概率积分法预计参数选取的神经网络模型

在综合分析概率积分法参数与地质采矿条件之间关系的基础上,采用人工神经网络方法建立了概率积分法参数选取的模型．模型采用改进的BP优化算法,运用我国典型的地表移动观测站资料作为学习训练样本和测试样本。对网络模型的计算结果与实测值进行了对比分析．分析结果表明：用人工神经网络方法求算概率积分法参数结果更接近于实际．对提高开采沉陷预计精度具有积极意义．     

BP神经网络的模糊改进及应用

描述了人工神经网络和模糊推理系统的基本原理,分析了基于人工神经网络和模糊推理方法的故障诊断专家系统的设计思想,提出了一种人工神经网络和模糊推理技术相结合的故障诊断方法——模糊神经网络法.人工神经网络通过对部分测量数据的处理,输出故障出现的可信度,实现系统的故障诊断.模糊推理部分通过对输入输出的模糊表示,结合神经网络的推理,给出故障的程度,实现故障诊断.     

基于串-并行计算BP网络拓扑结构的研究与实现

在传统BP网络拓扑结构及学习算法的理论分析基础上,提出了一种更接近人类大脑思维方式的采用串一并行计算构造的神经网络拓扑结构的方法:将样本特征三大问题中的"排序"问题的解决体现在网络的拓扑结构上,有效地提高了神经网络的学习速度和识别精度。     

人工神经网络及粒子群优化算法在跟驰模型中的应用

在车辆跟驰现象中,驾驶员-车辆系统可视为一个非线性的动态系统,而人工神经网络(ANN)是开发非线性系统模型的有效工具,采用ANN技术建立了车辆跟驰模型,开发了基于粒子群优化(PSO)算法的ANN训练算法。测试结果表明,基于神经网络的跟驰模型比传统模型具有更强的鲁棒性,基于PSO算法的ANN训练方法能够避免陷入局部最优。     

神经网络在框架结构损伤诊断中的应用研究

应用人工神经网络技术,采用分步诊断的方法,提出了反映结构损伤位置和程度的健康诊断方法。文中通过模态分析得到基于固有频率和位移模态的网络输入特征参数,分别利用概率神经网络和BP网络对结构损伤的位置和程度进行识别,结果显示该分步诊断的方法能够对结构的损伤正确识别。     

离岸混凝土氯离子扩散系数的人工神经网络模型

为研究人工神经网络在离岸混凝土氯离子渗透中的应用,从已有文献中选用653组数据,建立网络结构为13-27-1的模型进行训练、预测。研究结果表明:人工神经网络能有效预测离岸混凝土中的氯离子扩散系数;水灰比,水泥、减水剂、外加剂(粉煤灰、矿渣、硅灰)、骨料的含量以及混凝土的抗压强度、养护机制、试验方法、暴露时间和暴露环境均会对氯离子扩散系数产生影响。     

地球物理资料非线性反演方法讲座（五）：人工神经网络反演法

木文概要地介绍了近年来发展起来的一种强有力的地球物理资料非线性反演的方法——人工神经元法（ANN）。比较系统地介绍了ANN的基本知识和两种基于不同原理的ANN反演方法。基于模式识别和基于最小方差的ANN反演方法。列举了这两种方法在地球物理资料反演中的一些应用实例、指出了该方法的存在问题和发展方向。     

空气重介流化床的基于逆系统方法的内模控制

为了提高大型空气重介流化床（ADMFB）的鲁棒性和抗干扰能力，提出了基于人工神经网络（ANN）逆系统方法的内模控制.在分析ADMFB系统可逆性的基础上，该方法利用ANN辨识得到的原系统逆模型与原系统相串连，运用逆系统方法的思想，将该多变量、非线性、强耦合的系统通过反馈线性化，解耦成多个相互独立的单输入单输出（SISO）的伪线性子系统，对求得的伪线性系统采用该方法进行控制.ADMFB的仿真结果表明，该方法不依赖于系统的精确数学模型，对恒值扰动具有良好的抑制能力，并当非线性参数发生变化或逆系统存在建模误差时，由该方法设计的闭环系统均具有良好的鲁棒稳定性.     

基于ANN及FFT技术的电力系统预想事故选择

开发了一种基于人工神经网络(ANN)和快速付里叶变换(FFT)技术进行预想事故快速筛选的方法．利用快速解耦潮流计算的迭代一次法(1P－1Q)分别构造了反映预想事故严重程度的有效性能指标PIp和无功性能指标PIv同时还构造了一个多层感知型神经元网络并用BP算法加以训练．神经元网络的输入经过快速付氏变换可以大大提高网络的训练速度．算例表明,本算法具有较高的性能指标计算速度,且性能指标的构造避免了遮蔽现象的发生,同时ANN的特点也使得预想事故的筛选速度大为提高．     

基于自组织竞争神经网络的智能交通相位控制

将神经网络与智能交通相结合,介绍了一种使用自组织竞争网络控制信号灯相位的方法,详述了其原理和实施方法,并且进行了仿真试验.试验结果表明:自组织竞争网络具有的模式分类特性可以根据当前交叉路口交通状况决定所应采取的控制机制.     

多子群粒子群集成神经网络

为了使参加神经网络集成的个体差异度较大,从而提高网络集成的泛化能力,本文提出一种新的基于多子群粒子群算法的神经网络集成方法.每个子群通过补充差异度独立训练出一批神经网络,从每个子群中选择一个最优个体参加网络集成,实验使用了UCI标准数据集.实验证明,该算法的识别能力要好于Boosting、Bagging等传统方法.     

基于人工神经网络预测柴油机油台架试验结果

根据ＣＤ级柴油机的模拟实验与台架试验的基础数据,用人工神经网络的反向传播（ＢＰ）方法,对两者的关系进行了研究,给出了人工神经网络的学习速率为０．２,动量因子为０．９,对人工神经网络的拓扑结构也进行了研究,得到了合适的５－７－２拓扑结构及各节点间的权重系数。探讨了用模拟实验数据预测台架试验结果的可能性,通过检验,证明了用人工神经网络方法建立的模型能准确预报柴油机油的台架试验结果。     

变压器故障诊断的神经网络法

利用人工神经网络方法对变压器的故障诊断进行探索，对比了用不同激励函数的神经网络的收敛性能，建立了故障诊断的神经网络模型，并对故障实例进行了诊断，计算结果证明了这种方法的可行性和有效性。     

电力变压器故障诊断的人工神经网络方法

电力变压器故障诊断对变压器、电力系统的安全运行有着十分重要的意义．在介绍人工神经网络（ANN）和模糊理论的基本工作原理的基础上,针对变压器故障诊断的特点,运用油中溶解气体分析法（DGA）,采用分块化的反向传播神经网络（BP）,建立了变压器故障诊断的神经网络模型．通过训练和实际测试,表明了这一方法的有效性和可行性．     

对分式凝汽器典型故障模式及其神经网络诊断

针对大型火电机组广泛采用的对分、表面式凝汽器,结合其结构、性能特点和现场实际情况,确立 了便于工程应用的对分式凝汽器典型故障知识库。在此基础上采用ＢＰ神经网络方法实现对分式凝汽器故障诊断。提出一种恒误差修正率控制的网络学习率自适应调整方法,大大缩短了网络训练的收敛时间。     

基于神经网络逆模型的过热汽温补偿控制研究

为改善大型电站锅炉的过热汽温控制效果,提出一种基于人工神经网络扩展逆系统模型的过热汽温补偿控制方案.首先结合锅炉的结构和运行特性,分析影响过热汽温的主要因素,确定神经网络逆系统扩展模型的输入和输出参数.借助MATLAB神经网络工具箱建立过热汽温系统的动态逆过程模型(IDPM),运用历史运行数据完成神经网络模型的训练.以...     

采用人工神经网络法对电器触头的逆问题求解

提出了将人工神经网络与电磁场数值分析相结合进行电器电场优化设计的一种新方法．利用人工神经网络的合理结构得到了非线性逼近解，并结合电磁场数值分析计算的准确性，实现了电器结构优化设计逆问题求解的快速性和准确性．实例计算结果证明了人工神经网络(ANN)在优化设计中的可行性和有效性．     

直升机飞行／推进综合系统的神经网络控制器设计

提出一种H∞控制理论和人工神经网络相结合的直升机飞机/推进综合控制系统设计方法。仿真结果表明,所设计的控制器使直升机在整个飞行包线内部都具有较强的稳定鲁棒性、性能鲁棒性和参数鲁棒性。     

改进的人工神经网络水文预报模型及应用

在人工神经网络水文模型的研究中,往往加入前期径流以提高模型的预报精度.针对由此带来的问题,通过耦合总径流线性响应模型,建立一种基于人工神经网络的实时预报模型.通过引入总径流线性响应模型的模拟径流作为模型输入,模型的模拟模式能够提供较长的预见期,同时加入误差校正模型的实时预报模式也能够取得较高的模型精度.采用3个不同流域的流量资料对模型进行率定与校核.结果表明,模型能够取得较高的预报精度,显示了良好的适用性.     

利用BP神经网络描述作物-水模型

研究了利用BP神经网络描述作物－水模型的方法，将各生育阶段的耗水量作为输入，将作物单产作出输出，构建了具有1个隐含单元层的BP神经网络结构，利用北京永乐店试验站1998－1999年度的冬小麦灌溉试验资料进行了样本进行训练和检验，得到了作物－水模型的人工神经网络模型。结果表明，作物－水模型的人工神经网络模型具有较高的拟合精度和预测精度。