一种基于Legendre正交基变换的过程神经元网络训练

为解决过程神经元网络训练涉及的时域聚合运算问题,提出了过程神经元网络的一种学习算法。算法在网络的输入函数空间引入Legendre正交函数基,将输入函数和网络连接权函数表示为该组正交基的有限项展开形式,利用Legendre函数基的正交性,避免复杂的积分过程,降低过程神经元在时间聚合运算中的复杂性,提高学习效率。仿真实验结果证明了算法的有效性。     

基于权函数正交基展开的过程神经元网络学习算法

针对过程神经元输入和网络连接权均可以是过程或时变函数,为解决过程神经元网络训练涉及的时域聚合运算问题,提出了基于权函数基展开的过程神经元网络学习算法。在网络输入函数空间中引入权函数正交基,将输入函数和网络连接权函数表示为该组正交基的有限项展开形式,利用函数基的正交性,可简化过程神经元在时间聚合运算中的复杂性,提高网络学习效率.     

一种基于神经元网络优化的辨识方法

基于神经元网经络结构的优化，提出了一种新的辨识方法，并针对三层反向传播神经元网络，提出了该辨识方法的详细算法，通过实例仿真证实了该方法的有效性。     

改进的RBF神经元网络及其应用

总结和改进了ＲＢＦ网络的结构和学习算法，并利用改进的ＲＢＦ网络对化工中的精馏塔系统进行建模研究，仿真可知效果较好．     

反应精馏过程设计研究

介绍连续反应精馏过程设计的两种研究方法：静态分析法和有限元正交搭配OEFE法，静态分析法是对反应精馏图进行热力学和拓扑学分析，鉴定反应精馏过程的基本可能性，此方法不需要依靠确定的对象的特性，要求最少最反应混合物的物理化学特性，有限元正交配技术应用了把整级评估模型转变成连续的模型。OCFE能精确地吻俣逐板模型的优化设计，而只是使用一套较小的模型公式和避免使用与塔级数有关的总决策变量，用静态分析寻找一个最大转化率稳定态，用OCFE确定反应精馏塔的级数（塔级数）及进行精级（塔板）位置。     

微观管理过程仿真与人工心理应用研究

针对大规模微观管理过程仿真系统的真实性问题,以兵棋推演过程为研究和应用背景,给出了人工心理在管理仿真中的应用模型以及数据处理流程;提出了以时间片和事件结合为基础的管理过程驱动机制,保证了虚拟对象与管理过程的同步;同时给出基于对象的人工心理存储器模型及其处理流程相关的实例,保证了多仿真主体对象的总体一致性和协同不确定性.实验结果证明,人工心理的引入,不但使微观管理过程仿真更加逼真,而且在从一定程度上提高了仿真效率.     

设备故障过程的建模与仿真研究

由于设备劣化是一个随机过程,维修计划制定主要依据维修工程师的经验或厂家说明书,从而导致维修不足和维修过剩的问题。为了解决这一问题,首先应用故障记录数据和检查数据,建立了缺陷发生为泊松过程,检查完全情况下的时间延迟模型。其次建立设备故障发生过程的计算机模拟仿真系统,仿真结果证实了所建时间延迟模型的正确性。故障建模与仿真系统,不仅能直观显示设备故障过程,揭示故障机理;而且能解决故障记录缺乏下验证故障模型正确性的难题。同时,故障过程模型为维修计划制定提供了科学决策依据。     

金属切削过程的有限元法仿真研究

切削过程的建模和仿真在改善切削刀具的设计和优化切削参数方面有很大的发展潜力.建立了切削过程仿真的有限元模型预报切削力、刀具应力和切削温度.在预先收集工件流动应力数据和高应变率及高温下的摩擦因数的基础上,利用有限元软件Deform仿真研究切削过程.为了验证仿真准确性,进行了硬度200 HB的45#钢的无涂层硬质合金刀具切削试验.结果表明:切削力的预测值和试验值之间表现出了合理的一致性和共同的发展趋势;预测的切削温度的最高点无论在什么切削条件下,总是落在刀具的前刀面靠近主切削刃的部分;预测的最高的刀具应力出现在刀具的前刀面上靠近主切削刃的部分.     

单神经元自适应PID控制器的实现与仿真研究

给出了单神经元自适应PID控制器的算法与控制系统仿真模型.利用单神经元PID控制器的自学习、自适应能力实现PID控制参数的自整定.并对被控对象进行了仿真研究,仿真结果表明,该控制方法与常规PID控制方法相比,具有更好的自适应性和更强的鲁棒性.     

磨矿破裂过程的蒙特卡洛仿真方法研究

研究了磨矿破裂过程的蒙特卡洛仿真方法.蒙特卡洛仿真的误差反比于其计算区域内颗粒数量,导致该方法存在计算精度和计算代价难以协调的矛盾.主要研究目标是在不降低精度的条件下提高仿真速度.首先给出了事件驱动的磨矿过程蒙特卡洛仿真的主要步骤.通过提出一种新的包络函数改进仿真抽样效率.设计了批次磨矿的仿真实验.仿真结果表明:所提出的改进算法能够显著降低无效抽样,提高仿真速度,而且保持仿真精度符合要求.     

基于过程神经网络的步态模式自动分类

为克服步态辨识中特征向量法存在的步态特征难于提取、计算量大和算法复杂等局限,提出一种基于过程神经网络的步态模式自动分类综合方案.为感知人体步态,在测试者下肢安装加速度传感器来采集步行过程中的时序运动学信息.采用巴特沃斯滤波处理并将其拟合为时变函数直接输入到过程神经网络,利用其对任意连续泛函的逼近能力来实现对不同步态模式...     

基于粒子群优化的过程神经网络学习算法

基于粒子群优化为过程神经元网络提出了一种新的学习算法。新算法在对网络输入函数和连接权函数进行正交基函数展开后,将网络中的结构参数和其他参数整合成一个粒子,再用粒子群优化算法进行全局优化。新算法不依赖于函数梯度信息,不需要手动调节网络结构。粒子群优化具有良好的全局优化性能和收敛性能,保证了过程神经元网络的全局学习能力和新学习算法的收敛能力,更好地发挥过程神经网络的逼近性能。两个实际预测问题的实验结果表明,基于粒子群优化的学习算法比现有的基于梯度的基函数展开方法以及误差反传神经网络模型具有更好的预测精度。     

应用Elman神经网络的混沌时间序列预测

利用改进的 Elman神经网络对 3个典型的混沌时间序列在不同的噪声水平下进行预测 ,探讨了神经网络学习与泛化之间的关系 ,通过试凑法给出了 Elman最优的隐节点个数。并利用3种指标对预测结果进行了评估 ,结果显示 Elman网络对混沌时间序列预测的良好特性     

基于神经网络的复杂过程系统模型辨识

针对复杂生产过程中的一阶和二阶液位系统,利用MATLAB软件的神经网络工具箱,分别应用BP和径向基两种神经网络模型进行系统辨识,得到系统模型．通过结果比较,得出两种神经网络的应用特点：对于一阶非线性液位过程,径向基神经网络创建的数学模型性能较好;对于二阶线性液位过程,BP神经网络的建模效果较好;尽管BP神经网络的模型训练过程有学习收敛慢、局部最小点、层数和单元数不易确定的缺点,但其函数逼近的精确度对二阶线性的辨识具有独特优势．     

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。     

优化神经元激活函数类型的重要性

以典型的前馈网络设计为例,对网络学习中神经元激活函数类型优化的重要性做了进一步的探讨。理论分析和实际算例显示：神经元激活函数类型相当于信号分解中的基函数,如果不对它进行优化,就不能获得理想的泛化性能。特别是外推泛化性能。     

基于过程神经网络的短期负荷预测

针对目前常用方法在解决负荷预测问题时,结果往往难以达到工程要求精度的现状,利用过程神经网络输入为时间函数以及预测精度高的特点,建立了基于过程神经网络的电力系统短期负荷预测模型;给出了模型的结构,基于函数正交基展开的离散数据拟合方法以及模型的学习算法.针对东北某地区电网的日负荷数据,进行了模型训练和负荷预测正确性的研究.结果表明,所建立的预测模型对负荷的预测准确率高,优于BP神经网络负荷预测模型的预测结果.     

利用人工神经网络建立水滑石晶化过程的关联方程

采用人工神经网络方法对镁铝水滑石的连续晶化过程进行了研究,以便找出最佳的晶化条件。利用神经网络建立的模型,分析了成核料液的浓度、流量以及晶化温度、晶化时间对形成的水滑石晶体的影响,并由此建立了关联方程。研究表明在浓度保持在0.4~0.6 mol/mL的范围内比较好,流量要控制在18 mL/min左右为好,晶化时间在400 min左右比较好,晶化温度选择100℃较好。     

基于RBF网络的制冷压缩机热力性能计算

在对制冷压缩机的热力性能进行建模和仿真计算时,运用多层感知器网络虽然可以收到较传统热力计算模型更好的效果,但也存在着诸多缺点,通过引径向基函数（RBF）网络替代多层感知器网络,较好地克服了这些缺点,仿真结果表明了该方法的有效性和相对于多层感知器建模方法的优越性。