基于对角递归神经网络的粘度软测量模型

采用对角动态递归神经网络,基于生产过程的可测参数,构造聚酯(PET)的粘度软测量模型,实现PET粘度的在线估计。实验表明了方法的有效性和可行性。     

用动态神经网络解决粘度预测的方法

针对聚酯生产中粘度计测量滞后的问题,报告了用动态神经元网络进行粘度预测的方法,着重讨论了神经网络输入 变量的选择,构成动态神经网络的结构以及实现在线修正的方法。     

防老剂对软丁腈橡胶(N41)胶浆门尼粘度值的影响

文章以车间配制P82及小试配制P82作为防老剂,以软丁腈橡胶胶浆为基体,探讨了不同防老剂及同一种防老剂的不同用量对软丁腈橡胶的胶浆门尼粘度值时的影响。结果表明,采用车间配制P82测试门尼粘度值比采用小试组配制P82测试门尼粘度值低且分散,因此选择小试组配制P82作为防老剂,最佳配方量为胶浆与P82为500∶3.5(V/V)。     

防老剂对丁腈橡胶胶浆门尼粘度测试的影响探讨

通过调节防老剂配制温度、防老剂用量和种类,采用门尼粘度计法测试了不同条件下丁腈橡胶NBR2907胶浆门尼粘度值。结果表明,与防老剂P相比,使用防老剂Q所测得丁腈橡胶NBR2907胶浆门尼粘度的准确性更好,更符合生产实际。防老剂Q的最优加入量为50ml/500ml胶浆。     

利用模糊神经元网络监测电力系统的运行

本文针对电力系统中各类故障的特点,提出了利用模糊理论、神经元网络及计算机技术进行故障诊断的设想,并且对其中部分问题的解决方案做出了初步分析和尝试。     

挤塑机挤出熔体的粘度建模

聚合物的挤压生产中粘度被认为是评价挤出熔体质量的最好指标，但由于缺乏相应的传感器，很难设计其反馈控制系统。本文在研究聚合物粘度测量方法的基础上，提出利用快速前向回归建模方法和柱子群优化算法构造熔体粘度的径向基网络模型。实验结果表明所建模型能准确反映粘度跟踪粘度值，简单结构使其容易推广到其它聚合物挤压过程。     

部分最小二乘算法的神经元网络实现

部分最小二乘(PLS)算法在多元统计过程监控等领域得到了广泛应用.但常用的求解方法需要多次迭代求解残差矩阵,不利于对算法的理论分析和结论的解释.基于PLS算法的优化函数形式,该文提出一种新的PLS优化目标函数及相应简化算法.在此基础上构造了PLS算法与线性神经元网络之间的自然映射,给出了相应的训练算法及其理论分析.仿真结果验证了所提出算法的有效性,表明该算法可直接从原数据矩阵得到相应的成分及回归系数,并易于对其进行解释.     

用于图像识别的新型神经元网络

提出了一种用于图像识别的映射正交神经元网络。在一般情况下待识别的样本空间的维数相当大，为了有效地进行识别，必须把样本空间的维数降下来。目前常用的方法就是特征提取法，本文采用映射正交过程把样本空间映射成正交分类空间，并在此基础上，采用Ｈｏｐｆｉｅｌｄ网络进行图像分类。计算机上模拟结果表明，此网络具有对缺损和噪声图像进行正确识别的能力。     

产生式系统与神经元网络的结合

提出了产生式系统和神经元网络相结合的方法，研究了从推理网络转换到神经元网络的途径，研究了从神经元网络权矩阵转换到产生式规则的方法，从而使产生式系统能自动修正规则和获取规则。还提出了一种由二次型阈值元件组成的神经元网络，给出了它的学习算法，并严格证明了它的收敛性。     

用于AR参数估计的一种神经网络新方法

提出一种用于估计ＡＲ参数的神经网络新方法和相应的递归预测误差算法，其优点是网络结构简单、估计结果准确．使用作者所提出的方法在估计ＡＲ功率谱时具有频率偏移小、无谱线分裂等优点。仿真模拟结果表明，文中所提出的神经网络方法和相应的算法是有效的。     

Preisach迟滞模型分类排序法的神经网络实现

针对非线性系统的迟滞特性开展建模研究,提出了一种Preisach模型分类排序法的神经网络实现方法,据此对压电陶瓷执行器纳米定位系统的迟滞非线性进行建模. 兼顾到迟滞的擦除特性和建模的精确度,建立BP神经网络求取收缩函数,避免了插值法求收缩函数值带来的插值误差. 实验结果表明,神经网络分类排序实现方法有效提高了Preisach模型的精度,减小了模型的误差.     

丁苯橡胶胶浆门尼黏度影响因素分析及对策

分析了影响丁苯橡胶胶浆门尼黏度的主要因素,包括分子量调节剂的用量、单体总转化率及聚合速率的大小等,并对间接影响门尼黏度的因素,如原料含杂质的情况、各种助剂的用量、反应温度和时间等也进行了分析,提出了相应的对策。     

基于交叉验证的神经网络实现

针对神经网络BP算法存在收敛速度慢、学习数据有限和网络学习过程易陷入局部最小值等问题,提出对标准BP算法相关参数进行调整并选择合适的隐藏层个数的方法,然后采用交叉验证方法对BP算法做了再改进。仿真结果表明基于交叉验证的BP算法优于传统的BP算法。     

LD10CS铝合金点焊的神经网络质量估测

针对铝合金的电阻点焊，研究了人工神经网络在点焊质量估测中的应用。以LD10CS铝合金为例，分析了铝合金焊接时动态电极电压的变化，提出了以每周波动态电极电压为输入参数，以焊点强度和熔核直径为输出参数的误差传播神经网络对点焊质量进行估测的方法。实验结果表明了该估测方法的可行性，为铝合金点焊的在线质量估测奠定了良好的基础。     

利用主动网络技术实现VPN

主动网络是一种新型的网络体系结构,它允许用户或应用向报文内嵌入主动代码来定制网络服务。介绍了一种利用主动网络技术实现VPN(VirtualPrivateNetwork,虚拟专用网)的实验方案,并提出了以模块化的方式建立和动态配置VPN的具体模型。     

神经网络在信号处理中的应用

运用ＢＰ网络来消除信号的随机噪声和模式识别，作为例子，考虑了正弦波、矩形波和三角波３种信号。在５０％噪声情况下，ＢＰ网络仍能有效地消除这３种信号中的随机噪声并正确地找出它的理想模式。     

基于神经网络的速度估计方法

为解决无速度传感器感应电动机矢量控制系统的速度估计问题,以神经网络模式识别的理论为基础,结合神经网络在自动控制领域中的典型应用经验,提出了两种基于神经网络的速度估计方案,分析比较了各自的优点,并通过Matlab仿真,证明了所提方案的估计精度高,估计转速能很好地跟踪实际转速(即使负载发生变化或转速发生阶跃变化),而且对电机参数变化具有很强的鲁棒性,对考虑铁耗后所产生的影响也不太敏感,使相应的无速度传感器矢量控制系统具有良好的静、动态性能.     

一种用神经网络估计网络可靠性的方法

提出一种用神经网络估计网络系统可靠性的方法．用节点数为n的网络系统的结构参数、网络中边的可靠度以及网络可靠性的精确值对神经网络进行训练，使神经网络学习到网络结构参数、网络中边可靠度与网络可靠性之间的映射关系．并利用同样的训练数据，应用GCV方法对神经网络模型的误差进行估计．对于节点数为n的其它网络系统，只要将有关数据输入获得的神经网络，就可得到该网络可靠度的估计值．     

自适应模糊神经网络控制在DCS上的实现

集散控制系统(DCS)的普及与提高为先进控制的应用提供了强有力的硬件和软件平台。为充分利用DCS系统的资源,笔者利用DCS提供的接口和编程语言进行了先进控制研究与实现,通过对电阻炉炉温控制,证明其方法的可行性及有效性,取得了满意的控制效果。