基于模糊神经网络和遗传算法的产品造型设计

提出了基于模糊神经网络和遗传算法完成产品自动搜索和产品形象评价的一种方法,构造基于特征层次的计算机辅助设计(CAD)模型,对相关造型参数进行界定,自动生成新的产品造型。利用模糊神经网络算法建立输入造型参数和系列形容形象词语的关系。在反馈过程中,遗传算法通过训练神经网络满足产品形象合理功能的设计要求来搜索理想的最优化设计。该方法提供了一个使设计人员能迅速获得产品造型及其相应的图像或在短时间的理想造型中寻找到符合形象要求的自动设计系统。     

遗传算法优化的振动磨机模糊控制器研究

振动磨机负荷控制的目的,就是在保证磨机稳定运行的条件下尽量提高磨机生产效率。根据磨机的延迟、非线性和不确定性等特点,该文设计了单变量输入—输出二维模糊控制器。并且考虑到经典模糊控制设计方法存在着很大的主观性和随意性,因此,采用遗传算法赋予模糊控制器学习功能,用自然进化和基因遗传学原理的优化搜索方法,使系统获取最佳的控制效果。     

基于遗传算法的自寻优模糊控制器的研究与应用

针对矿山电力传动系统的特点和要求,根据遗传算法和模糊控制理论,研究和设计了一种基于遗传算法的自寻优模糊控制器。仿真研究和实时控制结果表明,该控制器设计的调速系统具有响应速度快、空载和负载情况下无静差、无超调、鲁棒性强等特点,且结构简单,易于实现实时控制。     

基于遗传算法和模糊神经网络的矿区GPS高程转换

基于模糊神经网络和遗传算法的原理,确定了矿区GPS高程转换的遗传算法-模糊神经网络模型,研究了遗传-模糊神经网络、二次曲面拟合和 BP 神经网络3种模型在CPS高程转换中的应用.结果表明:遗传-模糊神经网络模型拟合数据的精度更高、网络性能更稳定,有效的避免了局部极值的问题,可以用于GPS高程转换.     

基于遗传算法优化BP神经网络的提升机制动系统故障诊断

介绍BP神经网络的基本原理,提出合理的提升机制动系统故障诊断训练,分析神经网络存在的局部最优解和收敛速度慢等问题,利用遗传算法对BP神经网络进行改进。分别对原始的BP神经网络和改进后的神经网络进行仿真分析,结果显示基于遗传算法优化后的BP神经网络优势明显。     

基于神经网络和遗传算法的瓦斯含量预测研究

为了准确预测矿井瓦斯含量,研究了神经网络和遗传算法的井下瓦斯预测算法.首先构建以煤层埋藏深度、煤层厚度、顶板岩性、上覆基岩厚度、顶板30m砂岩比等5个参数作为输入量、瓦斯含量为输出量的神经网络模型;然后结合所建模型,采用遗传算法对神经网络模型进行优化计算.试验结果表明,所建瓦斯预测模型的预测精度高,煤层瓦斯含量预测效果良好.     

基于遗传算法的冷轧螺纹钢筋工艺参数优化研究

提出将遗传算法用于冷轧螺纹钢筋工艺参数的优化设计中,建立了冷轧螺纹钢筋产品抗拉强度与原材料的抗拉强度、冷轧速度、面缩率和延伸系数等工艺参数之间关系的数学模型,确定了适当的遗传参数,计算出了冷轧螺纹钢筋主要工艺参数的优化数据,按照优化后的参数进行试验,取得了良好的效果,可节约生产成本,提高产品性能。计算数值与试验数值基本一致,证明所提出的方法是行之有效的。     

基于遗传算法优化BP神经网络的提升机制动系统故障诊断

针对提升机故障诊断系统的复杂性,利用浮点数编码的遗传算法优化BP神经网络的初始权值和阈值,再按BP算法沿负梯度方向进行网络学习直至收敛,构建起遗传算法优化BP神经网络的诊断方法。将此诊断方法应用于2JTP-1.2型提升机液压制动系统,诊断结果表明,该方法用于提升机液压制动系统常见故障诊断可行。     

基于遗传算法和人工神经网络的煤层厚度预测

将具有高度非线性识别能力的人工神经网络与遗传算法相结合,探讨了应用于煤层厚度预测的方法,提出了先用遗传算法优化神经网络,再进行结果预测。实践表明,该方法有效提高了精度,对煤层厚度预测提供了一个重要模型。     

基于自适应神经模糊推理系统(ANFIS)的煤炭企业物资消耗预测模型

针对煤炭企业传统物资消耗预测中存在的不足，以及影响煤炭企业物资消耗的因素复杂等特点，建立一种基于自适应神经模糊推理系统(ANFIS)的物资消耗预测模型．并结合某大型煤炭企业采矿生产中所消耗的钢材量和相对应的影响因素，对模型的预测效果进行了验证．     

矿井局部通风机的模糊神经网络PID控制器设计

 针对矿井掘进工作面通风的特点,提出了一种将模糊神经网络、遗传算法和PID控制相结合的局部通风机控制方法。该方法运用遗传算法优化模糊神经网络隶属度函数的中心值和宽度,借助BP算法优化连接权系数。实验表明,该方法能根据瓦斯浓度的变化在线自动调整风机转速,较常规PID控制器有着明显的优点。系统采用以TMS320F2407 DSP为核心的电路来实现PID控制器的设计和通风机的变频调速。     

基于遗传算法优化小波神经网络的井下电缆故障测距方法

针对煤矿井下电网发生单相接地故障后定位困难,现有测距方法可靠性及测距精度低等问题,提出基于故障后暂态电气量由遗传算法优化小波神经网络,实现井下电缆馈线单相接地故障测距的方法。通过不同过渡电阻,故障距离情况的仿真结果表明,基于遗传算法优化的小波神经网络能实现准确故障测距,且较之基于BP算法小波神经网络的测距方法,其在测距精度和收敛时间方面表现更优。     

基于BP神经网络的煤矿矿井空调模糊控制器设计研究

针对矿井空调被控对象时滞、时变、非线性的特点,基于神经网络方法,设计了一种基于BP算法的神经模糊控制器,通过采用MATLAB提供的神经网络工具箱和Simulink软件包对其进行了仿真。结果表明,该控制器比经典PID控制及单纯模糊控制具有较好的鲁棒性,动态性能好,控制迅速,适于我国煤矿企业广泛使用的矿井空调控制系统。     

采煤机调高系统的模糊神经网络自适应控制

针对采煤机滚筒调高系统的非线性特点,采用了一种基于BP算法的模糊神经网络自适应控制,将模糊控制具有的较强逻辑推理功能、神经网络的自适应、自学习能力融为一体,形成了对非线性系统的良好控制策略。经仿真结果表明,该系统具有良好的动、静态性能及自适应性。     

基于遗传神经网络的龙煤矿业集团销售量预测研究

将遗传神经网络应用到龙煤矿业集团销售量预测中,预测采用三层前馈BP神经网络,利用遗传算法对神经网络初始权值进行优化,实际数值计算表明该算法在龙煤矿业集团销售量预测中的学习速率和精度都比单纯BP神经网络得出的结果好,适合于销售量预测。     

基于跳跃基因遗传算法的模糊系统设计优化方法

采用一种新的跳跃基因遗传算法对获取的初始模糊系统参数进行优化。在此基础上,综合考虑隶属度函数的距离相似性和形状相似性,依据隶属度函数相似性对模糊变量的隶属度函数集进行简化。     

基于遗传神经网络的变压器故障诊断

变压器是重要的输变电设备,其运行状况直接影响到发、供电系统的安全性和可靠性,研究有效地故障诊断方法具有实际意义。将故障树、神经网络和遗传算法相结合应用于变压器故障诊断中,并通过实例证明此方法是有效可行的。