基于Hopfield神经网络的矿井通风系统分析

矿井通风系统的工作性能对煤矿安全影响较大,保证通风系统效率十分必要。介绍通风机的基本参数和参数计算公式,利用Hopfield神经网络对通风系统进行研究分析,设置PID调节参数,并利用Matlab对优化后的通风系统进行仿真分析,结果显示基于神经网络控制的通风机在风压、风量、风门开闭等方面控制效果良好。     

蚁群算法在原料矿粉混匀优化中的应用

建立了钢铁原料矿粉混匀数学模型,采用MATLAB语言,分别用蚁群算法和改进型算法编制仿真计算程序,对原料矿混匀配比进行了优化计算。仿真结果表明,改进型蚁群算法比基本型算法的寻优能力强,而且优化计算结果可以直接用于生产,为钢铁原料矿粉混匀优化提供了定量依据。蚁群算法为钢铁原料矿粉混匀配料问题的优化求解提供了新的思路。     

基于Hopfield神经网络的煤矿变压器励磁涌流识别

为更好地解决煤矿变压器励磁涌流使差动保护错误动作的问题,从变压器励磁涌流和内部故障时的电流信号着手,应用快速傅立叶变换算法得到各次谐波电流含量,构成特征向量作为Hopfield神经网络的输入样本,从而对变压器励磁涌流进行识别。Hopfield神经网络可以对其进行正确地区分,有效地保证变压器差动保护的正确动作。     

基于Hopfield神经网络的煤矿避灾硐室安全评价

针对当前我国煤矿紧急避险系统推行过程中出现的问题,以专家打分作为网络输入,以评估安全等级为输出,建立了基于Hopfield神经网络的煤矿避灾硐室安全评价模型。结合某煤矿进行实例应用,操作简单方便,结果合理,具有较高的准确率,适合于避灾硐室安全评价。     

改进的模拟退火算法在原料矿混匀优化中的应用

运用改进的模拟退火算法对钢铁原料矿的混匀进行了优化计算，计算结果符合实际生产情况，表明改进的模拟退火算法是一种切实可行的优化方法，该算法为原料矿混匀问题的优化求解提供了新的思路。     

神经网络在采煤沉陷区水系治理方案中的应用

在采煤沉陷区水系治理方案优选中,采用Hopfield神经网络求解优化问题原理,将方案优选问题映射到Hopfield神经网络,建立能量函数模型,求解能量达到最小值时的置换矩阵,由置换矩阵得到方案优选排序,决策者参考方案优选排序结果确定拟采用的水系治理方法。     

BP神经网络在轴承故障诊断中的应用

传统故障诊断方法很难对无法建立数学模型的系统进行有效的故障诊断。为了有效诊断轴承的故障,提出了基于BP神经网络的轴承故障诊断方法。简单介绍了常用的故障诊断方法、BP神经网络的结构和学习算法,详细介绍了BP神经网络在轴承故障诊断中的应用方法。仿真结果表明,通过合理选择网络节点数和训练样本,可以有效检测出轴承的故障信息。     

模糊神经网络控制在交流调速系统中的应用

在异步交流电机各种调速方案中，由于三相异步电动机是非线性，多变量，强耦合的复杂被控对象，很难建立它的精确的数学模型，而用传统的控制理论方法去控制电机难以获得比较理想的结果。近年来，采用模糊神经网     

神经网络PID在煤泥干燥温度控制中的应用

针对煤泥滚筒干燥机出口温度的控制,提出了应用基于BP神经网络的PID控制器对其进行控制,并研究了它的学习算法,进行了MATLAB仿真,通过仿真结果与传统PID进行了比较。仿真结果表明,神经网络PID控制器在煤泥干燥温度控制中具有很高的应用价值。     

BP神经网络在射流冲击压力预测中的应用

紊流射流冲击压力的影响因素很多,且存在着复杂的非线性关系,因此难以用传统的数学方法建立冲击压力的理论模型。基于BP神经网络理论,结合射流冲击压力的实验结果,建立了冲击压力的神经网络预测模型。经验证,对于给定的泵压、围压、喷距和径向距离等输入量,该模型能够准确地预测水射流的冲击压力。     

基于灰色神经网络的我国原煤产量预测

文章采用灰色神经网络进行我国煤炭产量预测模型的建模,灰色神经网络具有灰色系统模型的可以用少量样本数据来建模与神经网络精度高的特性,克服在进行煤炭产量预测样本数据少的问题,仿真结果表明,此种模型预测结果的相对误差是1.57%,只使用灰色模型预测结果的相对误差是9.8%,采用此模型提高了预测的准确性和精度。     

BP神经网络在深基坑工程支护方案优选的应用

深基坑变形属于非线性大变形问题，与施工工序、加载和卸载路径有着密切关系。本文利用人工神经网络的非线性映射功能，建立深基坑支护方案与多种影响因素之间的关系，解决深基坑十分复杂的非线性大变形问题。通过对大量样本的学习，形成了优选深基坑支护方案的网络模型。经成功和失败样本的检验，结果证明该模型是可行的，对今后的深基坑支护工程具有借鉴意义。     

进化神经网络在矿山入选品位优化中的应用

在矿山入选品位指标研究中，正确建立有关因素之间的数学模型是实施优化的关键。其中选矿子系统的入选品位、混岩率与选比之间呈复杂非线性关系。为克服一般神经网络收敛慢和过学习的问题，采用改进遗传算法的进化神经网络模型映射混岩率、入选品位与选比之间的复杂非线性的对应关系，并将建立的选比神经网络模型用于金山店铁矿入选品位的优化决策支持系统中，取得每年多回收铁精矿16.23万t的良好效果。     

模糊神经网络的发展与应用

模糊神经网络是将人工神经网络与模糊逻辑系统相结合的一种能处理抽象信息的网络,是控制理论中智能控制研究领域一个十分活跃的分支。模糊神经网络吸取了神经网络和模糊系统的长处,在处理非线性、模糊性等问题上有很大的优越性,在智能信息处理方面存在巨大的潜力,使得越来越多的专家学者投入到这个领域中来,并取得了卓有成效的研究成果。文章介绍了模糊神经网络的发展、优点、应用及其发展动向,论述了模糊神经网络目前的几个研究热点。     

基于Hopfield网络的边坡破坏模式识别系统

基于Hopfield神经网络建立了边坡变形破坏模式识别系统。该系统以岩体结构为最基本的控制因素,将模式识别技术与专家系统有机结合,具有与工程结合紧密、能获得定量结果、层次清晰及使用方便等优点。     

BP神经网络在振动筛故障诊断中的应用

按BP神经网络的基本原理和算法,确定了振动筛的BP神经网络结构,用振动筛运行状态的特征量作为BP神经网络的输入,运用Matlab神经网络工具箱对该网络进行训练,得到了用于诊断的BP神经网络模型。实验结果表明,运用神经网络方法能较为准确诊断振动筛故障。     

基于人工神经网络系统的选矿指导子模块的构建

由于影响选矿流程及选矿指标的因素较多,且因果关系往往呈非线性关系,使传统的数学建模方法难以利用。本文基于矿物工艺矿物学参数实现计算机自动识别和初步计算的基础上,提出了建立基于BP神经网络的选矿指导专家系统来解决这一问题,对选矿子模块进行了构建。重点研究了5个重要环节:子模块的基本结构、基本感知单元和多层感知器的构建、输入与输出的合理转变以及神经网络的功能构架。通过这几个方面的探讨和研究,最终建立了实用性很强的基于人工神经网络系统的选矿指导子模块并将其预测指标与实际选厂指标进行了对比,结果表明,该遗传神经网络具有较高的预测精度。此子模块可用来预测选矿流程或选矿试验的基础数据及产品指标,为优化选矿工艺流程奠定基础。