基于RBFNN建模的动态流量软测量方法研究

本文通过对粘性流体在圆管中的层流和湍流流量方程对比研究发现,动态流量主要与管道中摩擦导致的压头损失、管道中最大的流速、流体温度变化有关,依据这一原理设计了基于径向基函数人工神经网络(RBFNN)的软测量模型.在伺服阀动态性能实验台上构建了数据采集系统,在新型动态流量测量管上安装超声波、压差、温度传感器来采集各种信息,其中流速信息采用一种新颖的超声波类时差法获取,用于标定的实际流量由无载液压缸的速度传感器获取.基于NeuroSolution软件中的RBF网络模块组成软测量RBFNN,选用部分采集数据作为学习样本对RBFNN进行训练,建立了动态流量的软测量模型.利用采集的数据的测试样本对RBFNN进行测试,通过流量预测曲线和实际曲线的对比,验证了该软测量模型具有很高的逼近精度.该软测量方法为动态流量的测量提供了一条新的途径.     

动态流量软测量系统中神经网络训练策略的研究

将神经网络运用到动态流量的软测量中，探索解决液压伺服系统中对瞬时动态流量的测试问题是该领域的二个难点和热点问题，该文在概要介绍了神经网络动态流量软测量系统的总体设计和神经网络结构的确定方法之后，重点讨论了神经网络的训练策略，最后通过实验验证了该训练策略的性能。     

基于径向基神经网络的明渠流量软测量方法

为克服现有明渠流量测量方法在监测自动化、测量准确度、测量成本和适用范围等方面存在的不足,在新兴的大尺度粒子图像测速(large-scale particle image velocimetry,LSPIV)技术的框架下,设计了一种基于径向基神经网络(radial basis function neural networ...     

软测量技术在动态流量测量中的应用

在电液比例阀和电液伺服阀动特性测试中,高频动态流量的测量一直是一个难题.在流量测量中引入软测量技术,以层流流量计的基本结构为基础建立动态层流流量模型,通过对压力差信号与油液温度信号进行在线测量并进行数值计算,可以得到连续变化的瞬时流量值.从而克服了传统流量计自身惯性的影响,显著提高了对动态流量测量的频率范围.     

一种基于动态流量软测量技术的液压伺服系统故障诊断方法

为了提高液压伺服系统故障诊断的确诊率，提出了一种基于动态流量软测量技术的液压伺服系统故障诊断方法，重点阐述该方法的体系结构和软件设计，并讨论了测试数据管理和粗集神经网络专家系统等主要关键技术。采用虚拟仪器平台完成了系统的构建，实现了基于流量的故障诊断及结果的Web发布。     

基于RBF神经网络的汽包水位软测量模型研究

热工系统往往表现出非线性和不确定性．难以建立精确的数学模型。以汽包水位为对象．结合机理分析确定原始变量作为神经网络的输入．通过k均值聚粪法则与梯度下降法实现了网络的学习功能，并最终建立了基于RBF神经网络的软测量模型。阐述了RBF神经网络在汽包水位洲量中的建模与应用。仿真实验表明该模型具有简单易行．精度高、训练时间短、运算速度快的特点．为汽包水位测量提供了一种新的方法。     

基于超声波及压力互相关动态流量软测量方法的探讨

由于流量动态变化的机理和相应状态下流场的分布描述还不清楚,如温度、黏度的变化等对流量的影响,因而精确的动态流量模型还难以建立。针对存在的问题,利用超声波在流体中传播时加载了流体速度信息,结合压力互相关法,提出了在层流状态下,运用系数加权将两者综合进行非接触式流量软测量方法。避免了模型推导带来的误差,且不会造成压力损失,不影响流体状态,使系统具有较高测量精度和稳定性,并对影响系统精度的参数的标定方法进行探讨。该方法对动态流量测量具有积极的推动作用。     

基于RBF神经网络的球磨机负荷软测量

分析了球磨机负荷测量的现状,提出了基于并行RBF神经网络测量制粉系统球磨机磨筒内负荷的软测量方法,给出了相应的系统结构和算法.现场实测数据计算实例显示了该方法良好的测量性能.     

基于神经网络及机理分析的气力输送粉料质量流量软测量

本文提出了神经网络与机理分析结合的软测量方法,用以实现对气力输送系统中粉料质量流量的在线测量,通过实验验证,这种混合软测量方法是有效的。同时,与机理模型以及与基于标准神经网络的软测量方法的比较研究表明,该方法的精度及适用性更佳。     

基于神经网络的峰值检测与相位测量的研究

本文提出了基于神经网络的峰值检测方法 ,通过检测正弦信号两相邻峰值点可以计算出某一时刻信号的相位值。模拟计算表明 ,该方法不存在原理误差 ;利用存储示波器取得两信号的模数转换数值 ,然后计算其相位的结果表明 :当信号的信噪比等于 40 d B时 ,单次测量的误差为± 0 .2°;该方法可以对干涉仪中非理想的信号进行处理。     

基于神经网络的软测量模型及应用

本文提出了一种新的基于神经网络软测量模型及算法,为复杂测量系统中软测量建模提供了一种有效的途径。应用结果表明采用该算法可获得较高的测量精度。     

基于RBF神经网络的模拟电路故障诊断方法的研究

提出了一种基于径向基函数(RBF)神经网络的模拟电路故障诊断方法.这种方法采用脉冲信号作为被测电路的输入激励,在时域中对输出信号采样来构造神经网络的训练和测试样本,应用径向基函数神经网络的分类能力强、学习速度快等优点进行故障诊断.结果显示,基于RBF神经网络的模拟电路故障诊断方法学习速度快,故障诊断率高.是一种有效的故障诊断方法.     

基于BP神经网络的多相流计量方法的研究

针对原油中油、气、水多相流复杂的流动情况,利用气液分离器、水分分析仪、密度计和孔板流量计组合法的测量系统,提出了一种基于BP神经网络对传统密度法测量原理进行误差修正的多相流计量方法.利用MATLAB7.1对建立的BP神经网络进行训练和仿真,实验结果表明此方法用于多相流相分率和总流速的测量,误差范围均在±5%之内.     

液压泵恒流控制的神经网络实现方法及应用研究

提出一种采用神经网络辨识负载流量原理实现液压泵恒流量调节的新方法。结合此方法,提出在种基于模糊神经网络的恒流量调节泵智能学习控制方法,并将其应用于电液比例恒流量调节轴向柱塞泵的控制,改善了该泵的控制品质。     

基于RBF神经网络的电阻层析成像算法的研究

本文提出了一种基于RBF神经网络的ERT图像重建算法,并用作者开发的ERT仿真软件得到了数据进行图像重建,与其它传统的成像算法作了对比。研究表明,RBF神经网络适合解决ERT图像重建的非线性问题,该算法具有速度快、精度高的优越性。     

基于神经网络的反求测量系统的标定

在层去图象法测量系统中,由于诸多因素的影响,物体的空间坐标与截面图象坐标之间存在着复杂的非线性映射关系。如果采用完全理想条件和线性几何失真方法来标定系统,则会影响测量精度,为此提出了一种基于神经网络的标定方法,显著地提高了测量系统的精度。