传感器故障在线诊断和信号恢复的两级神经网络方法

目的研究控制系统中传感器软硬故障诊断和信号恢复．方法提出一种两级神经网络（ＮＮ）包括一个主神经网络和若干个局部神经网络方法．主神经网络负责诊断传感器故障,其输入为各传感器在时刻ｔ的信号,输出为各传感器在时刻ｔ＋１的信号．各局部网络负责传感器故障诊断和信号恢复．每一个局部网络对应一个传感器,局部神经网络输出为相应的传感器在时刻ｔ＋１的信号,其输入为其余传感器在时刻ｔ的信号．各网络均采用先学习,后工作的在线学习方法．结果与结论所述方法具有在线学习、故障误检率低、可以诊断多个传感器软硬故障的优点．对气垫船中传感器软硬故障诊断的仿真结果表明,该方法是行之有效的．     

BP神经网络在智能仪器中的应用

在智能仪器测温过程中，一个温度传感器通常是将模拟信号转换为数字信号，再由内部电路依照数字信号的大小转换为相应的温度值对应的数字量，对于热电偶这个过程通常是用查表来完成的，但查表程序占用空间且精度不高，于是采用BP神经网络的方法对温度值和输出热电动势做出训练，以求出满足误差要求的网络结构。     

BP神经网络下光伏最大功率点跟踪方法

为提高光伏并网发电系统的转换效率,提出了采用神经网络结合变步长占空比扰动法的最大功率点跟踪方法.检测温度和照度值,作为网络训练的输入值;通过变步长占空比扰动法,计算出当前最大功率点的电压值,作为网络的输出值;多次改变温度和照度值,获得网络的原始样本进行学习训练,得出网络各个节点的权值;再输入检测的温度和照度值,对网络进行验证.实验结果表明:此方法运算速度快,准确率高,系统电路损耗低,并且具有较高的稳定性.     

一种基于扩展Kalman滤波器的神经网络学习算法

为了解决前馈神经网络BP算法在处理非线性对象时，收敛速度慢，易陷入局部极值，需调节参数多等的缺陷，提出将扩展卡尔曼滤波(EKF)算法引入神经网络的学习中．把前馈网络的所有权值、阈值作为EKF算法的状态，网络输出作为EKF的观测．同时为了防止滤波发散，对算法做了改进．仿真结果表明，该算法比BP算法在收敛速度、抗噪能力方面都有明显提高，同时还保证了一定的泛化能力．     

X70管线钢环焊接头冲击韧性与焊接工艺之间神经网络的建立

采用VC语言实现了X70管线钢环焊接头冲击韧性与环焊工艺之间神经网络结构的建立过程,将壁厚、预热温度、线能量、焊接位置、取样位置作为结构的输入,将环焊接头的CVN值作为结构的输出,选择了具有2层神经元的神经网络结构和S型激活函数及BP学习算法.采用实验法对所建立的神经网络的可靠性进行了验证,结果表明:网络的预测结果与实验值之间有很好的对应关系.     

基于遗传算法的小波神经网络研究及应用

目的 为改进小波神经网络算法的缺陷.方法 当网络的输出层节点的输出值与1之差或输出层节点输出值小于等于设定的阚值,使用变系数法调整输出层的误差,然后再利用遗传算法优化小波网络的参数.结果 在齿轮箱故障诊断中,变系数法有效地防止了误差无法逆向传播下去,使网络失去学习能力.然而,通过遗传算法的全局优化搜索能力得到网络的最优参数,从而避免了网络陷入局部最小.结论 提出的基于遗传算法的小波神经网络即提高网络的诊断精度,又加快了其收敛速度.     

基于RBF神经网络的水体污染物含量建模与预测

对水体中污染物含量进行预测具有十分重要的意义。将时间序列作为RBF神经网络的输入,对水体污染物含量的预测做了建模研究。实验结果表明,RBF神经网络的输出值与实际值之间的误差在可以接受的范围,因此在实际应用中,可以将RBF网络方法作为一种考虑采用的方法。     

基于遗传神经网络的大豆脂肪酸含量近红外光谱检测

本文提出了一种利用遗传神经网络建立数学模型的方法,建立起化学测定值与近红外光谱数据之间的定量关系。把得到的近红外光谱数据作为网络的输入,把用化学法测定的五种脂肪酸含量作为网络的输出,再利用遗传算法训练神经网络的权值,建立大豆脂肪酸的神经网络检测模型,探索出一种能够准确、高效地完成近红外光谱橙测的神经网络模型。     

连铸中间包测温传感器热惯性响应函数的研究

中间包钢水黑体空腔连续测温传感器的保护套管由耐高温、耐冲刷材质构成,导致传感器在测量中存在热传导惯性,测温输出信号滞后于被测温度的变化,产生动态测量误差。针对于黑体空腔连续测温传感器的热响应惯性,根据传感器实际物理参数,运用有限元分析方法构建传感器的模型,建立传感器的热响应函数,进而根据传感器初始温度测量值对其钢水温度进行预估。最终为降低传感器温度测量动态误差、提高测量实时性提供了一种有效的补偿方法。     

α射线露点传感器非线性修正

介绍了采用半导体探测器和温度传感器研制成的α射线露点传感器的工作原理.分析了α射线露点传感器的温度特性,表明测量范围较宽时,传感器的输出易受环境温度的影响,并且成非线性.提出一种基于神经网络高精度线性化子块网络集成插值实现露点传感温度补偿方法.利用神经网络共轭梯度算法具有逼近任意非线性函数的特点,通过训练使神经网络建立在不同环境温度下传感器输出与其实际感受的电压值之间的非线性映射关系,实现α射线露点传感器温度补偿.实验结果表明,该方法不仅能有效地消除温度的影响,而且能在神经网络的输出端得到期望的线性输出.     

硫化过程的智能控制

讨论橡胶硫化过程的智能控制系统。该系统由过程数据库、模型库和知识库组成，充分利用计算机的丰富软、硬件资源，根据实测橡胶性能与硫化时间的关系，采用曲线拟合，运用经验公式及其参数估计递推法，在ＩＢＭ－ＰＣ机上实现优化控制。     

求解广义非线性互补问题的神经网络

研究了广义非线性互补问题，将其转化为等价的无约束优化问题，给出了求解它的二个神经网络模型．分析了新模型的平衡点与互补问题解的关系，证明了其稳定性和平衡．占、集的渐近稳定性，并给出了其渐近收敛的充分条件．新模型可用来求解一类非单调的问题．     

残余力向量结构损伤诊断的神经网络方法

以残余力向量作为结构参数识别的网络输入,针对训练样本在数据空间分布不均匀的状况,提出了一种基于残余力向量结构参数识别的神经网络方法,并采用GSL变换对训练样本数据进行预处理,从而提高网络收敛速度及参数的识别精度,文中算例证明了该方法的有效性。     

平板硫化机微机控制系统的研究

提出了一种采用１６位单片机控制平板硫化机的微机控制系统．针对硫化过程中存在的问题，提出了等效硫化的解决方法，并提出了采用模糊控制与ＰＩＤ控制调节相结合的综合控制器的控制方案，最后对系统的可靠性进行了研究．经实际使用，证明该系统具有结构简单、可靠性强的特点，解决了平板硫化机的硫化温度的控制问题     

基于案例推理预测精炼开始钢水温度

针对BP神经网络训练时间长的问题,采用基于案例推理的方法预测精炼开始钢水温度.首先,应用层次分析法确定影响精炼开始钢水温度的各个因素的权值,并使用灰色关联度来计算案例的相似度,克服了传统相似度计算方法在案例信息不完整的情况下无法获取准确结果的缺点.然后,提出一个包含类选、粗选、精选和择优的四步检索方法,大大缩短了检索时间.最后,实验比较了人工神经网络和基于案例推理两种方法,结果表明基于案例推理比人工神经网络具有更高的命中率.     

支持向量机在表面肌电信号模式分类中的应用

采用小波变换的方法对实验采集的原始四通道表面肌电信号(sEMG)进行了分析,并提取小波分解系数的奇异值构建特征矢量,利用“一对一”分类策略和二叉树设计的多类支持向量机(SVM)分类器,很好地实现了对前臂8种运动表面肌电信号的模式分类,8种运动模式的平均识别率为98.75%.研究表明SVM分类准确率明显优于传统的BP神经网络、Elman神经网络和RBF神经网络分类器,且识别精度高,鲁棒性好,对肌电信号及其他非平稳生理电信号的模式识别,提供了一种具有良好应用前景的新方法.     

基于过程神经网络与气动热力参数的航空发动机状态监视

采用前馈过程神经网络方法预测发动机排气温度，讨论了网络输入输出参数的选择问题，基于正交基函数简化了前馈过程神经网络的聚合运算，提出了从前馈过程神经网络向传统前馈神经网络网络模型的转化方法，基于传统前馈神经网络先验知识给出了学习算法，进行了网络训练及仿真，取得了满意的结果。     

一种基于神经网络的结构参数识别方法

提出了一种基于神经网络的结构参数识别方法,该方法以残余力向量作为结构参数识别的网络输入。针对训练样本在数据空间分布不均匀的问题,采用ＧＳＬ变换对训练样本数据进行预处理。从而提高了网络收敛速度及参数识别精度。本文算例说明了方法的有效性。     

用延时交叉相关法确定轮胎硫化温度预测模型参量

轮胎橡胶的最终硫化状态主要由其硫化中经历的温度时间历程所决定，但在实际生产中其内部点温度是无法实测的，本文对实验和有限元计算数据进行了大量分析，探寻了内立部点温度与表面温度之间的关系；用延时交叉相关的方法确定了硫化过程中内部点温度预测回归公式的参数，这将为轮胎硫化过程的控制提供有益的参考。     

基于神经网络的温度测量方法研究

介绍基于神经网络的温度测量方法，给出系统原理图及温度测量误差自动校正方法；采用错位累加计算法(LEA判别法)以实现梯度迭代法和牛顿迭代法的有效结合，使神经网络学习步数明显减少而收敛率提高；采用DSP技术实现温度实时快速测量，并给出实验结果。