基于成分预测模型的矿石烧结配料专家优化方法

配料是烧结的前期工序,如何获得各种铁矿石和非铁原料的配比是烧结配料的关键问题.针对某钢铁企业烧结配料的特点,建立了基于数学模型和神经网络的成分预测模型,构筑了用于配比调整的专家规则,提出了配比优化与计算算法,通过数学模型、神经网络和专家规则的有机结合,实现了烧结配料的优化与控制.     

基于成分预测模型的矿石烧结配料专家优化方法

配料是烧结的前期工序，如何获得各种铁矿石和非铁原料的配比是烧结配料的关键问题，针对桌钢铁企业烧结配料的特点，建立了基于数学模型和神经网络的成分预测模型，构筑了用于配比调整的专家规则，提出了配比优化与计算算法，通过数学模型、神经网络和专家规则的有机结合，实现了烧结配料的优化与控制。     

遗传神经网络在邮件过滤器中的应用

针对目前反垃圾邮件技术的缺点,提出一种基于遗传优化神经网络的垃圾邮件过滤器模型,利用遗传算法全局搜索能力优化神经网络连接权值,克服神经网络局部极小值点问题,提高神经网络的学习速度和识别能力。通过对遗传算法和人工神经网络算法的实现,证明它们在垃圾邮件过滤器中有很好的应用效果。     

烧结公司生产能力报告

川威集团烧结公司现有两台带式烧结机能力为76万t/年,土烧球团能力为17万t/年,自从小球烧结技改项目实施后,烧结矿增产了10%左右. 为了使烧结机能发挥出最大生产能力,确保烧结优质、高产、低耗,烧结公司对工艺设备的各工序能力进行平衡. 生产预配料车间的1#、8#～14#共8条皮带运输机为400t/h左右的能力,一台双向混匀取料机及皮带运输系统,能力为400t/h,同时配有8个圆盘给料机料仓,达到预配料能力与烧结能力平衡,确保烧结矿质量稳定.     

基于组合优化BP神经网络的模拟电路故障诊断

电子系统的可靠性已成为影响系统正常运行的关键,因此电路故障的诊断越来越受到重视。基于BP神经网络的诊断方法是目前实现模拟电路故障诊断的有效方法之一。文章针对已有BP神经网络模拟电路故障诊断技术的不足,提出了一种组合优化的诊断方案。该方案采用遗传算法优化确定BP神经网络的初始权值,以规避BP神经网络易陷入局部极小值的不足,然后应用L-M方法在这个局部解空间里对BP神经网络进行精调,搜索出最优解或者近似最优解。该方案发挥了BP神经网络的广泛映射能力和遗传算法的全局搜索能力,加快了网络的学习速度,综合提高了整个学习过程中的逼近能力和泛化能力,有效提升了基于BP神经网络模拟电路故障诊断的性能。     

基于遗传小波神经网络的故障预报应用

目的减少铝电解故障的发生,提高阳极效应预报的准确性、实时性和铝的生产效率,节约能源.方法将遗传算法应用于小波神经网络,构成遗传小波神经网络,以确定小波基函数的个数、优化网络参数,以遗传小波神经网络为预测模型,通过预测槽电阻变化率来预测电解过程中的阳极效应.结果通过遗传算法能对小波神经网络的参数进行全局优化,确定了网络结构,而且小波神经网络具有较强的自适应性、鲁棒性和函数逼近能力,使预报精度提高了约9.5%,提前预报时间1 m in左右.结论该预测模型改善了故障预报准确性和实时性,避免了故障的发生,降低了能源消耗,提高了铝电解的生产效率,实现了安全生产.     

结构优化深度网络的高压断路器机械故障诊断

高压断路器操作过程中的振动信号反映断路器的机械状态。针对基于浅层的振动信号分析模型的特征提取及故障诊断精度等方面存在的不足,提出了一种基于遗传算法优化的卷积神经网络高压断路器故障诊断方法。利用遗传算法的全局寻优能力,通过遗传算法的选择、交叉和变异等操作获得最优初始网络结构参数及全连接层神经元数等,进而优化卷积神经网络,并将优化后的卷积神经网络应用于高压断路器的故障诊断。结果表明,所提方法的诊断性能优于未进行优化的卷积神经网络、动态支持向量机和多层感知机。     

基于遗传-BP神经网络预测单桩竖向承载力

在遗传算法改进BP神经网络的基础上,利用遗传算法的全局优化能力和BP神经网络的较强的高次非线性能力和自学习能力,建立预测单桩竖向承载力的遗传-BP神经网络模型.通过利用济南地区现场试桩资料对该模型进行训练和检验,证明本文所建立的遗传-BP 神经网络预测模型预测精度高,适用性强,可以作为桩基工程设计和理论研究的参考计算工具.     

基于遗传-BP神经网络预测单桩竖向承载力

在遗传算法改进BP神经网络的基础上,利用遗传算法的全局优化能力和BP神经网络的较强的高次非线性能力和自学习能力,建立预测单桩竖向承载力的遗传—BP神经网络模型。通过利用济南地区现场试桩资料对该模型进行训练和检验,证明本文所建立的遗传—BP神经网络预测模型预测精度高,适用性强,可以作为桩基工程设计和理论研究的参考计算工具。     

基于遗传算法的BP神经网络服装销售预测方法

针对服装企业产品销售的复杂性以及特殊性,提出一种有效的神经网络学习模型. 在对服装销售影响因子分析的基础上建立销售预测网络模型,利用遗传算法对后向传播神经网络的各连接权值进行优化计算. 方法综合了后向传播神经网格和遗传算法两者的优势,既具有神经网络强大的学习能力,又具有遗传算法的全局搜索能力.