基于FOA-GRNN的纳米铁粉分解炉温度预测

为提高纳米铁粉的制备工艺,实现纳米铁粉分解炉温度的精确控制,提出一种基于果蝇优化算法和广义回归神经网络的纳米铁粉分解炉温度预测方法。该方法采用现场采集数据,选取进液量和各个温区加热装置的开度因素来预测待预测温区温度。通过广义回归神经网络,建立温度预测模型,并利用果蝇优化算法对光滑因子进行动态寻优。选取不同种群规模对建立模型进行验证,并将该文建立模型与普通广义神经网络和粒子群算法优化的广义神经网络模型的预测效果进行对比。验证表明:该文建立模型平均相对误差为0.43%,且能够排除人为设置参数的干扰,具有较好的准确性与稳定性,可进一步用于分解炉温度控制的研究。     

基于RFOA优化GRNN的水电机组振动预测

针对水电机组振动的非平稳、非线性特点,提出利用改进果蝇算法(RFOA)优化广义回归神经网络模型(RFOA-GRNN)。通过改进果蝇算法的搜索步长和气味浓度判定公式,使该算法的局部寻优能力增强,收敛速度提高。通过8种常用的基准函数对FOA算法、DSFOA算法、RFOA算法进行仿真测试,测试结果验证了RFOA算法的有效性。利用三种优化算法优化GRNN的平滑因子,将优化后平滑因子代入GRNN模型对水电机组振动进行预测。结果表明,与FOA-GRNN和DSFOA-GRNN两种预测模型相比,RFOA-GRNN预测模型的预测结果最大相对误差分别降低了99.96%和99.28%。可以得到RFOA-GRNN模型的预测精度和稳定性方面均优于其他两种模型,验证了此模型的有效性。将其应用于水电机组状态趋势预测研究中,可为维护人员提前发现水电机组故障并及时检修进而保证水电机组安全稳定的运行提供保障。     

基于单类支持向量机的冷水机组温度传感器故障检测

冷水机组系统中,温度传感器出现故障会严重影响机组工作效率及使用寿命。针对冷水机组温度传感器偏差故障,本文提出一种基于单类支持向量机(one-class support vector machine,OC-SVM)的故障检测方法,采用冷水机组正常数据建立OCSVM模型,通过十折交叉验证法获得模型优化参数。分别采用工程实测数据和实验数据(共4组)对该方法进行了验证,结果表明:基于OC-SVM的方法能有效检测出4组冷水机组的温度传感器偏差故障。其中对于螺杆式冷水机组(数据集Ⅰ)的故障检测效果明显,当冷冻水侧温度传感器偏差故障幅值绝对值大于1℃时,检测效率达到100%。     

基于模糊PID的包装机热封切刀温度控制

目的为了提高包装机热合装置压合袋口的封口质量,采用模糊自适应PID控制方法对热合机热合装置的温度进行精确控制。方法针对食品包装塑料薄膜热封的温度控制,基于模糊自适应PID控制算法设计一种自动包装机热封温度控制系统。采用变论域模糊PID实现控制参数自整定和控制规则的自调整,并将其与传统PID控制进行对比。结果模糊PID控制方法较传统PID控制方法能更稳定地控制加热温度,有效提高了温度控制的响应速度和控制精度。结论该系统在热合装置中能够精确、快速地控制温度,具有应用价值。     

基于广义回归神经网络电力负荷预测的研究

电力负荷预测是电力系统调度运营部门的一项重要工作,尤其是随着电力市场的建立和发展,电力负荷的预测难度增加,负荷预测的重要性对电力调度更为关键。结合当前国内外电力系统负荷预测研究现状,本文介绍了广义回归神经网络电力负荷预测的方法,并进行了仿真证明方法的可行性。     

基于模糊内模-PID的包装机热封切刀温度控制

目的 包装机热封切刀温度控制系统存在非线性、大滞后性等特点,传统PID控制的效果也越来越无法满足工艺生产的要求,为了提高包装机热封切刀温度控制的速度和精度,进而提高封口的质量,以提高产品包装效率和品质。方法 在传统的PID控制的基础上,通过结合模糊控制和内模控制理论的先进控制算法,提出模糊内模-PID控制算法的包装机热封切刀温度控制系统。内模控制能够使PID控制器参数进行简化,同时模糊控制的引入能够实现控制器参数的在线调整,将该新型控制算法应用到包装机热封切刀温度控制系统中,并与传统控制进行对比。结果 通过Matlab仿真软件搭建模内模-PID控制的包装机热封切刀温度控制系统仿真平台,仿真结果表明,系统响应速度、精度、超调量、抗扰动能力等比传统控制系统性能更加优良。结论 通过仿真验证了模糊内模-PID控制在热封切刀温度控制系统上的有效性和可行性,能够在温度控制系统中表现出优良的性能指标。     

基于优化时谱图神经网络的电力系统多元混沌时间序列预测

电力系统是强耦合、多变量系统,对其多元混沌时间序列预测是当前研究难点。提出了一种基于优化的时谱图神经网络,用于电力系统的混沌预测。利用潜在相关层挖掘多元时间序列之间的相关性,通过序列转换单元将时间序列转换为频域信号并学习其特征,结合多种算法优化模型实现更好的预测效果。试验表明经优化后的时谱图神经网络不仅能对电力系统的多状态变量进行混沌预测,而且比其他参考模型具有更高的预测精度和稳定性。     

基于广义回归神经网络的工程公司风险评估

针对工程公司日常管理中由于缺乏风险评估工具,经常造成公司资源的浪费,甚至造成大量损失的现状,结合其行业特点,构建风险评价体系模型。在模型的基础上,提出一种基于广义回归神经网络(GRNN)的工程公司风险评估方法,通过矩阵实验室中的神经网络工具对其进行仿真计算,以某安防系统工程公司的实例证明了其有效性。该研究为同类型公司的风险评估提供了一种有效的管理工具。     

基于PSO-GRNN的乳胶丝关键质量参数预测技术

乳胶丝生产过程控制复杂、性能指标多,工艺改进难度大,该文基于广义回归神经网络(generalized regression neural network,GRNN)与粒子群算法(particle swarm optimization,PSO)实现乳胶丝关键质量参数预测。首先,基于乳胶丝生产过程特性,以胶凝、清洗、烘干、硫化等过程的关键参数为输入量,300%定伸应力、拉伸强度及拉断伸长率为预测对象,建立其GRNN模型;其次,在GRNN模型中引入PSO,迭代计算光滑因子σ的最优解。最后,应用多重多元回归、GRNN、QGA-GRNN、PSO-GRNN等方法预测乳胶丝关键质量参数并进行对比。结果表明:引入优化算法的PSO-GRNN与QGA-GRNN模型预测均方误差最小、效果最佳,PSO-GRNN关键质量参数预测时间为4.82 s,仅为QGA-GRNN的3.53%。PSO-GRNN具有良好实时性,可以更好地满足乳胶丝在线生产质量预测需求。     

基于RBF神经网络的自动包装机温度控制算法研究

目的针对传统热封工艺中温度调节PID算法参数过度依赖人工经验的缺点,提出一种RBF神经网络与PID算法相结合的具有参数自适应的热封温度控制算法。方法使用控制系统的输出误差作为代价函数,采用最小均方误差(LMS)调整权值与偏置参数,并通过中心自组织算法实现径向基函数中心和中心宽度的动态调节,在Matlab软件中的Simulink子系统中建立仿真模型进行算法验证,并与传统PID控制算法进行比较。结果仿真结果表明,径向基神经网络与传统PID算法的结合使得系统输出响应在动态性能和静态性能方面均优于传统PID,在系统上升时间、调节时间等方面均优于增量式数字PID。结论将RBF神经网络PID算法应用于自动包装机,避免了传统热封工艺中PID控制算法参数不能适应于复杂变换控制环境的问题,神经网络PID算法的自适应性强,实现了热封温度变化下PID参数的自动调整,在一定程度上提升了生产效率和包装设备的智能化水平。     

基于插值与神经网络的包装薄膜热封参数分析

目的研究塑料薄膜热封工艺中热封参数之间的非线性关系,建立一种可用于自动包装机热封过程的数学模型。方法通过实验采集样本数据,并用附加动量法训练BP神经网络,建立热封参数之间的非线性数学模型,最后通过神经网络预测热封时间,并采用插值算法建立目标热封强度下热封温度和热封时间之间的多项式数学模型。结果通过插值算法与神经网络的结合运用,较为精确地描述了热封温度和热封时间之间的数学关系,插值函数实现了神经网络模型的简化,两者误差较小。结论通过文中方法确定了包装材料热封参数之间的非线性关系,将其用于热封包装设备,可提高设备的智能化程度。     

基于ICS-LSSVM的包装机械动力机轴承的故障识别

目的针对包装机械设备中动力机轴承的故障诊断识别率低的问题,提出一种基于参数寻优的故障识别方法。方法首先通过主元分析算法对包装设备动力机的振动数据进行主成分特征提取,减少各数据间的相关性,然后采用LSSVM对各类数据样本进行故障识别。为了克服LSSVM惩罚因子和核函数参数易出现局部最优、收敛精度差等问题,提出一种ICS算法优化LSSVM的状态参数,提高包装机械动力机轴承故障诊断的识别率,以实测糖果厂包装机械振动数据为例验证所提方法的有效性。结果实验结果表明,在包装机械动力机轴承故障类别确定的情况下,算法能够高精度地识别各类动力机故障。结论该算法实现了分类器参数的自适应选择,为提高包装机械动力机轴承故障诊断的识别率提供了可靠的方法。     

基于感应加热的食品纸盒包装机封口温度场研究

目的研究仿真和试验验证实际工况下的温度分布满足封合要求。方法利用Comsol软件对食品纸盒包装机热封机构进行建模,并对模型进行电磁场和温度场计算仿真与分析,模拟出电磁场中磁通分布与温度场中温度分布,分析得出其之间关系。以及进行食品纸盒包装机高频热封试验验证。结果当在相同热封时间下,电流值越大,热封温度越高,同时热封封合宽度也越宽;在相同电流值下,热封时间越长,结果亦是,但没改变电流参数显著。实际工况为I=5.5 A,t=0.3 s,能达到良好封合要求。结论封合温度在封合区域呈对称性,参数中改变电流值比改变热封时间值对热封温度影响大。     

An Adaptive Classifier Based Approach for Crowd Anomaly Detection

Crowd Anomaly Detection has become a challenge in intelligent video surveillance system and security. Intelligent video surveillance systems make extensive use of data mining, machine learning and deep learning methods. In this paper a novel approach is proposed to identify abnormal occurrences in crowded situations using deep learning. In this approach, Adaptive GoogleNet Neural Network Classifier with Multi-Objective Whale Optimization Algorithm are applied to predict the abnormal video frames in the crowded scenes. We use multiple instance learning (MIL) to dynamically develop a deep anomalous ranking framework. This technique predicts higher anomalous values for abnormal video frames by treating regular and irregular video bags and video sections. We use the multi-objective whale optimization algorithm to optimize the entire process and get the best results. The performance parameters such as accuracy, precision, recall, and F-score are considered to evaluate the proposed technique using the Python simulation tool. Our simulation results show that the proposed method performs better than the conventional methods on the public live video dataset.     

基于改进主元分析方法的空调系统传感器故障检测和诊断研究

传感器在空调系统中主要起着监测和控制的作用,影响空调系统的正常运行,从而带来能耗增加等不良影响。本文提出了结合小波变换的数据优化,以及基于神经网络的故障诊断优化的改进主元分析方法,用于空调系统传感器故障检测和诊断研究。通过对比数据优化前后主元分析的结果,发现同样0. 850 0累计贡献率原则上,采用小波变换去除噪声后,主元个数减少了两个,蒸发器进口温度传感器的固定偏差、漂移、精度下降等故障检测效果分别提升了0. 020 7、0. 020 8、0. 041 5,风量传感器固定偏差故障检测效果提升了0. 160 6。为了进一步找出故障源,在小波变换和主元分析的基础上,将求得的主元作为神经网络的输入,对5个传感器固定偏差故障进行测试,故障诊断结果分别为0. 766 7、0. 866 7、0. 900 0、1. 000 0、1. 000 0。     

基于机器视觉的玻璃瓶口缺陷检测方法

目的为提高玻璃瓶口缺陷检测精度,确保生产线包装效率。方法基于机器视觉设计一种瓶口缺陷检测方法,并简要介绍检测系统的整体框架。分别论述基于最大熵值法的图像分割方法、瓶口定位方法以及图像特征提取方法,其中图像特征主要包括周长、圆形度、相对圆心距离。利用BP神经网络实现瓶口缺陷的准确识别,将瓶口破损程度转换为具体数值,最后进行实验验证。结果文中检测方法对破损瓶口的检测成功率为99%,对于不同的破损类型均有较高的检测准确度。结论基于机器视觉的玻璃瓶口缺陷检测方法能够满足生产线对准确性和实时性的要求。     

一种修正的基于混沌预测误差的目标检测算法

基于混沌预测误差的目标检测算法是检测混沌背景下目标的算法.本文对该算法的检测结果进行了分析,分析结果表明其检测到的目标区域比实际的目标区域大.针对这个问题,对基于混沌预测误差的目标检测结果进行了修正,修正后的结果更接近于目标的真实大小.用Lorenz混沌系统产生的仿真数据和实测的机载海面合成孔径雷达(Synthetic Aperture Radar,SAR)图像进行了实验.实验结果与理论分析的结果一致,从而证明了理论分析的正确性.