基于智能优化型径向基神经网络的板形模式识别研究

针对传统基于神经网络的板形模式识别方法具有网络精度较低、在线识别速度慢和网络模型建模复杂等技术问题,提出了一种基于智能优化型径向基神经网络的板形模式识别方法.在基于训练数据进行神经网络建模过程中,采用一种改进的粒子群优化控制算法进行网络架构节点数目和网络参数值的离线优化,因而所得方法具有网络结构简单、泛化能力强等优点.仿真实验结果表明,该方法是一种有效板形模式识别方法,有利于提高板形控制精度.     

BP神经网络预测废水处理过程的研究

通过在实验室条件下进行追纸废水处理试验取得的数据对BP神经网络进行训练，建立了造纸废水处理过程的网络模型。该网络模型仿真实际废水处理过程的结果表明，BP神经网络具有很强的学习能力。利用BP神经网络模型实现了对造纸废水处理过程的预测，平均相对误差为19％，表明网络泛化能力不是很好。经过动态训练的BP神经网络模型能够比较准确的预测造纸废水处理过程，平均相对误差为1．9％，大大优于未经动态训练的网络模型。     

一种数控机床伺服系统参数辨识方法的研究

针对数控机床伺服系统在模型辨识中存在的问题,为了减小系统模型建模误差,提高伺服系统的控制性能,提出一种在线实时的递推式最小二乘参数辨识方法。首先推导和构建了递推式最小二乘参数辨识数学模型,然后对三轴数控雕铣机床伺服系统模型参数进行在线辨识实验。实验结果表明所提出的方法能够有效地提高伺服系统的模型辨识精度,从而有效提高伺服系统的控制性能。     

基于计算机视觉和嗅觉的菠菜叶绿素含量检测方法研究

以叶绿素含量为评价菠菜新鲜度的参考指标,开发菠菜采后品质无损检测方法。采用计算机视觉和电子鼻分别获取储藏期内菠菜的图像和气味信息。分别提取视觉、嗅觉信息的主成分作为模型的输入,以叶绿素含量的化学检测值作为模型的输出,采用误差反向传播神经网络建立菠菜叶绿素的定量预测模型。试验显示,以视觉信息为输入量的模型测试结果:训练集和测试集的均方根误差(RMSE)分别为0.1978 mg/g和0.2147 mg/g,相关系数(R)分别为0.8457和0.7995。以电子鼻信息为输入量的模型测试结果:训练、测试集的RMSE分别为0.3119 mg/g和0.3032 mg/g,R分别为0.7013和0.6905。以视觉和嗅觉融合信息为输入量的模型测试结果:训练、测试集的RMSE分别为0.1759 mg/g和0.2121 mg/g,R分别为0.8888和0.8736,精度比两个单一技术均有所提高。研究表明,利用计算机视觉和电子鼻技术预测菠菜叶绿素含量的方法是可行的,采用融合技术有助于提升模型的预测精度。     

人工神经网络用于造纸废水处理建模的研究

利用造纸废水处理监控系统取得表征废水水质的各项指标，在此基础上研究了基于BP网络和RBF网络的造纸废水处理建模。仿真结果表明，BP网络较RBF网络对样本数据的仿真误差较小，泛化能力更好；输入量考虑历史出水COD变化趋势的网络，其仿真效果要优于不考虑变化趋势的网络；运用基于BP网络和RBF网络的造纸废水处理模型能够准确地预测出水COD，为实现废水处理的自动控制提供可行途径。     

神经网络在混沌系统控制中的应用研究进展

神经网络在混沌系统控制中主要用于建模辨识或用作控制器，这2种作用都是以神经网络的任意非线性连续函数逼近能力为基础的。用神经网络进行建模辨识有2种途径：使用神经网络直接构造混沌系统的输入输出模型或通过神经网络构造混沌系统中的特征参量。神经网络应用于混沌系统建模辨识的研究主要集中在如何改进神经网络的学习算法和结构方面；神经网络用作控制器时主要用来解决混沌系统的轨迹跟踪或同步控制问题，其研究主要集中在改进控制结构与方法上，将神经网络应用于混沌系统控制已经取得了一些进展：动态神经网络开始应用于混沌系统辨识和控制；基于神经网络工作原理的函数网络能更容易地实现混沌系统的逼近。神经网络应用于混沌控制也存在一些需要解决的问题，如神经网络选择问题、神经网络结构问题、计算方法问题、硬件实现问题等。     

人工神经网络纱线质量预报模型的实用化

介绍了纱线质量预报的神经网络模型的实用化，一些不足方面的具体改进，如输入参数筛选的方法、数据归一化时的技巧及神经网络质量预报系统的界面化等，并简介了网络补充训练子系统。     

一类生物发酵过程的非线系统建模方法

针对生物发酵过程模型难以建立的问题，提出了一种非线性系统的建模方法．基于非线性自回归滑动平均(NARMAX)模型，设计了用径向基神经网络取代NARMAX模型中的映射的NN-NARMAX模型，用遗传算法确定NARMAX模型中的延时参数以及神经网络输出滤波的参数．应用该算法建立了啤酒发酵罐温度控制模型，和Elman神经网络对比实验表明，该模型的控制精度较高，能够较好地解决生物发酵过程控制温度建模的问题．     

BP神经网络在毛织物风格评价中的应用研究

评述了人工神经网络和织物风格评价的特点，提出人工神经网络在毛织物风格评价中的工作原理和网络构建方法。基于反向传播神经网络模型(BP)建立了3层网络系统用于处理织物风格信号。经过学习训练，系统具有较强的自适应预测能力。     

人工神经网络纱线质量预报模型的实用化

介绍了纱线质量预报的神经网络模型的实用化方法，及对一些不足的具体改进措施，如输入参数筛选的方法、数据归一化时的技巧及神经网络质量预报系统的界面化等，并简单介绍了网络补充训练子系统。     

Hopfield连续神经网络局部稳定性分析

利用微分几何的方法,将非线性Hopfield神经网络在平衡点附近精确线性化,使之变换成线性系统。通过分析神经网络的n阶李导数,给出并证明了Hopfield神经网络的局部稳定性定理。定理表明,当神经网络满足精确线性化条件时,系统的可控矩阵的非奇异性充分决定了神经网络吸引子的局部稳定范围。     

利用神经网络与AFIS纤维测试系统预测纱线质量

评述了人工神经网络以及AFIS纤维测试系统的特点，提出利用人工神经网络和AFIS纤维测试系统进行纺纱质量预测的工作原理和网络构建方法，并提供了实例，说明神经网络可以有效地解决纱线质量预测问题，指出人工神经网络技术在纺纱质量预测和控制中的广泛应用前景。     

神经网络技术在预测织物透湿性能上的应用

用蒸发法测试了几种织物的透湿性能,应用神经网络对织物结构参数与透湿性能之间的关系进行了深入研究.利用MATLAB建立神经网络模型,选择最佳网络参数并对网络进行训练.通过应用实例提出了如何处理试验数据的方法,并通过建立大量的BP网络进行比较,筛选出最具应用价值的网络.用该网络对未经训练的试样进行相对透湿率预测,发现预测结果与实测值非常接近.说明用神经网络对各种织物进行透湿性预测是可行的.     

基于神经网络的非线性大系统分散自适应控制

针对一类非线性大系统,提出了一种利用神经网络的分散输出反馈自适应控制器的设计方法.对于每一个非线性的有限维子系统,采用输出反馈线性化系统;然后利用基于神经网络的自适应补偿器逼近和补偿系统建模偏差、干扰及系统关联项.从而简化控制器设计,提高跟踪精度,并使系统具有一定的鲁棒性.仿真结果表明,所提出的算法简单,易于实现,能够使闭环系统具有良好的跟踪性能.     

基于ANFIS的棉型面料撕裂性预测

通过探索模糊神经网络在织物撕裂性能分析中的应用,提出了基于自适应模糊神经网络ANFIS的棉织物的撕裂性能预测模型,经过多次训练后,网络具有较强的预测能力。     

基于PID神经网络的纸浆浓度控制

本文将一种不同于用神经网络调整PID参数的新的融合算法—PID神经网络(PIDNN)应用于纸浆浓度控制。经过对纸浆浓度控制系统的仿真研究表明,PIDNN既具有常规PID控制器结构简单的优点,又具有神经网络自学习、自适应之能力,大大改善了纸浆浓度控制系统的性能。     

基于BP神经网络和D-S证据理论的粮情评价研究

针对D-S证据理论的基本可信度分配函数难以确定和单一BP神经网络输出的评价结果不稳定的特点,提出了一种BP神经网络和D-S证据理论相结合的信息融合处理与状态评估方法用于粮情评价。该方法是将多个BP神经网络的输出结果作为证据理论的基本可信度分配函数（BPAF）,然后依据证据组合规则进行融合,得出粮情的安全程度。本方法降低了单一BP网络输出结果的不稳定性,且提高了融合处理的可信度和精度,增强了系统的容错性。     

基于卷积神经网络的织物图像特征提取与检索研究进展

为实现织物图像的快速自动识别与检索,从织物图像浅层视觉特征提取、深度语义特征学习以及检索模型构建3个方面综述了该领域的研究进展,分析了现有研究中存在的问题。发现织物图像浅层视觉特征在小样本数据集的检索中具有较好的适用性,且多特征融合应用可有效提升检索精度,但在大样本数据集及高层语义识别检索问题中的应用存在局限性,深度卷积神经网络是克服这一问题的有效途径;织物语义属性的优化设计、卷积神经网络结构优化以及距离尺度学习是目前提升深度检索模型语义识别精度的3个有效途径;认为未来织物图像识别检索精度的提升主要依赖于标准化的语义系统设计、精准的图像分割与识别技术以及多模态的信息融合检索。     

基于对抗神经网络和神经网络模型的筒子纱抓取方法

为提高筒子纱抓取和上纱过程的自动化和柔性化程度,应用单目视觉系统引导机器人完成上纱过程。采用工业相机获取单个筒子纱不同形态的数据信息,应用GAN(生成式对抗神经网络)对筒子纱数据集扩充,提高筒子纱数据集多样性。将所得的数据集加载到Faster R-CNN(更快速区域卷积神经网络)模型里进行训练,应用训练好的神经网络识别和定位筒子纱,引导机器人完成上纱任务。应用搭建的单目视觉系统实验平台对结果进行测试,结果表明,经过标定后的视觉系统可以完成多个筒子纱的抓取任务,以满足筒子纱上纱过程的自动化和柔性化要求。     

电火花脉冲电源检测识别系统的设计与仿真

文章对电火花间隙状态的检测方法进行了介绍,通过分析指出其在精细电火花加工中应用上的限制,将双传感器技术引入电火花加工间隙放电状态的判别中。通过MATLAB软件对所设计的模糊神经网络在计算机上进行训练。待网络达到相应要求后,进行了仿真实验,验证了该设计在实际条件下的可行性．并且与单一传感器的模糊神经网络进行了对比,从这些数据可知,该识别系统在复杂的间隙工作状态下可以稳定地工作。