明 ,该系统能够以较高的精度预测浮选过程作业回收率和精矿品位。该系统的成功开发为浮选过程的优化控制奠定了基础。     

基于RBF网络与自适应遗传算法的旋转机械故障诊断方法

针对RBF网络学习算法工作量大和类别数需预先确定的问题,通过引入具有自适应机制的的遗传算法,结合梯度下降法交互运算,提出了自适应遗传算法和径向基函数网络相结合的旋转机械故障诊断方法。通过对样本模式聚类和故障状态的分析,并利用自适应遗传算法优化相关的RBF网络,有效地解决了隐节点数和各参数的取值问题。应用结果表明,RBF网络和自适应遗传算法相结合提高了全局寻优效率。     

基于RBF神经网络的露天边坡优化设计方法

建立了岩质边坡稳定性定量评价的径向基函数(RBF)神经网络模型,避免了BP网络收敛速度慢的不足。提出了基于RBF神经网络的露天边坡优化设计方法,并将其应用于水厂铁矿边坡优化设计中,取得了良好的效果。     

径向基函数（RBF）网络的研究及实现

概述人工神经元网络的分类 ,详细分析了RBF网络的结构特点 ,给出了最近邻聚类学习算法的具体过程 ,并利用MATLAB编程语言将此算法编制成标准函数ZJWNNC。该算法是一种在线自适应聚类学习算法 ,不需要事先确定隐含层单元的个数。     

RBF网络及浮选过程药剂用量模型的研究

简要分析RBF网络的结构特点及最近邻聚类学习算法之后,利用ZJWNNC标准函数建立了浮选过程药剂用量模型,并对该模型进行了仿真试验。仿真结果表明,模型精度较高,具有一定的实用价值,为下一阶段开发浮选过程药剂用量智能咨询系统奠定基础。     

基于粒子群算法与RBF神经网络的露天矿边坡稳定系数预测

为准确构建边坡稳定影响因素与稳定状态之间的复杂非线性函数,基于粒子群算法全局搜索能力及RBF神经网络非线性变换和局部逼近能力,提出了一种基于粒子群算法与RBF神经网络的露天矿边坡稳定系数预测方法.实践应用表明:与单纯的RBF神经网络方法相比,基于粒子群算法与RBF神经网络预测露天矿边坡稳定系数精度可靠、性能稳定.     

基于粒子群优化RBF神经网络的液压钻机故障诊断

提出了一种基于粒子群优化径向基神经网络的液压钻机故障诊断方法。该方法使用虚拟仪器及LabVIEW软件对液压钻机的特征信号进行采集,利用粒子群优化算法对径向基神经网络的径向基中心值、宽度以及权值进行优化,实现了液压钻机的故障诊断。结果表明,基于粒子群优化径向基神经网络的液压钻机故障诊断方法在小样本情况下,诊断准确率高,实用性强。     

改进型粒子群算法在有源电力滤波器优化配置中的应用

针对电网中谐波源多种多样、情况复杂的问题,以最小化投资成本为目标函数,以电压总谐波畸变率和各节点电压谐波畸变率为约束条件,应用改进型的粒子群算法,建立多个有源滤波器优化配置问题的数学模型。通过应用Matlab仿真软件,以IEEE18节点系统进行了仿真,结果表明所述算法可以较快地收敛到全局最优解,能很好地解决电网中多个有源滤波器的优化配置问题。     

基于改进粒子群算法的地应力场反分析研究

地应力场的确定在岩土工程围岩稳定性研究中是非常重要的。粒子群算法优化是近些年发展起来的一种基于群体智能的随机优化算法。通过利用PSO算法理论,提出了一种计算初始地应力场的改进粒子群算法。     

基于邻域粒子群混合算法的齿轮故障诊断

为了提高齿轮故障诊断的准确性,采用了一种邻域粒子群混合方法。即根据齿轮的故障特征量,利用邻域粒子群算法来优化BP神经网络的权值,并用优化好的BP网络进行故障诊断。实例仿真结果表明,该方法具有较高的故障诊断准确度,具有一定的实用性。     

基于混沌粒子群算法的采煤机优化设计

为了能够提高采煤机的性能,利用混沌粒子群优化算法对采煤机螺旋滚筒进行了优化设计。讨论了采煤机螺旋滚筒的优化数学模型;分析了混沌粒子群算法的基本原理;利用MATALAB软件编制优化设计程序,对采煤机滚筒进行了优化设计。     

基于混合粒子群优化算法的矿山生产配矿

为了提高矿山低品位矿产资源的利用率, 确保生产过程中矿石质量的稳定性和均匀性, 建立了一种矿山多目标配矿优化模型, 并将标准遗传算法中的交叉和变异操作与标准粒子群算法融合, 提出求解该优化模型的混合粒子群算法。以国内某地下铝土矿为例, 分别运用混合粒子群优化算法、标准遗传算法和标准粒子群算法3种方法对建立的多目标配矿优化模型进行求解, 通过对比优化结果发现: 混合粒子群优化算法求解的各采区月出矿量完全满足矿山实际生产要求, 而标准遗传算法和标准粒子群算法求解结果存在误差, 分别达到9.92%和14.94%, 且易陷入局部最优值; 从迭代进化曲线可知, 混合粒子群优化算法收敛速度快, 稳定性和鲁棒性较高, 具有一定科学研究和实际应用价值。     

基于混沌免疫粒子群算法的故障特征选择

针对传统组合优化方法用于故障特征选择的缺陷问题,提出了基于人工免疫和混沌思想的混合粒子群优化算法的特征选择策略。引入混沌优化和人工免疫系统中的克隆选择机制,利用克隆和混沌变异等算子对算法进行改进,提高种群的多样性,增强了算法跳出局部极值的能力。实验结果表明,该混合粒子群算法比常规粒子群算法具有更快的优化速度,有效提高了特征选择效率,使故障诊断精度有所提高。     

粒子群算法在机械优化设计中的应用

介绍了粒子群算法的原理、模型和算法实现过程,并采用该算法对机械优化的一个实例:压缩圆柱螺旋弹簧的优化设计模型进行了优化设计,优化计算结果表明,基于粒子群算法的优化设计切实可行,为复杂的机械优化设计提供了新的思路和方法。     

基于粒子群算法的喷浆机器人移动控制算法

针对简化的三自由度喷浆机器人进行定点目标的移动控制任务,研究一种基于粒子群寻优的移动控制算法。该方法以机器人位姿输出函数最小化为目标,进行优化计算,学习算法简单,具有很好的自适应性和鲁棒性。基于所提出的优化方法进行仿真实验,实验结果证明了所提方法是可靠有效的。     

基于模糊自适应粒子群算法的电网优化调度

机组调度的好坏直接决定了电网运行费用的多少,通过优化达到最优值是改变机组运行的方式之一。模糊自适应粒子群算法,采用自适应粒子法,通过惯性权值法进行粒子追踪与自适应调整,然后通过公式分析达到最优值。