空间网壳结构振动问题的改进神经网络控制

结合经验公式及实验比较对神经网络的结构进行优化,利用Levenberg-Marquardt算法改进传统误差反向传播算法.基于两个改进人工神经网络的组合运用,针对结构动力响应,建立了一种可预测有效控制力的神经网络预测控制策略.用一个网络辨识结构的动力响应,另一个网络预测有效控制力.数值仿真显示:该算法具有比传统BP网络的最速下降法高一阶的收敛速度;除个别时间步外,该文控制策略可较准确识别结构的动力响应、、给出有效控制力.     

基于神经网络的燃料电池发动机风机系统建模

燃料电池发动机的风机系统是一个非线性系统,针对其难以建模以及建立的模型过于复杂等问题,利用神经网络的非线性映射和自学习能力建立了风机系统的辨识模型。模型以风机转速和空气压力为输入,以空气流量为输出,采用Levenberg-Marquardt优化算法进行神经网络的训练,建立了不同转速和压力条件下的空气流量模型。仿真结果表明,该模型精度较高,可为燃料电池发动机空气供给系统的优化控制奠定基础。     

采用归一化最小均方误差准则的LM-BP算法

传统神经网络通常以最小均方误差(LMS)或最小二乘（RLS）为收敛准则,而在自适应均衡等一些应用中,使用归一化最小均方误差（NLMS）准则可以使神经网络性能更加优越。本文在NLMS准则基础上,提出了一种以Levenberg-Marquardt（LM）训练的神经网络收敛算法。通过将神经网络的误差函数归一化,然后采用LM算法作为训练算法,实现了神经网络的快速收敛。理论分析和实验仿真表明,与采用最速下降法的NLMS准则和采用LM算法的LMS准则相比,本文算法收敛速度快,归一化均方误差更小,应用于神经网络水印系统中实现了水印信息的盲提取,能更好的抵抗噪声、低通滤波和重量化等攻击,性能平均提高了4%。      

股票价格短期预测的LM遗传神经网络算法

针对传统神经网络在股票价格预测中易陷入局部最优和预测精度偏低的问题,提出了一种改进的神经网络算法进行求解.改进的算法基于LM算法建立了改进的三层BP神经网络对股票价格建立预测模型,避免算法陷入局部最优,并运用遗传算法优化神经网络的权值和阈值,提高神经网络对股票价格的预测精度.采用Matlab对上述算法模型进行仿真测试,通过预测4支股票价格的实验证明改进后的神经网络预测算法对股票价格的短期预测有较好的精度和稳定性.     

游离细胞腈水合酶催化丙烯腈水合反应的双稳态反应动力学

腈水合酶是能够催化丙烯腈水合生成丙烯酰胺的一种重要的工业酶。本研究建立了游离细胞腈水合酶催化丙烯腈水合反应的双稳态反应动力学模型,关联了底物浓度、产物浓度和温度等主要因素对反应速率(表观酶活)的影响。在实验研究的基础上,通过麦夸特及全局最优化算法求解了动力学模型。结果表明,游离细胞腈水合酶催化的双稳态反应动力学模型是比较典型的产物抑制型,当产物浓度逐渐增大时,高浓度的产物将抑制腈水合酶的活性。当底物浓度10g·L-1时,由于底物加入反应体系时产生的局部瞬时高浓度,腈水合酶催化的丙烯腈水合反应的表观反应速率不随底物浓度变化。当底物浓度≥10g·L-1时,底物产物浓度对反应速率具有显著影响。温度对酶活的影响也十分显著,相同底物产物浓度下,28℃时的酶催化水合反应速率是15℃时的3.3倍。     

CITT and inverse analyses applied to the study of the mushroom drying process

A study and modeling of the mass transfer phenomenon in the drying process of agricultural products, using Fick’s second law of diffusion adapted to infinite flat plate geometry, are described. An analytical solution methodology, the classical integral transform technique (CITT), is employed. Predicted results are compared with experimental data on the drying of sliced mushrooms in different operating conditions. A phenomenological analysis is made using graphics and tables. The data obtained by CITT and experimentally show negligible differences. The mass diffusion coefficient during hot air drying of mushrooms is estimated. Experimental drying kinetics are applied to the product at different air temperatures and air flow rates aiming to find a solution for the mass transfer equation, using an inverse problem with the Levenberg-Marquardt optimization technique in successive trials. Experimental data are also modified by a normal distribution of random errors. Statistical analyses show good agreement between experimental and predicted curves.     

一个结合信赖域技术的修正的Levenberg-Marquardt方法

在文献[1]的基础上,结合信赖域技术和Levenberg-Marquardt方法求解非线性方程组的特点,提出了一种求解奇异非线性方程组的修正的Levenberg-Marquardt方法,给出了算法的全局收敛性,并在弱于非奇异条件的局部误差有界的条件下,证明了修正的Levenberg-Marquardt方法仍具有局部二阶收敛速度,数值试验表明算法是非常有效的。     

Levenberg-Marquardt算法的一种新解释

Levenberg-Marquard(tLM)算法与最小二乘(Least Square,LS)方法关系密切,标度总体最小二乘(Scaled Total Least Square,STLS)是最小二乘,数据最小二乘(Data Least Square,DLS)与总体最小二乘(Total Least Square,TLS)的统一与推广,但是它与LM算法的关系尚不清楚。给出了一种求STLS解的算法及其子空间解释与拓扑解释,利用矩阵分解揭示了LM算法与STLS的密切关系,结果表明:阻尼因子使得LS解转变为STLS解;噪声子空间的剔除与系数矩阵条件数的控制保证了LM算法的稳健性与收敛速度;STLS的鲁棒性保障了LM算法处理过参数化问题的能力。     

神经网络中处理鞍点的LMBP改进算法

针对目前神经网络中的Levenberg-Marquardt反向传播(LMBP)算法在训练过程中有可能迭代到鞍点的问题,提出一种能有效克服鞍点的LMBP改进算法。计算鞍点处雅克比矩阵的正特征值对应的特征向量并将其作为新的搜索方向。通过实例对比传统LMBP算法与改进LMBP算法的效果,证明改进的算法能有效地脱离鞍点并进一步收敛到极小点处。     

神经网络在校正传感器非线性度方面的研究

BP神经网络及其改进算法虽然在测量准确度方面有所改善,但结构的不确定性、训练时间长的缺点限制了其在现场测量系统的应用。在引入LM算法的同时,通过分段的方法对其缺陷进行了改进。仿真结果证明了该方法具有收敛速度快、实时性强的特点。