基于遗传算法的压气机叶片的多目标三维优化

为了提高轴流压气机的效率,需要研究一种新的高性能的转子叶片.采用人工神经网络与遗传算法寻优相结合的方法对某单级轴流压气机亚音速叶片进行三维叶片型线优化设计.优化目标是尽可能的提高转子叶片的总压比、流量和等熵效率.优化仿真结果显示,流动分离区明显后移,损失显著降低,等熵效率提高了0.48%,同时总压比和流量也都得到了提高,优化叶片的气动性能较原型叶片明显提高.结果表明,优化方法能很好的完成亚音速叶片的优化设计,是获得低损失高效率性能的叶片的有效途径.     

基于主从粒子群的模糊小波神经网络交通控制

城市交通智能控制是ITS的重要组成部分,交叉口是决定道路通行顺畅的制的基础.为提高路口的通行能力,提出了主从结构的粒子群算法优化模糊小波神经网络参数,并将其应用于交通信号的控制.算法中,主级粒子进行全局搜索,从级粒子以主级粒子找到的最优解为中心进行局部搜索.仿真结果表明该算法能够有效减少交叉口车辆平均延误时间,提高道路通行能力.     

基于贝叶斯网络的复杂装备D-S诊断

利用D-S证据理论进行故障诊断时,首先需要确定出故障识别框架和基本置信分配.但在导弹武器等复杂装备中,存在着故障原因与故障征兆之间关联关系不确定的现象,增加了求取故障识别框架和基本置信分配的困难.文中提出了利用贝叶斯网络理论来解决难题的方法,使D-S证据理论能在复杂装备故障诊断中得到应用.文中首先给出了诊断贝叶斯网络的适应度函数,并利用改进的粒子群优化算法求解了诊断贝叶斯网络.然后分析了诊断贝叶斯网络中故障原因与故障征兆间的关联关系,给出了征兆集合、异因征兆集合概念.提出了求解故障识别框架和基本置信分配的方法.最后,通过实例的D-S诊断,验证了所提方法的正确性.     

基于小波神经网络的抄纸过程建模仿真研究

抄纸过程中水分定量控制是一种复杂的多变量耦合过程.它具有大滞后、非线性、时变、不确定等特性,因此一般采用常规方法很难准确建立其数学模型.神经网络是一种很好的非线性数学模型,运用多输入多输出的小波神经网络对抄纸过程中水分定量控制进行数学建模,并在小波神经的嘲络训练过程中采用了两种训练方法,加快了训练速度.结果表明,小波神经网络输出值与实际模型输出值的误差在允许范围内,可以很好的逼近抄纸过程的数学模型.     

基于语义神经网络的汉语表层语义分析

本文提出一种基于语义神经网络的汉语表层语义分析方法。该方法将符号主义和连接主义结合在一起。文中给出了语义神经网络的定义、构造,以及应用于汉语表层语义分析的算法。     

基于双Kohonen神经网络的Web用户访问模式挖掘算法

本文根据Kohonen自组织特征映射神经网络中学习阶段的性质,运用双Kohonen神经网络组合成新的自组织训练挖掘模型,先使用粗调整训练,加快模型学习速度,紧接着使用微调整训练,提高模型学习精度。实验结果表明,本文提出的双Kohonen神经网络挖掘模型,相对于标准Kohonen神经网络在训练速度和收敛效果上都有一定程度的提高,改善了聚类效果,为挖掘用户的多种兴趣提供了一种可行的方法。     

基于结构化神经网络挖掘的农产品产量预测方法

农产品市场的准确预测对指导农业生产、农产品流通和农产品消费有重要作用。本文提出了一种改进的结构化神经网络(ISNN),并基于ISNN构建了农产品产量预测模型;设计了一种优化性能更好的混合遗传算法(MGA),并采用MGA对ISNN预测模型进行训练。应用训练好的预测模型对某县最近10年的玉米总产品进行了预测分析。实验结果表明,该方法收敛速度快、学习能力强、预测精度较高、误差率较小。     

一种支持信息检索的安全网络文件存储模型

网络技术的发展使利用网络进行文件存储和共享逐渐成为一种重要的网络应用模式。如何在网络上存储文件并实现安全有效的共享成为一个必须解决的问题。当前对安全的网络存储模型的研究大都集中在安全方面,对共享所必须的信息检索支持不充分,这大大影响了数据的共享性。本文提出了一种新型的网络存储系统模型,该模型综合运用了压缩、加密和信息检索等技术,能有效地解决信息发布中的网络存储的安全性和共享性问题。在原型系统上进行的实验表明,该模型具有良好的性能。     

基于蚁群优化的模糊神经网络控制器的应用研究

针对传统PID控制方式的不足,文章提出了一种新的永磁同步电动机控制策略,即采用蚁群优化算法对模糊神经网络控制器的3个因子参数ka、kb、ku进行全局优化,给出了永磁同步电动机的数学模型,详细介绍了模糊神经网络控制器的设计,分析了蚁群优化算法,并进行了仿真实验。仿真结果表明,基于蚁群优化模糊神经网络控制器的永磁同步电动机调速系统具有很强的鲁棒性和自适应性,动态响应快,能够较好地跟踪负载变化。     

通风网络区域划分算法与程序实现

通风网络风道之间的风量依从关系对于通风网络的合理性分析具有重要意义。对于任意复杂的通风网络系统,有时很难从图形上直接判断出任意2条风道之间的风量依从关系。文章提出了通风网络任意风道影响区和依赖区的概念,指出其可用于任意风道之间的风量依从关系的分析;介绍了通风网络各风道依赖区、影响区划分方法以及任意风道之间归属度和依赖度计算方法,并采用C#语言编制了程序;最后用实例验证了文中所论及算法的正确性。