基于神经网络的浓度检测模型研究

针对液浆类食品浓度检测系统中,浓度与折射率、温度之间的非线性关系问题,将人工神经网络技术应用于浓度测量的建模中,以实验数据为基础,建立了检测系统的数学模型。通过仿真研究,与传统的回归模型进行误差对比,得出了应采用BP神经网络技术建立智能化液浆浓度测量模型,提高测量精度,克服温度变化非线性影响的结论。     

BP 神经网络在大豆油酸价近红外光谱检测中的应用

对于大豆四级油,采用BP 神经网络对其近红外光谱数据建模,对系统的结构及参数选取进行了分析,对样本训练集的设计和网络输入端的主因子方面进行了处理。对于其他的多变量建模方法,分析了其对近红外光谱有用信息的提取作用。结果显示：多元线性回归、主成分回归和偏最小二乘法对大豆四级油酸价预测的标准偏差分别为0.1472%、0.1801% 和0.1576%,BP 神经网络的预测标准偏差为0.1387%。     

基于BP神经网络的大气中CO浓度的预测

大气污染物浓度的检测是一个复杂的系统,影响因素较多,本文引入非线性分析的有效工具——BP神经网络,利用BP神经网络中的误差反向传递算法对大气中CO浓度进行分析,建立基于BP神经网络的CO浓度预测模型,并利用淮安市环保局和气象局2013年的相关数据对模型进行训练与测试,取得较好结果,证明该模型在预测大气中CO浓度方面具有较好的效果,并误差小。     

线性回归分析在指数模型中的应用

通过线性回归方法对指数模型进行分析,并用Excel软件首先对参数进行逐步计算,再用R软件直接对参数进行估计,使学生更能理解一元线性回归模型中参数估计方法和应用。最后,再引入变量-社会消费品零售总额,分析其对股票价格的影响,结果显示2005年2月-2018年12月期间沪深300指数和社会消费品零售总额对平安银行收益率有显著影响。     

BP神经网络在纺织工业中的应用

介绍了神经网络的发展历史,对BP网络的算法进行了详细的讨论,分析了BP网络在纺织工业中应用的主要步骤。     

基于BP神经网络的高速动车组网络控制系统时延研究

当前,高速动车组的控制系统迅速向网络化与智能化方向发展,网络控制系统已被大规模地应用于高速动车组的控制系统之中,网络控制系统可实时地传输高速动车组中各个设备的数据并监控高速动车组的运行状态,以保证高速动车组安全地运行。但高速动车组的通信网络控制端口和变量数目非常多且各端口的长度与特征周期也各异。故高速动车组的网络控制系统在输出数据的时候,不可避免地出现网络时延现象,该现象严重地威胁着高速动车组网络控制系统的实时性和稳定性。由于高速动车组的网络控制系统是一种非线性系统,故文章针对带有时延问题的高速动车组非线性网络控制系统,提出一种有效的优化方法,即将BP神经网络递推预测与广义预测控制结合起来,先根据BP神经网络递推预测的方法对网络控制系统未来的输出进行预测,然后利用递推最小二乘法对网络控制系统未来时刻的系统参数进行辨识,将非线性网络控制系统在每一时刻进行线性化处理,最后由广义预测控制算法补偿非线性网络控制系统的时延且对所提出的方法进行实验仿真,实验结果表明:该方法可有效地消除高速动车组网络控制系统的时延,同时具有实时性高、计算速度快及鲁棒性强等优点,显著地优化了带有时延问题的高速动车组非线性网络控制系统。     

基于BP神经网络降低汽油精制过程中的辛烷值损失

随着汽车工业的迅速发展和人们生活水平的不断提高,人均汽车保有量迅速增加,因此汽油燃烧产生的尾气排放问题也得到各国的持续关注,而汽油中辛烷值的含量对减少汽车尾气排放问题极为重要。文章研究了汽油生产中各操作变量的数据处理问题并提取了主要变量,利用python建立神经网络以此来建立辛烷值失损预测模型、利用Matlab软件仿真以此来优化操作中各个参数模型的优化问题。最后以图表的形式展示了主要操作变量优化调整过程中对汽油中辛烷值硫含量的变化轨迹。     

BP神经网络在数控伺服系统中的应用

在分析三环伺服系统的基础上,针对传统PID控制的不足,将BP神经网络与常规PID控制相结合,提出了一种基于BP算法的PID控制新策略,通过编写有关程序,应用Matlab进行仿真运行.仿真实验表明系统跟随输出响应迅速,超调小,调速精度高,且能适时对参数进行在线调整,表现了很好的自适应性和鲁棒性,能很好地满足系统设计要求.     

BP神经网络在白砂糖含硫量预测中的应用

通过测定清汁pH值、清糖浆pH值、清汁中残留SO2含量、清糖浆中残留SO2含量以及成品白砂糖的含硫量,建立BP神经网络模型并预测白砂糖的含硫量。结果表明,该方法可行,模型预测结果具有较高的精度。     

纸浆浓度的神经网络PID控制

针对造纸过程中纸浆浓度控制的特点,通过BP神经网络与PID相结合,组成神经网络控制器,用于纸浆浓度控制。利用神经网络自学习、自适应的功能,根据实际工况在线实时调整PID参数,使纸浆浓度的控制处于一种最优状态,达到较好的控制品质。     

织物柔软度等级评价的BP网络方法

文章基于织物柔软度等级评价体系,建立一个织物力学指标与柔软度关系的BP神经网络模型,对织物柔软度进行评价。借助KES-F风格仪测得的12组数据对BP神经网络进行训练,训练好的模型对织物进行检验。结果表明：网络迅速完成训练,误差平方和低于10^-3;对检验用的织物进行等级评价,其输出等级与综合评价等级保持一致。此方法客观、准确、简捷。     

BP神经网络在粮食霉变预测中的应用研究

霉变是造成粮食损失的重要原因,为了降低损失,将危害控制在萌芽状态,提前预测预警意义重大。本研究利用MATLAB的神经网络工具箱建立了预测粮食霉变的BP神经网络,给出了稻谷在给定含水率、温度、储藏时间的条件下是否会发生霉变的预测模型。同时,通过合理选择训练样本的数目,探究训练样本数量对网络精度的影响,并通过华北地区实仓数据验证由实验数据得到的BP神经网络在实际应用中所能达到的准确程度。经过验证,对于实验数据,训练样本数目大于400时,神经网络预测正确率可以达到94.3%;样本数越大,正确率越高。随机选择2 500个实验室样本数据进行训练得到的神经网路预测模型,对剩余样本预测准确率达到98%,对于实仓检测数据,正确率可以达到82.1%。     

BP神经网络在服装人体工效学中的应用

文章通过介绍BP神经网络在服装样板自动生成、号型选择和服装舒适性预测等服装人体工效学领域的研究进展,表明BP神经网络作为一个智能化工具,可简化服装人体工效学中一些复杂问题的能力,特别对解决由诸多非相关因素共同影响下的服装舒适性等问题具有重要的意义。     

BP神经网络在白酒包装成本预测中的应用

目前市场上白酒包装成本不一,为了估算白酒的包装成本,本文基于MATLAB构建白酒包装成本预测的BP神经网络模型,依据市场调查数据,在MATLAB中确立预测模型,从而实现预测模型的训练、仿真及验证,为白酒包装成本的确定提供决策方案.     

BP神经网络在洗毛工艺中的应用

基于BP神经网络方法,建立了洗毛工艺参数与洗毛质量之间关系的模型,对洗毛新工艺进行判别。实验结果表明：网络迅速完成训练,输出误差低于10^-3,模型具有很高的精度和准确性可以用于对洗毛新工艺的判别,为客观准确地制订洗毛工艺提供新思路。     

基于MATLAB的BP神经网络实现减振器缺陷产品自动识别

减振器是汽车悬架的重要组成部分,其性能直接影响整车的安全性和舒适性,减振器示功图是判断减振器是否合格的重要依据。目前,减振器示功图的类型识别都依赖人的经验。文章通过在MATLAB中训练BP神经网络,实现了减振器缺陷产品的自动识别,该研究具有巨大的市场价值。     

基于改进型BP神经网络的湿重软测量

针对制浆造纸工业中湿重无法在线测量的难题，分析了湿重值与进浆流量、打浆浓度、打浆电流及原湿重值等参数的关系。提出了基于改进型BP神经网络的湿重软测量技术。成功的完成了湿重在线检测。