神经网络在煤矿安全决策支持系统中的研究及应用

主要研究人工神经网络在煤矿安全决策支持系统中的应用。将BP网络用于瓦斯突出,解决了瓦斯突出判别困难、难以建立数学模型的难题,为煤矿瓦斯突出研究找到了一种新的建模和预测方法。     

TLU训练在矿山CAD计划编制系统中的应用

人工神经网络的应用日趋广泛,如何能够更好地应用于矿山生产实践中也成为当前业界的一个课题。通常矿山的计划系统不能够将相关的计划量数据动态地显现给用户。通过对矿山CAD系统的分析,利用人工神经网络中TLU训练原理应用VC 开发出了相应的CAD模块,将露天矿山生产计划指标动态显示。应用该模块编制计划提高了生产计划编制水平和编制效率。文中所提出的方法已经成功用于金堆城和洛钼集团矿山中,实践证明TLU训练原理很好地解决了矿山计划中的交互难题。     

人工神经网络在多传感器信息融合中的应用研究

本文通过严格控制的试验和对采样数据的细心处理,将人工神经网络运用于油品水分检测的多传感器信息融合中。BP网络和RBF网络被公认为比较擅长函数逼近处理,大量的试验数据表明,这两种网络确实能够改善信息融合的性能。最后,作者指出,神经网络训练是否成功,除了神经网络的结构设计之外,数据的预处理也同样是十分重要的,适当的信号噪音能够提高网络的精度和适应能力。在进行实际测量时,数据的有效性、完整性等将影响网络的最终结果。因此对于采样数据的预处理以及训练集的选择将影响到人工神经网络的鲁棒性和普适性。     

基于径向基网络的燃气短期负荷预测

用径向基（RBF）神经网络对城市燃气系统进行短期负荷预测。在对鞍山市燃气系统的历史负荷数据进行短期预测结果表明，所建立的RBF神经网络模型具有较高的预测精度。     

信息融合技术在电力系统暂态稳定评估中的应用

针对电力系统暂态稳定的特点和要求，运用人工神经网络并结合D-S证据理论的信息融合技术，提出了一种暂态稳定评估模型。这个模型综合来自不同传感器的信息，筛选出能迅速反映暂态稳定的特征量，并把特征量按照时间和空间进行分类，最后将这些特征量输入到该模型，得到电力系统暂态稳定评估的最终结果。在4机11节点的测试系统上进行的仿真表明：采用信息融合的模型，能提高运算速度和降低误判率，为在线进行电力系统的暂态稳定分析提供了一条新的思路。     

基于小波变换和神经网络的暂态电能质量扰动自动识别

针对短时电能质量变化和暂态扰动现象的不同特点,提出了一种暂态电能质量分类的新方法。先提取基波频段所在的小波系数将电压凹陷、电压凸起和电压中断分别检测出来;然后将小波包分解结果中的最佳子空间的熵值作为特征量,结合人工神经网络区分暂态脉冲和振荡。该方法利用小波和小波包各自的时频分解特点,实现了暂态电能质量扰动的自动检测和分类。经仿真分析,验证了此方法的准确性和高效性。     

人工神经网络在材料科学中的应用与展望

人工神经网络因其具有较强的非线性问题处理能力且容错性强而在材料科学中得到广泛的应用.本文对其在材料设计、材料制备工艺优化、塑性加工、热处理等领域的应用进行了探讨,并对其发展前景进行了展望.     

人工神经网络在高炉炉况判断中的应用

包钢4号高炉有效容积2204m^3，在公司的生铁产量中起着举足轻重的作用。由于高炉生产过程复杂，凭人工经验预测不能准确地判断高炉运行状况好坏。为此，包头钢铁公司委托北京科技大学应用新技术、新方法为4号高炉设计炉况判断模型。     

具有随机系数和带间隙的自激振动问题的人工神经网络解法

利用人工神经网络技术(BP网络)研究具有随机系数和带有间隙的初轧机自激振动问题,提出了一种Runge-Kutta法和人工神经网络相结合的求解方法。即利用数值计算和BP网络建立随机系数和稳态振幅之间的关系,从而直接计算出稳态振幅的统计特性。计算结果表明:采用所提出的方法求解,通用性好且可提高计算精度,并得到了间隙与稳态振幅的均值有关,与标准离差无关的有用结论。     

基于传感器动态检测和神经网络的气体识别

提出将气体传感器阵列动态检测与人工神经网络相结合的方法实现气体的识别。设计了用该方法进行气体检测识别的实验系统。该方法具有实验次数少、识别准确度高的优点。实验以4个金属氧化物半导体气体传感器组成的阵列为例,详细讨论了该方法的实验过程及识别结果。通过实验对甲烷、乙醇、丙酮3种气体及其混合气体进行识别,结果表明:该方法的正确识别率达到100%,具有很高的实用价值。