基于T-S模糊神经网络优化TTR的校车侧翻预警

为提高校车侧翻预警的精度,提出了基于T-S型模糊神经网络优化TTR的侧翻预警算法。根据校车的车体结构和侧翻机理,建立3自由度侧翻动力学模型,选取优化后的动态横向载荷转移率为校车侧翻稳定性能因子。在传统TTR侧翻预警算法的基础上,引入T-S型模糊神经网络,并选取斜坡等4种转向工况,利用车辆状态参数组合对传统TTR-时间曲线进行优化分析。仿真结果表明,基于T-S型模糊神经网络优化TTR的侧翻预警算法结果准确度高、时效性较好,能够有效地提高校车侧翻预警精度,显著地优化了传统TTR-时间关系曲线,有利于改善校车的行驶安全性。     

模糊神经网络在矿浆浮选速率预测中的应用

为改善浮选工艺,改进浮选设计,提高浮选效率,实现浮选的自动控制,提出一种将模糊理论与神经网络相结合的预测方法。利用多层级的前馈神经网络,构建矿浆浓度、精矿质量、药剂用量这3个主要浮选指标与矿浆浮选速率之间的模糊神经网络模型。采用T-S模糊模型不断修正模糊子集的隶属函数,从而提高了预测输出值的精度。通过实验数据的研究结果表明,该算法能够准确描述实际的浮选过程,具有很高的准确度和精度,证明了其用来预测矿浆浮选速率变化趋势具有可行性,为浮选动力学的研究发展提供了一种新的方法和途径。     

基于Takagi-Sugeno模糊神经网络的欠驱动无人艇直线航迹跟踪控制

研究一类欠驱动无人艇的直线航迹跟踪控制问题,提出了一种自适应T-S(Takagi-Sugeno)模糊神经网络控制方法。首先在神经网络体系结构中设计前件网络匹配T-S模糊控制器的模糊规则前件,设计后件网络进行T-S模糊运算推理从而生成模糊规则后件;其次基于梯度下降法原理,设计了T-S模糊规则参数的优化学习算法;然后结合BP神经网络的误差反向传播原理和梯度下降法,设计了模糊神经网络体系误差的反向传播迭代算法,用于高斯隶属度函数参数的学习优化;最后设计了基于T-S模型的模糊神经网络控制器,并通过仿真实验验证了所提出方法和所设计控制器的有效性。     

棒磨机给料模糊-专家复合优化决策

提出了一种采用嵌套式规则的T-S模糊模型,其模型的前件为模糊条件语句,而后件包含了产生式规则.与传统的T-S模糊模型相比,该模型可以减少模糊规则数量,提高模型精度.针对磨矿过程中棒磨机因给料量不合适而时常出现不饱或胀肚,从而影响生产效率这一问题,应用嵌套式规则的T-S模糊模型,提出了一种棒磨机给料模糊-专家复合优化决策方法.仿真结果表明,应用该方法可以使棒磨机给料达到最优值.     

[成形过程的数据挖掘与深度学习方法]基于机器学习的管材弯曲回弹有效预测与补偿

采用基于优化的误差反向传播(BP)神经网络的机器学习算法建模,提出了考虑材料参数、几何参数等多因素的弯管回弹精确预测和高效控制方法。该方法通过引入非线性惯性权重及遗传算法的杂交算子,改进了粒子群优化(PSO)算法,进而通过改进的PSO算法对BP神经网络进行优化,构建了基于改进的PSO-BP神经网络机器学习回弹预测和补偿模型。以多种规格的铝合金数控弯管构件为对象,将实际生产中不同规格、批次、成形参数下回弹数据作为训练样本,实现了所建机器学习预测模型的应用验证。所建模型获得的预测结果平均相对误差为6.3%,与未优化的BP神经网络等传统模型相比,预测精度最大提高了18.5%,计算时间可从1.5 h缩短至300 s,同时实现了回弹预测与补偿精度以及计算效率的显著提高。     

基于 CSA-NARX 模型的电梯钢丝绳动态张力预测方法

为了预测曳引式电梯钢丝绳的动态张力,对带有外部输入的非线性自回归神经网络( NARX )进行研究,利用变色龙优化算法( CSA )对其关键参数进行优化,提出了 CSA-NARX 神经网络模型。该模型在计算速度以及预测精度方面皆优于 NARX 基础模型。最后,利用提出的神经网络模型对电梯上行过程中钢丝绳的动态张力进行预测,其预测精度达到了 97% 。以传统的非平稳时间序列分析模型 ARMA 和 LSTM 为对比,所提出模型的精度更高,验证了所提出模型的有效性。     

基于ASTFA降噪和AKVPMCD的滚动轴承故障诊断方法

提出了一种滚动轴承故障诊断的新方法。首次将自适应最稀疏时频分析(ASTFA)方法应用于振动信号的降噪,并针对KVPMCD方法只选择一种最佳相关模型而忽略其他几种相关模型对预测精度贡献的缺陷,提出了一种改进的KVPMCD模式识别算法--人工鱼群算法优化融合Kriging模型的基于变量预测模型的模式识别（AKVPMCD）算法,即采用收敛速度快、鲁棒性强、具有全局寻优能力的人工鱼群智能算法(AFSIA)优化融合多种Kriging相关模型来提高模型预测精度。在此基础上,提出了一种基于ASTFA降噪和AKVPMCD算法的滚动轴承故障诊断方法。实验结果表明,该方法可以有效提高分类识别的精度。     

基于改进FCM模糊神经网络的水处理过程建模

本文结合改进的FCM聚类分析算法,提出了一种自适应T-S模糊神经网络用于建立水处理过程的模型.该方法通过减法聚类初始化FCM聚类算法,加快了FCM聚类收敛速度,利用改进后的FCM算法对数据集聚类,从而产生输入空间的模糊划分和模糊规则;并用混合BP和递推最小二乘学习算法对前件和后件参数进行优化.最后,将本文的方法用于建立水处理过程的模型,仿真实验的结果表明该方法具有收敛快、精度较高、泛化能力好的优点.     

基于PSO算法的模糊神经网络在脱硫系统中的应用

热电厂在生产过程中会排放大量有害气体二氧化硫,为降低SO_2的排放,采用湿法烟气脱硫工艺。根据影响SO_2排放的因素建立模糊神经网络模型。为克服模糊神经网络易陷入局部极值问题采用粒子群优化算法对模糊神经网络的隶属度和惯性权重进行优化。将模型应用在脱硫系统中,利用从热电厂获取的真实数据对模型进行训练;再在Matlab上进行仿真实验。结果表明,基于PSO算法的模糊神经网络模型在脱硫控制系统中是有效的,并且模型预测精度较高,对现场运行工作有一定的指导意义。     

基于粒子群优化LSTM模型的管道应力预测方法

为了解决传统BP神经网络预测精度不高的问题,提出了一种基于粒子群优化(PSO)长短期记忆网络(LSTM)模型的管道应力趋势预测方法.在分析管道应力监测数据的基础上,利用LSTM模型对未来的应力发展趋势进行预测,进一步采用粒子群算法优化LSTM模型参数来提高预测精度,并基于均方根误差验证了PSO-LSTM模型的有效性,可...     

基于聚类动态LS-SVM的L-赖氨酸发酵过程软测量方法

针对生化反应过程中软测量模型存在的模型失效问题,提出了一种基于模糊C均值聚类(FCM)和动态LS-SVM的混合建模方法.首先,采用FCM算法将训练集分成具有不同聚类中心的子集,然后对每一类分别采用LS-SVM进行训练并建立子模型.对于带有新信息的样本数据首先计算其对每一类的模糊隶属度函数,然后用隶属度最大的一类所对应的子模型进行动态学习,并更新子模型.将所提出的软测量建模方法用于对L-赖氨酸发酵过程关键生物量参数的预测,实验结果表明所提出的建模方法可以有效地增强软测量模型适应工况变化的能力,提高其预测精度.     

正则化学习算法在软测量建模中的应用

软测量技术的核心是建立软测量模型。基于过程可测信息集建立软测量模型即逼近建模过程是不适定的。以径向基函数神经网络作为软测量模型,在软测量建模中引入正则化学习算法。以广义交叉验证作为正则化参数估计方法,讨论了径向基函数神经网络软测量逼近建模的全局与局部正则化学习算法,给出的实例说明了其有效性。     

基于PSO-SVM的关键生物参数软测量方法研究

微生物发酵过程中一些关键生物参数难以实时在线测量,严重影响发酵的优化控制。为解决关键生物参数的测量难题,采用了一种基于PSO-SVM的软测量方法。该方法利用粒子群优化(PSO)算法优化选择支持向量机(SVM)的最佳参数,并建立了基于PSO-SVM的软测量模型。利用赖氨酸发酵的数据对模型进行仿真验证,结果表明该模型具有很好的学习精度和泛化能力。另外在建模耗时上,PSO-SVM算法所用时间远少于标准SVM算法所用时间。     

基于 GPU-CA 异构并行的连铸坯凝固组织软测量模型

铸坯凝固组织结构软测量模型算法复杂,计算量大,求解耗时长,基于中央处理器(CPU)的串行求解方法难以适应大尺 寸铸件的预测需求。 为了提高模型的计算效率,提出一种基于图形处理器(GPU)异构并行的元胞自动机(CA)软测量模型。 首 先设计 GPU-CA 异构并行算法,消除元胞之间的数据依赖和数据竞争问题,优化数据并行度;其次设计多流任务调度方案,解决 单流中独立任务互相等待的问题,提高任务并行度;最后,使用某钢厂大型连铸机生产的两个钢种进行模型测试,预测结果与钢 厂实验数据有较高的吻合度,等轴晶率误差约分别为 1% 和 1. 5% ,温度与实测温度的最大相对误差为 1. 37% 。 与 CPU 计算精 度相同的情况下,GPU 的计算加速比高达数百倍,极大地提高了模型的计算速度。     

基于Linux-Qt的嵌入式农田水势软仪表GUI设计

农田水势(FWP)是SPAC中土壤水势、作物水势和大气水势的统称,由作物微环境信息估算FWP值被称为农田水势软测量技术。按照FWP软测量的实际要求,提出了一种基于Linux-Qt的农田水势软仪表GUI设计方案,采用C语言开发了二级操作界面调用的作物微环境数据查询以及RBF神经网络软测量模型训练、校正以及农田水势实时估计等软测量核心模块,并利用实验样本数据进行了运行检验。     

伺服电动机驱动泵控缸的位移软测量方法

针对位移传感器在液压系统应用中存在的不足,提出了一种液压缸活塞杆的位移软测量方法。该方法基于泵控缸系统的伺服电机转速、转矩信号以及泵、缸、油液相关参数,建立其液压缸活塞杆的位移软测量模型。根据油液黏温、黏压特性补偿活塞杆的位移,以减少软测量位移误差,并在MATLAB/Simulink中建立伺服电机泵控缸系统模型和位移软测量模型。结果表明:所提出的位移软测量方法比位移传感器获取的位移精度略差,但响应速度快,是一种替代位移传感器来获取液压缸位移的有效方案。     

农田水势软测量网络中数据存储系统设计

农田水势软测量网络由多个农作物生长微环境信息测量节点和软测量站组成,依据微环境信息测量节点和软测量站的数据传输要求,设计农田水势软测量网络的数据存储系统,构建采集节点的数据存储系统和软测量站的数据存储系统,并在节点和软测量站之间实现数据的转移,为软测量站进行软测量建模提供大量数据,从而计算农作物的农田水势信息。经实验测试,系统完成预期功能。     

密闭腔内毫秒级传热中内壁温度的软测量

密闭腔工况在工业、国防上有着广泛的应用和更广泛的发展前景，实现其内壁温度的测量具有重要的意义。在分析机理的基础上，采用软测量的方法，对密闭腔内毫秒级传热中内壁温度的测量进行了研究，获得了温度软测量的模型及相应的解法。实例表明：采用软测量方法，选择变化缓慢的温度为二次变量，并利用给出的软测量模型与解法，可以实现密闭腔内毫秒级传热中内壁温度的测量。     

引黄灌渠斗口流量软测量技术

引黄灌渠斗口水流量通常依据闸门开度、闸前和闸后水位等可观测信息估算。自动测量装置具有“软仪表”的典型特征,建立精确适用的软测量模型十分关键。鉴于训练后的人工神经网络可以精确逼近任意非线性函数,建立了基于BP网络和RBF网络的引黄灌渠斗口流量软测量模型,并精选水工试验数据构成训练样本集进行仿真训练。检验表明,基于人工神经网络的软测量模型输出值与期望值(标准三角量水堰的测量结果)吻合良好,斗口水流量软测量精度有显著改善。     

基于LS-SVM的铝电解槽电解温度软测量

针对铝电解槽温度高、腐蚀性强、温度难以直接测量的问题,在分析了铝电解生产工艺和电解温度影响因素的基础上。建立了基于最小二乘支持向量机（LS-SVM）的铝电解槽电解温度的软测量模型。并根据实测数据进行了仿真。仿真结果表明：基于最小二乘支持向量机方法建立的铝电解槽电解温度软测量模型具有精度高、泛化性能好等特点。是一种有效测量铝电解槽电解温度的方法。