基于径向基函数神经网络的体质评估系统的设计

本文将径向基函数神经网络的方法运用到体质评估系统的设计中,获得了对于系统专家知识逼近性能更好的咨询结果     

基于径向基函数神经网络探索风味物质对啤酒风味的预测

以啤酒中对风味贡献较大的高级醇、酯、有机酸、酒精、苦味质共13种风味物质作为输入指标,以感官品评评分为输出指标,利用径向基函数(Radial basis function,RBF)神经网络(neural network)对国内外20种啤酒的风味进行预测,准确率达75%,与其他相同样本数的神经网络相比较,准确率有较大提高。说明啤酒中这13种风味物质与综合风味之间存在密切关系,以利于啤酒生产厂家对啤酒整体风味的控制。     

基于智能优化型径向基神经网络的板形模式识别研究

针对传统基于神经网络的板形模式识别方法具有网络精度较低、在线识别速度慢和网络模型建模复杂等技术问题,提出了一种基于智能优化型径向基神经网络的板形模式识别方法.在基于训练数据进行神经网络建模过程中,采用一种改进的粒子群优化控制算法进行网络架构节点数目和网络参数值的离线优化,因而所得方法具有网络结构简单、泛化能力强等优点.仿真实验结果表明,该方法是一种有效板形模式识别方法,有利于提高板形控制精度.     

基于径向基神经网络的小球藻培养过程仿真

神经网络技术是在生物神经网络功能的启示下发展起来的。本文探讨了神经网络的运作机理，并利用径向基神经网络对具有高度非线性特征的小球藻培养过程进行仿真。结果表明，所确定的网络模型，其训练历史和泛化能力较为理想，可用于指导实际操作。     

基于径向基神经网络的储粮通风智能决策研究

仓储通风技术的不断发展可以为储粮的安全提供更好的保障.针对现今机械通风中存在的通风决策问题,在研究了径向基函数神经网络的基础上,提出了一种基于径向基神经网络的储粮通风智能决策模型.以山西省洪洞储备粮直属库的仓储通风进行实例分析,实验和测试结果表明,径向基神经网络输出的通风决策结果和通风专家对通风模式的决策结果有很好的符合度,该模型具有很好的泛化能力,可为仓储通风决策提供一种新的解决方案.     

径向基神经网络在水果颜色分级机中的应用

颜色是水果分级重要指标,为适应颜色分级的需要,将径向基(Radial Basis Function,RBF)神经网络应用于水果颜色分级机中,从理论上分析了该方法相对于基于BP网络方法的优势,最后通过对苹果分级进行训练和测试,测试结果验证了该方法的有效性和优越性.     

船舶感应电机轴承故障诊断

船舶电机轴承的故障发生的也比较频繁,需要更便捷快速的诊断方法,现在,通过总结过去的电机诊断方式,能够找到最快最好的方法来满足对于轴承故障的发现的快速性,为解决问题赢得时间。目前,能够找到的故障的种类有轴承故障、转子故障、定子故障、气隙偏心故障等等。故障诊断工艺在上世纪七十年代就有较为系统的论述。而在后来的几十年来论述的内容不断扩大。方式方法变得越来越多。     

神经网络在机械故障诊断中的应用

对BP神经网络进行数学推导及详细论述,提出神经网络用于机械故障诊断的前提条件,对轴承神经网络故障诊断系统进行仿真。     

基于径向基神经网络对磨削功率预测的研究

将径向基(RBF)神经网络应用到工程陶瓷缓进给大切深磨削领域,建立了磨削功率随砂轮速度、工作速度、磨削深度变化的预测模型。研究结果表明:预测值与实际值最大误差为5.30%,平均相对误差为3.2%,因此,径向基神经网络能准确地预测磨削功率的变化趋势。     

基于多线性主成分分析和径向基神经网络的储粮温度变化预测

储粮温度预测有利于及时采取通风降温等措施保障储粮安全,因而具有重要意义。传统预测方法多是基于历史温度数据的向量形式进行特征提取,破坏了原有数据的高阶特性和内部结构,导致局部空间信息丢失,预测精度难以满足要求。针对这一问题,提出了一种以数据张量表示为基础的多线性主成分分析方法。该方法保留了粮堆温度历史数据的高阶性,即在使用多线性主成分分析进行特征提取和降维的同时,充分保留了原有数据的内部结构,因而提取的特征更为有效。试验表明,本方法预测结果优于其他典型预测方法。     

基于改进神经网络算法的蔬菜图像识别

文章提出了改进神经网络算法,建立了径向基函数神经网络模型,包括梯度下降方法求解权重参数,增大邻域半径的均值聚类方法求取隐函数中心值,利用相邻聚类中心获得核宽度,通过量子遗传算法删除冗余权重和神经元;提取了蔬菜图像的特征,并给出了算法流程。仿真试验表明,试验算法对蔬菜图像的形状特征平均识别率为97.56%,纹理特征平均识别率为95.60%,颜色特征平均识别率为93.25%,训练时间平均为5.83s、识别时间平均为2.18s,优于其他算法。     

基于神经网络的航空轴承状态智能监测设计

文章提出了基于神经网络的航空轴承状态监测设计方法。利用机载数据采集器与振动加速度对航空轴承健康、保持架断裂、滚动体剥落、内圈剥落、外圈剥落5种状态进行监测,基于振动时域信号与神经网络分析方法对5种状态进行识别。测试结果表明,利用该分析方法能够有效判别航空轴承状态情况。     

基于神经网络的故障诊断

本文以神经网络为理论基础介绍了神经网络在故障诊断中的应用方法,并以风机以某钢铁公司烧结厂烧结风机,不同测点现场采集的待诊数据为神经网络训练样本和测试样本,通过MATLAB软件得出识别结果,结果表明该方法的正确性和有效性。     

运用模糊神经网络诊断锭子轴承故障

提出了一种模糊神经网络的锭子轴承故障诊断方法。以锭子轴承振动信号中相应频率的振幅为特征参数,诊断锭子轴承常见的几种故障。采用混合算法对网络进行训练,发挥模糊神经网络强大的自学习能力和知识表达能力的优点。试验结果显示能够提高故障诊断的精度和效率。     

基于径向基函数神经网络的颜色空间转换研究

先进的ICC色彩管理技术,是以色彩空间变化为核心的新型色彩控制方法,其中CMYK与Lab颜色空间转换在色彩管理中具有广阔的理论研究价值和实用价值。本文首先采用ECI2002标准色靶数据,均匀选取建模数据及检验数据,并进行归一化处理;然后基于径向基函数(RBF)神经网络,建立CMYK到Lab及Lab到CMYK的颜色空间转换模型;最后对转换模型精度进行评价。研究表明:RBF神经网络适合于CMYK与Lab间的颜色空间转换,其建模简单方便,网络训练速度快,转换精度高。随着建模方法的改进,该方法用于颜色空间转换将会有广阔的发展空间。     

基于神经网络的挤压机故障诊断研究

文章采用先进的神经网络技术,结合挤压机故障的特点,对挤压机故障诊断进行深入的剖析和研究,设计出一种安装使用方便、可靠性高的挤压机故障诊断系统。对保证生产安全、高效和经济运行具有重要意义。     

基于RBF神经网络的棉纤维成纱强力预测

由于多元线性回归模型对棉纤维的品质和成纱质量之间关系预测精度及适应性较差,提出采用径向基函数对BP神经网络进行改进,使用测得的棉纤维品质部分实验数据对网络进行训练,然后对成纱强力进行预测,得出采用改进后的RBF神经网络对纱线强力进行预测,克服了陷入局部极小和运算迭代量大的缺点,有效地提高学习速度,收敛速度加快,训练时间缩短,预测精度提高,能较好地预测纱线的强力。其成纱强力的预测结果比多元回归统计模型的结果更好。     

外形要求下径向磁力轴承的参数分析

在列举了几种径向磁力轴承的典型外形要求后，以满足外形要求为前提，得出几组结构参数的变化，并分析这几组参数各自对磁力的影响。从而对比各组参数的优劣及其适用情况，便于径向磁力轴承的结构设计及设计结果的更改。