BP神经网络PID控制器在聚合釜温控中的应用

介绍了基于BP神经网络PID控制器的算法,在此基础上提出了多模态神经网络-PID方法。将神经网络PID与普通PID控制方法进行比较,结果表明,该方法具有自适应能力强、过渡时间短、鲁棒性好等特点,弥补了常规PID在聚合釜控制中参数难以整定等缺点。     

遗传算法耦合BP神经网络在注塑成型工艺中的应用

建立了一种遗传算法耦合反向传播(BP)神经网络的非线性计算模型,并将该计算模型用于以塑料收纳盒盖板为对象的注塑成型工艺参数的分析与控制。首先通过Taguchi正交试验法设计了一系列工艺参数数据组合,然后利用Moldflow软件得到相关工艺参数对应的翘曲变形结果,再将数据分别导入BP网络模型及遗传算法优化过的BP网络模型。结果表明:与普通BP神经网络计算模型相比,优化后的计算模型具有更好的稳定性和更高的计算精度,能够更好地应用于注塑成型工艺参数分析与控制。     

神经网络PID在APMP废水处理中的应用

针对APMP废水处理过程存在严重非线性、大时滞等控制难点,提出了基于神经网络PID的APMP废水处理控制方案.     

基于BP神经网络的PID算法研究与应用

针对实际非线性、不确定系统,文章将提出基于BP算法神经网络PID算法,阐述了三层BP网络设计方法。最后用于一个慢变性被控对象进行仿真,结果表明,此控制方法能够有效克服经典PID控制器在被控对象具有非线性、时变不确定性和难以建立精确的数学模型时出现的参数整定不良等问题。     

神经网络PID在纯滞后系统中的应用

为了使PID参数得到在线调整,利用基于BP算法的神经网络构成PID控制器,神经元的联接权值通过自适应的学习速率在线调整,并利用Lyapunov稳定性原理证明了该算法的收敛性和学习速率变化范围.循环水温度控制实验表明该算法具有不依赖控制对象数学模型、跟踪精度高、收敛速度快等优点.     

BP神经网络在裂缝密度识别中的应用

由于其很好的自适应性和非线性映射能力,神经网络技术在石油领域得到了广泛的应用。结合模糊相关性分析和主成分分析的方法,利用改进的BP神经网络的方法,通过岩心和成像标定的常规测井数据实现对单井裂缝密度的识别,取得了很好的效果。     

BP神经网络及其在化工优化中的应用

人工神经网络（ＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔｗｏｒｌ简称ＡＮＮ）作为一种新型的黑箱方法,是近年来迅速发展的研究热点。它是由大量的简单处理单元（或称神经元）广泛连接而形成的复杂网络系统,处理问题时不需要了解输入输出之间的相互关系,其自学习功能能够“记忆”样本所含的信息,网络只是根据训练样本的数据来自动寻找相互关系,给所研究的系统以具体的数学表达,从而使系统的定量、预测及优化成为可能。在研究复杂系统的优化问题上,人工神经网络显示出其独特的优越性,目前已在生物科学、自动控制、化学工程等众领域取得了很大…     

BP神经网络在同位素能谱解析中的应用

本文介绍了BP神经网络的基本原理,及在同位素能谱解释中的网络设计方法,并在MATLAB平台上实现了该分析方法,对同位素能谱示踪测井实验数据进行了BP神经网络解谱,实验结果表明,BP神经网络解析同位素沾污位置及含量的方法具有一定的潜力,可进一步深入研究。     

BP神经网络在胶料性能预测中的应用

根据BP神经网络原理，以SBR中的几种配料用量为输入变量，对应的胶料拉伸强度、拉断伸长率、撕裂强度和t90为输出变量，建立神经网络分析预报模型。通过选定合适的参数，利用已有的试验结果对模型进行训练。模型的预测结果与试验结果一致。     

BP神经网络在橡胶配方优化设计中的应用

在实验数据的基础上,利用BP神经网络建立了表示NBR胶料配方成分与硫化胶硬度、300%定伸应力、伸长率对应关系的数学模型,并用该数学模型对不同配方硫化胶的硬度、300%定伸应力、伸长率进行了预测。预测结果与试验值的偏差小。结果表明,所建立的数学模型可靠,训练好的BP神经网络能够比较准确地预测硫化胶的有关性能,BP神经网络方法的精度较高。     

BP神经网络在非线性系统建模中的应用

介绍了采用BP神经网络建立系统数据间的非线性关系的数学模型,利用三层BP网络,结合Matlab神经网络工具箱,模拟肼与过氧化氢的反应过程,将预测的结果和实验数据作比较,结果表明该模型的预测值和试验值吻合的很好,是一种可行的数据处理方法。     

BP神经网络在膜分离处理废水中的应用

为能更好地预测工艺条件对膜分离过程的影响,运用BP神经网络技术建立输入变量为压差、流速、浓度和温度,输出变量为膜通量的预测模型。通过大量实验数据训练预测模型,得到的网络模型整体误差平方和仅为0.014 5;计算值与模拟值相比,10组不同条件的膜通量平均预测误差仅为1.1,证实了所建立的BP神经网络膜通量预测模型与实验值吻合程度较好,有较好地预测能力。在此基础上进一步考察了工艺参数对膜分离过程的影响。     

BP神经网络在滚动轴承故障诊断中的应用研究

介绍了BP神经网络基本原理,进行模拟实验,验证了BP神经网络可用于滚动轴承故障诊断,分析了BP神经网络在故障模式识别中的特点。     

BP神经网络在注射成型工艺参数优化中的作用

本文研究的是注射工艺参数对塑件翘曲变形的影响。通过CAE模拟计算,以工艺参数为输入参数,以翘曲量为输出参数,构建BP神经网络模型。以CAE分析结果作为训练样本和检测样本,分析BP神经网络在工艺参数优化方面的作用。     

基于BP神经网络PID的注塑机液压控制

注塑机液压系统是一个非线性、大时滞性和强耦合的复杂系统,传统比例积分微分(PID)控制由于参数固定不变,导致超调量大、稳定性差、控制精度低,对注塑机液压控制效果不理想,现提出了一种改进型误差反向传播法(BP)神经网络PID控制方法。分析了液压注塑机工艺流程以及液压伺服系统控制原理,在此基础上将BP神经网络与PID控制方法相结合,通过神经网络的自学习、加权系数的调整,优化PID控制器参数K_i、K_p、K_d,并将粒子群算法引入到神经网络中作为其学习算法,以有效提高BP神经网络算法的收敛速度。仿真结果表明,经过粒子群优化后的BP神经网络能够快速地对PID参数进行自适应调整,同时粒子群优化后的BP神经网络控制效果明显优于传统PID控制,该控制方法对于提升注塑机液压系统响应速度以及控制精度具有重要作用。     

直接氯化工艺在氯乙烯技术改造中的应用

分析了高温、低温直接氯化技术对氯乙烯改造中二氯乙烷的精制、节能、技术经济等方面的影响。采用高温氯化技术,二氯乙烷精制单元的改造量小。对直接氯化单元进行改造,生产每吨二氯乙烷可节能1626MJ。     

BP神经网络在合成镁钙砂中的应用

利用人工神经网络技术 ,建立BP网络模型 ,通过网络的学习训练 ,能够比较准确地预测影响合成镁钙砂粉化率的因素     

BP神经网络模型在橡胶配方优化中的应用

利用神经网络中的误差逆传播校正算法(BP模型)建立起橡胶配合剂与性能之间的非线性多目标模型，用遗传算法对BP神经网络模型的算法进行了改进，以试验数据为基础进行神经网络的训练，得到可预测橡胶配方性能的BP神经网络模型。以胶粉在全钢子午线轮胎胎侧胶中研究为例，对BP神经网络模型进行了验证。同时，与回归分析方法进行了比较，结果令人满意。     

BP神经网络在预焙阳极生产中的应用

以生阳极生产配方选择为例,初步论述了BP神经网络在预焙阳极生产中的应用,实际运行结果表明,仿真效果是令人满意的。