考虑偏差补偿PSO-BP模型的SCR入口NOx软测量

针对燃煤电厂SCR入口氮氧化物(NO_x)烟气连续监测系统存在较大延时性和维护过程无法连续测量的问题,提出一种考虑偏差补偿基于改进型PSO优化的BP神经网络软测量模型.首先,利用改进的PSO算法对网络参数进行优化,解决各神经元阀值与权值初始选择随机性强和训练过程易陷入局部极值的问题,从而提升网络的训练速度和精度;其次,构建模型误差补偿网络修正预测结果以提高网络的预测精度与泛化能力;然后将改进模型应用于SCR入口NO_x软测量,基于某电厂DCS运行数据仿真计算,并与BP模型、标准PSO优化的BP模型和改进型PSO优化的BP模型进行了对比.仿真实验表明提出的软测量模型具有更高的收敛速度、更强的泛化能力、更佳的测量精度.     

基于BP神经网络的道路预防性养护决策研究

吉林的夏季炎热,冬季严寒的气候条件对于具有温敏性的沥青路面极为不利。此区域沥青路面病害类型丰富、发生很早且发育很快,因此,投入到沥青路面养护维修中的经费数额巨大。采取预防性养护措施防患于未然是解决上述问题的钥匙。传统的人工养护方法决策过程效率较低且受工作人员主观因素影响较大。在对季冻区沥青路面病害综合调查基础上,对其进行量化并建立病害库,同时,结合季冻区养护规范建立沥青路面预防性养护措施库,采用MATLAB工具箱中的BP神经网络实现对病害的分类分级,并以此将病害库与养护措施进行样本训练学习,建立对应各种类各程度道路病害的预防性养护模型。     

二分类数据的分类结果可视化算法

针对在某些应用领域对二分类数据分类结果可视化的需求，以及现有无监督可视化算法无法提供分类结果的相关信息的问题，提出了二分类数据分类结果可视化算法——支持向量可视化（SVV），该算法是在无监督的自组织神经网络（SOM）的可视化功能的基础上，结合监督学习的支持向量机（SVM）的二分类算法，得到能够直观地显示高维数据、二分类数据分类边界以及数据与分类边界距离的二维映射图，提高了分类结果的可解释性．以SOM可视化算法以及Smnmon算法为参照，用2组可分性不同的样本集进行仿真分析，验证了该算法的有效性和可行性。     

基于BP神经网络的旅游交通安全评价分析研究

阐述了BP神经网络的基本理论、算法、缺陷及改进方法，通过实例对旅癖交通安全进行研究。选择合适的学习样本及参数进行训练，并获得较好的评价结果。为游客的旅游安全及相关部门的管理者提供了理论依据。     

船舶航向非线性系统的模糊神经网络智能控制器设计

船舶航向控制系统具有典型的非线性和不确定性特性,并受自动舵执行能力的约束,这使得作为船舶智能化基础的航向控制极具挑战性。首先分析了船舶航向运动特性,给出带有舵约束的航向运动非线性数学模型;然后以模糊神经网络为控制器结构,在噪声加入和参考轨迹设置算法的支持下使用遗传算法对控制器参数进行自动搜索和优化,设计一种船舶航向智能控制器;最后对航向控制进行仿真。结果表明,所设计的航向智能控制器对船舶参数摄动和扰动具有良好的鲁棒性能。     

基于BP神经网络和振动测量的轴承故障诊断

根据BP算法神经网络模型,通过对轴承振动测量的分析,得到故障诊断的方法。阐述BP神经网络应用于轴承故障的基本步骤,包括BP网络结构、状态编码、网络训练、模式识别以及诊断实例分析。指出了BP神经网络在轴承故障诊断中的应用中存在的问题和发展方向。     

神经网络和专家系统相结合的综合决策系统结构

通过神经网络知识获取模型,将神经网络的自适应学习能力和专家系统的解释能力综合在一起,提出一种将神经网络和专家系统结合在一起的综合决策系统.一方面,该综合决策系统应用神经网络的自适应学习功能解决了专家系统在知识获取方面存在的"瓶颈"问题;另一方面,运用专家系统的解释能力解决了神经网络的"黑箱"问题.     

RBF网络整定的PID控制器在发动机空燃比控制中的应用

传统的PID控制器很难适应复杂的非线性机械系统的控制,本文提出一种新型的用RBF网络整定的PID控制器来处理这类问题,并在发动机空燃比控制效果上与传统PID控制器进行了比较。仿真结果表明:该新型控制器控制效果比传统PID控制器好,在其他非线性复杂机械系统控制上也有一定的应用价值。     

BP神经网络在悬浮桩复合地基沉降预测中的应用

针对悬浮桩加固深厚层软土地基,提出了根据前期沉降观测资料进行沉降预测的BP神经网络模型.工程实例验证表明:该模型预测精度高,简便易行,可为今后的悬浮桩复合地基沉降预测和计算提供参考.     

基于径向基神经网络的Internet网络时延模型研究

以Internet为媒介进行控制信息的传送,是远程控制发展的重要趋势,而Internet传输时延的不确定性,使得这样的远程控制信息闭环控制系统难以实现.在实际测量网络时延实际数据的基础上,利用滑动模型和样条原理,采用滑模均值代替滑模的常规输入值,利用径向基神经网络建立了网络时延的模型.仿真结果表明该模型能够反映并预测该测量数据所代表的网络路径之间的时延特性,并能在基于Internet的闭环控制系统的设计中有效地替代实际网络进行研究;而所用的建模方法具有快速、准确的特点,能用于在线学习网络模型并对网络的时延值进行预测,为基于Internet的远程闭环控制提供了新的思路.