一种新型LED筒灯的电子镇流器设计

提出一种新型LED筒灯电子镇流器的设计,设计采用了集成芯片BP3102,并对其空载和带负载进行输出电压和输出电流的测量,测试结果表明,这种电子镇流器具有优异的线性调整率和负载调整率,具有功率因数高、电流波峰比低、稳压、恒流输出的特点。经过实际使用表明,这种电子镇流器不仅噪音低、灯具寿命高,而且有短路保护、过温保护、过压保护等多重保护功能。     

基于神经网络的电动黄油枪运行参数的预测

本文首先介绍了神经网络预测控制模型,然后建立BP网络预测模型并运用Matlab编程语言,对黄油枪的运行参数进行预测。预测用的学习样本和测试数据都是实际测量数据,经过BP网络训练与测试达到了相应的要求。从测试结果看,采用输入参数正常的数据所得到的预测误差很小,而采用异常输入数据则产生了较大的预测误差。说明该网络预测模型有较高的准确性,能够预测出产品的异常运行参数,为产品的质量控制提供可靠依据。     

基于BP神经网络的加油站油品罐存量的预测研究及应用

加油站通过地下储油罐储存燃油,然而过多的库存量会造成燃油积压,不利于管理且会花费一定的储存成本;若库存量过少又可能造成油供应不足,不能满足客户需求而损坏其形象,最终盈利下降.因此,确定燃油的库存量意义重大。本研究旨在建立关于加油站油品罐存量的模型,并应用BP神经网络进行预测,为加油站的油品管理工作提供理论基础。     

近红外光谱技术的恩施玉露原产地鲜叶收购价格评估

为科学客观地评估鲜叶收购价格,应用近红外光谱技术结合人工神经网络方法和联合区间偏最小二乘法,建立了三种鲜叶收购价格预测模型并比较了预测效果.应用联合区间偏最小二乘法筛选最佳光谱区间为5 750~6 000cm-1,7 750~8 000cm-1,8 250~8 500cm-1,8 500~8 750cm-1,9 500~9 750cm-1和9 750~10 000cm-1,并对上述光谱进行主成分分析.前5个主成分累计贡献率为99.87%,并以此为输入值建立收购价格人工神经网络预测模型(R2=0.968 7,RMSEP=4.625).模型预测结果优于全波长人工神经网络模型(R2=0.855 1,RMSEP=5.218)和联合区间偏最小二乘法模型(R2=0.581 6,RMSEP=25.433)的预测结果.近红外光谱技术结合人工神经网络和联合区间偏最小二乘法,能够快速、准确、客观的评估鲜叶收购价格,有利于统一鲜叶收购价格标准,有效地减少纠纷.     

基于Elman神经网络的排水管网液位预测

建立了排水管网液位的Elman神经网络预测模型,以液位和雨量的监测数据为输入,未来的液位值为输出。提前5、15、45和60 min的预测平均绝对误差分别为2.07%、3.75%、8.39%和9.49%。与BP神经网络对比,Elman神经网络的拟合和预测效果分别提升约23%和21%。结果表明,基于Elman神经网络的管网预测模型具有良好的预测效果,可以为建立排水管网的在线预测预警系统提供有效的方法支持。     

基于遗传算法优化BP神经网络的窃电分析

目前我国存在着严重的窃电现象,窃电手段繁多而且隐蔽,这使得工作人员的反窃电工作越来越难。基于供电企业能够采集用户用电数据,本文通过选取用户的相关历史数据进行处理和分析。根据对窃电数据特性的分析研究,挑选出月用电量、台区线损值、最大线损值、功率因素、三相不平衡率、合同容量比六个电气参量作为窃电数据的分析指标,采用遗传算法优化BP神经网络算法构建窃电分析模型,对指标样本数据进行分析,得到用户的窃电嫌疑系数,筛选出用电情况异常用户。本方法能够较方便、全面、智能的分析用户的用电情况,为供电企业实施反窃电工作指明了大致的方向,简化了反窃电的许多工作。     

基于改进BP神经网络的煤与瓦斯突出预测模型

煤与瓦斯突出已成为危害煤矿安全的重大灾难之一,工作人员对瓦斯突出灾难的预防工作已是现在重要的研究项目。目前的瓦斯突出预测工作中,不同程度的有着一些对预测精确度造成影响的因素,如逻辑推理组合效率低等。利用BP神经网络结合瓦斯突出样本建立了一个预测模型,对BP神经网络算法进行了改进,最后根据提供的某煤矿的数据作为样本,利用MATLAB软件对其进行仿真测试,所得到的预测值和实际值拟合程度较高,可以反映出煤与瓦斯突出的真实情况。     

人工神经网络的发展及应用

随着科学技术的发展,人工神经网络技术得到了空前的发展,并且在诸多领域得到了广泛的应用,为人工智能化的发展提供了强大的动力。人工神经网络的发展经历了不同的阶段,是人工智能的重要组成部分,并且在发展过程中形成了自身独特的特点。文章对人工神经网络的发展历程进行回顾,并对其在各个领域的应用情况进行探讨。