基于Chebyshev神经网络的衍生算法

根据辨识对象，神经网络的输入层和输出层神经元的个数易于确定，而隐层数和隐层神经元个数难以确定，借助于生物的生长发育知识，在正交基函数神经网络的基础上提出衍生算法，该算法的基本思想是：先选取较少个数的隐层神经元作为初始发育细胞，训练K次后，如果目标函数J不再变化且大于给定的ε，则网络自动衍生，以上过程反复进行，直到J小于等于ε，则停止衍生和训练。仿真实验表明，该算法在训练过程中改善了收敛速度，并自动调整网络的拓扑结构，解决了隐含神经元个数难以确定的问题且具有优良的逼进任意非线性特性的能力。图2，表2，参7。     

Chebyshev神经网络电路设计

以Ｃｈｅｂｙｓｈｅｖ神经网络为基础，给出了非线性函数的仿真实例，并提出了用模拟电路实现Ｃｈｅｂｙｓｈｅｖ神经网络的方法。     

神经网络在矿山地表移动参数辨识中的应用

本文应用人工神经网络的基本原理 ,进行了矿区岩层移动参数的综合分析 ,证明了神经网络是用于复杂非线性系统辨识的有效方法 ,是对开采沉陷预计理论的发展。     

基于进化CP神经网络的岩土本构模型辨识

针对岩土本构模型辨识中存在的难题,提出了采用遗传算法和人工神经网络相结合的进化神经网络方法,遗传算法从全局上搜索最优的网络结构和最优的待辨识参数,CP神经网络模拟本构模型中的非线性映射关系.工程应用结果表明,提出的方法可以应用于岩土本构模型辨识问题的研究.     

采煤机开关磁阻电机驱动系统的优化遗传神经网络辨识

针对采煤机中开关磁阻电机驱动系统具有非线性且结构参数变化范围较大的特点,提出了将优化遗传算法和神经网络相结合,实现对采煤机中开关磁阻电机驱动系统辨识的新方法,阐述了其原理并给出了相应的算法和计算公式,该方法结合优化遗传算法与神经网络各自的优点,克服了传统BP神经网络收敛速度较慢以及易于收敛到局部极小点等缺点。     

岩土流变本构模型的可辨识研究

系统辨识的成功实施，应建立在系统的可控、可观测和可辨识性3个基本条件之上．通过构建新的状态空间变量，将岩土材料流变本构模型这种典型的SISO线性定常系统模型转换为状态空间描述，证明了该模型的可控性和可观测性矩阵均为满秩阵，因而是完全可控可测的．然后，利用CHNN的优化计算能力，探索了一种流变本构模型可辨识的新的有效途径，获得相关的辨识算法，并用Matlab软件开发了相应的辨识程序．有关考题验证表明，该辨识算法成功可行．表2，参9．     

基于BP神经网络电动机转子故障诊断方法的研究

利用BP神经网络对转子故障进行建模分析。发挥神经网络的自学能力和联想能力,对非训练样本,做出控制决策,表现非常灵活。可根据实验数据进行网络训练,用新数据进行模型验证。还与概率神经网络(PNN)进行对比验证。实验表明只要选择合适的节点数,BP神经网络比概率神经网络对转子故障有较强的学习和辨识能力,收敛较快,性能稳定,预测结果显著。     

基于神经网络B—P学习算法的采面顶板类型辨识模型

神经网络的研究是当今系统工程和人工智能领域前沿课题之一，本文在Ｂ－Ｐ神经网络结构及其学习算法简介的基础上，运用神经网络建立了采用顶板类型辨识的神经网络模型，该模型辨识的正确率达１００％。实例表明，神经网络是用于解决复杂非线性系统辨识问题的有效方法，并可望在煤矿开采领域其它辨识问题中得以推广应用。     

Elman神经网络训练方法及其在非线性系统辨识中的应用

给出了基于强跟踪滤波器的Elman神经网络训练方法,该方法是一种新的学习方法。Elman网络具有动态特性,可以方便地应用于动态系统辨识;强跟踪滤波具有鲁棒性好、收敛快等优点,将两者结合可以得到很好的辨识效果。     

岩土工程逆反分析的进化神经网络研究

逆反分析实质为系统的逆辩识过程,对此采用神经网络描述比较合理有效。基于提出的网络权值及其结构同时进化的新型进化神经网络模型,进行了岩土工程逆反分析的研究,并用一个算例进行了效果验证。结果证明反分析精度较高,其效果良好。由研究得到以下结论：网络训练样本应由正分析得到,且应采用正交实验设计进行样本选取;神经网络逆反分析时多参数反演的精度低于单参数反演。     

BP神经网络在巷道类别辨识中的应用

本文根据煤矿巷道特点 ,建立了 BP神经网络辨识模型 ,实例分析表明 ,该模型有很强的辨识特性 ,具有重要应用价值     

Matlab系统辨识工具箱在煤泥浮选过程辨识建模中的应用

针对常规系统辨识法对煤泥浮选过程进行辨识建模工作量大的问题,采用Matlab系统辨识工具箱对煤泥浮选过程进行了辨识建模。研究表明,该方法所得模型能很好地反映浮选过程动态特性,对实际生产过程具有指导意义,并为下一步浮选过程自动化和智能化奠定基础。     

人工神经网络方法辨识岩体力学参数的可辨识性及其稳定性探讨

探讨了以巷道围岩变形观测为依据 ,用神经网络反推岩体物理力学性质和初始地应力环境参数时各参数的可辨识性 ,以及参数辨识的稳定性。找出了待辨识参数个数与所需最少巷道变形观测项目数之间的关系 ,并给出了巷道围岩变形观测项目选择的建议     

正交设计—神经网络方法

正交设计-神经网络方法充分利用正交设计的“正交性”和神经网络的自学功能,为处理变量间的相关关系提供了一种简便、易行的智能方法。     

矿建施工作业危险源的辨识与风险评价

危险源的正确辨识和分级,对于主动地预防事故的发生具有重要意义.文中结合矿山建设施工的特点,提出对危险源正确辨识的方法,并介绍了矿建系统的工艺、设备、环境、人员、管理等方面定性评价的具体做法。     

BP神经网络在巷道类别辨识中的应用

本文根据煤矿巷道特点，建立了BP神经网络辨识模型，实例分析表明，该模型有很强的辨识特性，具有重要应用价值。     

BP神经网络在相似材料研制中的应用研究

针对模型试验中相似材料配制问题,提出了以正交试验作为学习样本对单隐含层BP神经网络进行训练,然后对配制出来的相似材料性能进行预测的方法,以此来缩短相似材料配制周期。随后采用均匀试验对3~20节点数目的单隐含层BP神经网络的预测效果进行了测试,并对测试误差进行了详细的分析,总结了网络节点数目、初始权重阈值对网络预测能力的影响,并对使用单隐含层神经网络对相似材料配比预测的应用提出了建议。     

矿山电机车防滑器的智能控制研究

对矿山电机车防滑器的智能控制系统进行了研究。首先选择pi-sigma模糊神经网络为防滑器的智能控制理论,在此基础上建立控制模型,并用VB编制了防滑器控制软件及工作状态演示界面。     

简易自动放水器

<正> 在具有负压的管网系统中离不开放水装置。简易自动放水器是在普通的人工放水器和其它自动放水器工作原理的基础上,利用杠杆作用原理设计的。该放水器使用气水浮筒的上浮和下落,通过杠杆传递到主阀体起