东洋在美国市场推出新Proxes Sport轮胎

本文通过实验研究了EPDM配方因素与EPDM粘弹性能之间的关系,并建立了Elman神经网络预测模型,用于预测胶料在85℃,15%应变下的动态粘弹性能(储能模量、损耗模量、损耗因子)。通过正交试验设计取得16组试验数据,并利用其中的1-14组数据训练Elman神经网络,利用剩余的15-16组数据来检测Elman神经网络的预测能力,另外设计4组实验数据来检测Elman神经网络的预测能力。结果表明：建立的Elman神经网络的对胶料粘弹性能的预测误差在4%以内,模型能够准确的预测EPDM胶料的粘弹性能。     

基于神经网络证据理论的天然气管道泄漏检测

利用小波消噪原理,并通过构建RBF神经网络模型,将消噪后的信号作为RBF神经网络的输入参数,并判断该信号是否为泄漏信号。将D-S证据理论数据融合应用到天然气管道泄漏检测中,建立D-S证据理论数据融合模型。将输入的泄漏信号进行决策级综合判断,得出天然气管道泄漏的具体地点。利用C#语言开发天然气管道泄漏检测软件系统,该系统能够快速准确地识别泄漏并定位。     

基于遗传算法优化神经网络的管道泄漏检测方法研究

介绍了遗传算法的基本思想和操作原理,并对遗传算法优化神经网络的方法进行阐述,重点分析了遗传算法对神经网络的网络连接权和阈值的优化。将遗传算法与神经网络相结合应用于管道泄漏检测中,该算法既有神经网络的学习能力和鲁棒性,又有遗传算法的很强的全局搜索能力,能够快速准确地识别管道泄漏。通过试验进行对比,证明遗传算法优化后的神经网络效果更好。     

管道泄漏诊断方法研究

提出一种基于小波分析和神经网络技术的管道泄漏诊断方法。首先对管道泄漏的声发射信号进行小波包分解,然后提取各节点能量百分比作为特征向量输入BP神经网络,以故障类别作为输出参数训练该网络。训练后的神经网络可以利用测量的声发射信号来判断管道的故障状况。通过试验证明该方法在管道泄漏诊断中是有效可行的,不仅能判断管道是否发生泄漏还能识别泄漏种类。     

遗传神经网络在随钻测斜仪传感器补偿中的应用

为了进一步提高随钻测斜仪的测量精度和工作稳定性,采用Elman神经网络进行建模,将自适应遗传算法作为Elman网络的权阈值学习算法,克服了传统方法训练时间长、容易陷入局部最优解等缺点。仿真结果表明,与采用Elman网络算法相比,补偿精度提高两个数量级,补偿效果稳定。     

基于蚁群优化Elman神经网络的传感器补偿

为了提高随钻测斜仪的工作稳定性和测量精度,将蚁群算法和神经网络相融合,采用信息素挥发因子ρ和信息素更新策略自动调整自适应蚁群算法优化Elman神经网络的权阈值,将其应用到随钻测斜仪的传感器补偿中.仿真结果表明,自适应蚁群Elman神经网络的补偿效果优于Elman网络和遗传Elman网络,补偿精度达10-8,补偿效果良好...     

改进型EMD-Elman神经网络在铁水硅含量预测中的应用

针对高炉炼铁过程的多尺度和动态特征,建立了基于经验模态分解(empirical mode decomposition, EMD)和Elman神经网络的铁水硅含量预测模型。该模型先采用EMD将硅含量序列分解成有限个、相对平稳的本征模函数(intrinsic mode function, IMF)和剩余分量;然后,分别对每个IMF和剩余分量建立Elman神经网络子模型;为了进一步提高预测精度,将子模型的结果进行加权融合,并利用粒子群算法进行权值的寻优,最终获得硅含量的预测结果。将该模型用于某钢厂铁水硅含量的预报,实验结果证实了该方法的有效性。     

天然气管道泄漏声波检测原理及定位方法

天然气管道输送过程安全问题,一直是安全生产过程需要考虑的重中之重,一旦管道出现破损泄漏,将造成直接的经济损失,同时诱发一系列的次生危害,例如火灾和环境污染等。天然气管道泄漏检测技术实施,显得尤为重要。分析了管道泄漏时声波的传播机理,并介绍了目前常见的天然气管道泄漏检测方法。并重点阐述了声波检测原理及定位方法,该方法的应用,为管道泄漏的检测提供有力的技术保障,也为提高天然气管道输送自动化管理水平有着重要的意义。     

输气管道泄漏与防治方法研究

输气管道泄漏是威胁输气管道安全运营管理的主要内容,该事故发生影响因素复杂对周边环境和人群危害巨大。通过进行国内外文献调研,本文基于输气管道泄漏发生原因与危害,对国内外现有预测和检测技术进行了总结,经调研发现,国内外现有管道泄漏预测分析技术尚不能对其发生进行准确预测,而泄漏检测技术是获悉管道泄漏事故的主要手段。     

基于修正的离心压缩机性能的模糊建模方法

提出利用压缩机运行数据样本建立压缩机性能的模糊控制模型的方法,并将神经网络引入到压缩机性能模型当中,修正模糊控制模型的输出,提高模型精度。仿真结果表明,该方法有效且建模精度优于Elman网络和单纯的模糊控制,模型的输出精度较高,实现了压缩机高精度模型的建立。