基于改进BP神经网络的烧结矿FeO含量预测

影响烧结矿FeO含量的因素较多且FeO含量与各因素间呈现非线性关系，预测难度较大。针对烧结矿FeO含量难以直接预测的问题，提出一种Dropout算法与Adam算法和四层BP神经网络相融合的烧结矿FeO含量预测模型。为提高烧结矿FeO含量的预测准确率，结合烧结工艺，选取与烧结矿FeO含量强相关性的烧结机尾断面热成像关键帧的温度特征作为模型的参数输入。利用Dropout算法改善四层BP神经网络结构，Adam算法优化四层BP神经网络的训练过程，进而提高模型的预测精度和泛化能力。试验表明，改进的模型预测烧结矿FeO含量误差值在±0.5、±0.8和±1.0时，命中率分别达到77.42%、88.71%和96.77%。与三层BP神经网络预测模型和支持向量机回归(support vector regression, SVR)模型相比，该模型的误差更小，同时预测精度也得到显著提升。     

基于Tikhonov和变差正则化的磁感应断层成像重建算法

为了解决磁感应断层成像(MIT)逆问题的病态性和改善重建图像的质量,提出一种新的组合算法.该组合算法首先利用Tikhonov正则化算法对解的适定性产生初步的成像区域,之后再利用变差正则化算法对解的保边缘性和锐化作用进行图像重建.该组合算法与Tikhonov正则化算法及变差正则化算法相比,不仅有效地克服了磁感应断层成像(MIT)重建图像数值解的不稳定性,还加快了重建图像的收敛速度,提高了目标导体的分辨能力,有效改善了重构图像的质量.仿真结果表明了该组合算法的有效性.     

基于改进VMD和GA-BP神经网络的砂岩破裂过程预测方法

为提取有效的砂岩破裂声发射信号特征, 提高砂岩破裂过程预测精度, 提出一种基于改进变分模式分解算法(VMD)和GA-BP神经网络的预测方法。首先, 开展单轴压缩实验进行砂岩破裂试验, 并采集破裂过程的声发射信号; 其次, 为取得有效声发射信号, 从中提取出有效特征参数进行预测, 引入相关系数改进VMD算法并对原始声发射信号进行预处理, 提取信号能量特征参数作为模型的输入以便区分破裂过程; 最后构建GA-BP预测模型, 通过遗传算法(GA)优化BP神经网络的权值和阈值, 将信号能量作为样本用于预测模型的训练。结果表明, 通过引入相关系数可有效解决VMD算法中K值难以选取的问题, 对采集到的声发射信号进行有效去噪; 此外, 经GA算法改进后的BP神经网络预测模型能够准确预测破裂状态, 相较于改进前传统的BP神经网络模型稳定性更高, 收敛能力更好, 预测准确率提高17.5%。      

基于高阶累积量一维切片的地震信号初至自动拾取方法

将现代重要的统计信号处理理论--高阶累积量理论引入到地震信号的分析与处理中,提出了一种基于互四阶累积量一维切片的地震信号初至自动拾取方法,并给出了该方法的基本原理与具体算法.该方法利用地震信号横向波形的相似性以及互四阶累积量对高斯色噪声不敏感的特点,实现地震信号初至时间的自动拾取.理论模型计算表明,在强高斯色噪声干扰下该方法仍能对地震信号初至起跳时间进行有效拾取,信噪比达到-3 dB;在实际资料应用中,该方法能快速准确地确定地震信号初至点的位置,与人工拾取结果基本一致.     

鱼雷自导换能器稀土永磁平面阵列的回波探测研究

鱼雷自导换能器是实现攻击目标回波信号检测的制导装置,采用稀土永磁平面阵列构成。研究鱼雷自导换能器平面阵列的回波探测算法,提高目标搜索检测性能。进行回波信号模型构建,对海水混响进行滤波处理,进行平面阵列的回波探测算法设计。仿真表明,该方法对目标回波探测过程中信号的检测性能较高,提高了鱼雷发现和识别目标的能力。     

不同岩石脆性破坏声发射时频特性及信号识别

针对不同岩石脆性破裂声发射信号的非稳定性等特点,提出了声发射参数、Welch 谱、EMD 和BP 神经网络相结合的声发射信号特征提取及识别方法.通过对3 类脆性岩石进行单轴压缩声发射试验,获取了岩石破裂全过程的力学、声发射参数及波形;对各类岩石的声发射信号的时频特征进行了对比分析;综合声发射参数、峰值频率及EMD 能量熵等特征向量,运用BP 神经网络对岩石声发射及干扰源信号进行模式识别.结果表明,不同岩石在单轴加载下声发射参数随应力或时间的演化特征存在异同;EMD 与Welch 谱可很好体现出不同岩石声发射信号频谱与能量分布的特征差异;不同岩石声发射多种特征的神经网络具有良好的识别效果.      

PET成像的加权最小二乘重建算法

针对正电子发射断层成像系统,提出一种基于加权最小二乘函数的迭代重建算法.与传统的梯度型算法不同,在迭代过程中,此算法利用当前迭代点构造辅助函数,使用辅助函数的最优解代替目标函数的最优解,获得新的迭代点.该算法自动满足非负约束,无需步长因子,保证目标函数单调递减,并且具有全局收敛性.使用模拟数据和真实医学诊断数据进行实验,结果表明:该算法与SA-WLS和ML-EM算法相比需要相同的运算时间,但是具有更快的收敛速度和更好的成像质量.     

改进粒子群优化神经网络及其在产品质量建模中的应用

针对传统神经网络优化算法易陷入局部最优值的问题,在标准粒子群算法的基础上,对粒子速度与位置更新策略进行改进,提出一种基于改进粒子群优化算法的BP神经网络建模方法.使用sinc函数、波士顿住房数据及某钢厂带钢热镀锌生产的实际数据进行验证.结果表明,与标准的反向传播神经网络和支持向量机相比,基于改进粒子群优化的神经网络模型可以有效提高预测精度.     

超声测距系统的高精度中心椭圆算法

描述了基于新型驱动电路和低噪声程控放大器的超声测距系统.驱动系统的设计从硬件角度提高了回波信号的信噪比和稳定性.基于能量重心校正法和最小二乘法的原理,提出了一种改进型椭圆中心超声回波寻峰算法:通过曲线拟合搜索椭圆中心点,即回波信号能量集中点,进而找到回波信号的峰值点.测试比较证明,与包络线法和三次多项式法相比,此算法测量相对误差稳定在0.2%,适用高精度工业测量.     

基于BP神经网络PID控制及其仿真

对BP神经网络算法进行了改进,克服了直接使用神经网络算法进行PID控制的不足之处.仿真表明,设计了附加动量项的BP神经网络,能有效地提高算法的收敛速度.实验结果表明控制效果优于传统的PID控制算法的仿真结果.