跌坎型底流消能工的跌坎最小深度研究

跌坎型底流消能工消力池内的水力特性受到跌坎深度的影响。应用平面紊动射流理论,以消力池内允许的最大时均动水压强为控制目标,对于跌坎最小深度的确定方法进行了初步分析,建立了计算跌坎最小深度值的理论公式。通过水力学试验方法,得到消力池底板时均动水压强与跌坎最小深度之间的关系,同时与跌坎最小深度试验值进行了比对,对本文建立的理论公式进行了验证。     

土壤旱情监测系统设计

针对我国对旱情监测主要依靠人工观测,存在着工作量大、时效性差的问题,结合旱情信息采集技术与无线通信数据传输技术,设计了基于STM32的旱情信息采集和数据远程传输的遥测终端机。实验结果表明,该系统能够实现对土壤含水率、蒸发量、降雨量和温度的实时数据采集,并将采集的数据通过GPRS无线网络上报给中心站;中心站通过基于BP神经网络算法的旱情预测模型,实时对遥测终端机上报的旱情参量数据进行综合评估。     

微震定位系统中拾震器布阵研究

对微震监测中拾震器阵列进行科学有效的布置是保证微震定位系统能有效运行的一个关键条件,设计了4种拾震器阵列布设方案,使煤矿中微震定位监测系统运行得更加科学有效.首先建立复杂地质模型,利用微变网格射线追踪正演模拟出微震源起震到拾震器阵列接收信号的过程,然后在施加随机扰动的情况下,利用粒子群-神经网络算法(PSO-BP)反演推算出震源位置,最后通过震源位置的误差来分析各个布阵方案的特点,同时分析了阵列中拾震器数量的合理值.研究结果表明,在微震监测系统中拾震器利用率最高的情况下,可以给出准确、合理、有效的拾震器布阵方案.     

基于可测信息源的APU故障智能诊断方法研究

针对APU维修智能化水平较低问题,提出了一种基于可测信息源的APU故障智能诊断方法,利用BP神经网络建立智能故障诊断模型,详细阐述了该方法的数学原理及其实现算法。在数据处理中采用小波分析及巴特沃斯数字滤波器,对所采集数据中的噪声和干扰进行滤除。利用APS3200型APU的相关数据作为样本,建立了基于BP神经网络的APU故障智能诊断模型。利用MATLAB进行建模计算,结果表明,该智能诊断模型具有学习速度快、噪声干扰抑制能力强等特点,且诊断结果准确,提高了维修单位维修效率,对提高航空公司机务维修自动化水平具有重要意义。     

基于BP神经网络锅炉炉膛火焰可视化监测方法研究

为了可视化监测炉膛火焰燃烧状况,提出一种基于级联前向BP神经网络模型的锅炉炉膛火焰可视化监测方法。通过比较选取级联前向BP神经网络作为炉膛温度预测模型,利用图像处理技术得到炉膛火焰辐射能图像对应二维温度场,并采用正则化方法重建炉膛火焰三维温度场。仿真结果表明,根据二维温度场可得火焰等温线走向和分布,根据三维温度场易得火焰中心分布及全炉最高温度点信息,实现锅炉运行控制和异常温度报警,满足燃烧诊断要求并实现炉膛火焰可视化监测。     

自构建小波神经网络的内模控制在深度脱硅中的应用

为了稳定氧化铝深度脱硅过程的热工制度和降低能耗,采用小波神经网络辨识的内模控制方法进行氧化铝深度脱硅工艺过程控制。根据小波基函数的激励强度和衰减程度可以添加或者删除小波神经网络隐含层神经元,从而优化小波神经网络隐含层结构。再用自构建小波神经网络辨识内模控制系统的正模型和逆模型,从而改进神经网络内模控制技术。实验结果表明,所提出的控制方法比传统方法在鲁棒性和抗扰性方面具有更好的性能表现,各项指标均优于传统控制方法,实现了氧化铝深度脱硅工艺优化。     

多个水下机器人动态任务分配和路径规划的信度自组织算法

针对多个水下机器人(autonomous underwater vehicles,AUVs)动态任务分配和路径规划速度跳变问题,引入栅格信度函数概念,给出一种改进的栅格信度自组织(belief function self-organizing map,BFSOM)算法.目的是控制一组AUV有效地到达所有指定的目标位置,同时保证AUV能够自动的避开障碍物.首先,自组织神经网络(self-organizing map,SOM)算法对多AUV系统进行任务分配,使得每个目标位置都有一个AUV去访问.整个分配过程包括定义SOM神经网络的初始权值、获胜者选择、邻域函数的计算3个步骤;其次,根据栅格信度函数和环境信息更新SOM获胜神经元的权值,使得每个AUV在访问对应目标的过程中能够自动避障并且克服速度跳变,实现AUV自动有效路径规划.最后,通过仿真实验证明了本文提及算法的有效性.     

正线性函数在深度神经网络中的研究

针对深度神经网络中常用的激活函数具有非线性和计算复杂度高的特点,提出使用正线性函数代替常用非线性函数作为深度神经网络的激活函数。基于正线性激活函数建立的深度神经网络模型计算复杂度低,能得到稀疏表示,与人类大脑信息感知具有一致性。通过图像分类任务验证了正线性激活函数在深度神经网络中应用的有效性。     

未知控制方向的迟滞非线性系统预设自适应控制

针对一类含有迟滞特性的未知控制方向严反馈非线性系统,设计了基于误差变换的反步自适应控制器.首先提出动态迟滞算子来扩展输入空间建立神经网络迟滞模型.然后利用径向基函数(RBF)神经网络逼近未知函数,并引入Nussbaum型函数来解决系统未知控制方向问题.最后采用误差变换将误差限定在预设的范围内,并利用反步法设计自适应控制器.该控制方案不仅能够保证跟踪精度,还可以提高系统暂态和稳态性能.仿真结果表明了控制方案的可行性.     

未知观测噪声时机器人同步定位与地图构建

对未知观测噪声的机器人同步定位与地图构建问题,提出基于神经网络PID自适应学习观测噪声的机器人同步定位与地图构建算法.已知系统噪声为高斯分布,噪声的方差未知,但其真值是在某个有限集合内.设计一个由神经网络PID控制器、观测噪声调整以及中值滤波构成的噪声在线辨识单元.通过自适应在线辨识观测噪声,并进行新息协方差平均值滤波,迭代修正观测噪声协方差,实现机器人同步定位精度的在线提高.实验表明,该算法可降低观测噪声先验信息不足的影响,减小定位误差.