基于神经网络的发电机参数辨识

介绍了人工神经网络(ANN)在发电机传递函数参数辨识中的应用,提出了一种隐层有七个神经元的BP神经网络,使用该网络对发电机参数进行辨识,并利用MATLAB/SIMULINK软件对所设计的BP神经网络进行了仿真,结果表明,所设计的神经网络能够有效地辨识发电机参数,并且具有训练时间少,没有局部极小化现象等优点.     

神经网络在非线性系统参数辨识中应用

要对非线性系统进行控制，必须掌握其模型．介绍一种辨识非线性系统模型的方法，该方法利用多层神经网络可以逼近任何非线性函数这一理论，提出针对非线性系统构造神经网络模型，并给出一种实用的BP算法．最后通过仿真实验，证明该方法切实可行．     

Box-Jenkins法参数辨识与仿真研究

本文介绍了参数辨识的概念和Box-Jenkins法的基本原理,运用MATLAB的M语言编写Box-Jenkins算法程序,最后结合实例给出相应的仿真结果和分析。     

一种温度对象参数辨识方法及仿真研究

对象参数辨识是高精度温度智能控制的关键技术之一.介绍一种在阶跃激励条件下,利用系统响应曲线上等间隔三组测量数据来识别被控对象参数的方法,推导出了参数辨识的计算公式及公式应用判断条件.通过计算机仿真实验,获得了辨识对象参数的阈值取值范围,结果显示即使在较强噪音情况下,仅对采样信号使用平均值滤波,就可获得满意的参数识别精度.     

基于Hopfield神经网络的线性系统参数辨识

基于Ｈｏｐｆｉｅｌｄ网络的神经计算原理,提出了一种新的线性系统参数辨识方法,首先建立系统的Ｉ／Ｏ差分方程以模型误差二次型作为ＨＮＮ的能量函数,辨识差分方程的系数矩阵,最终得到线性系统的全部矩阵参数,数值仿真的结果证明了该方法的有效性。     

制冷系统稳态仿真算法研究

针对目前制冷系统稳态仿真算法设计不规范造成的概念和逻辑上的混淆，提出一种通用的算法设计方法，分别对迭代判据的确定，迭代变量的选择和标准算法的设计给出了完整的操作准则和步骤，通过标准算法的压缩和特例分析，统一了一些常见的特殊算法，以单级二级压缩制冷系统为例，对通用算法设计方法进行了详细阐述，该算法有助于提高仿真软件的研发效率和改进相关课程教学中的薄弱环节。     

制冷系统蒸发器动态过程数学模型模糊辨识

建立制冷系统动态过程数学模型是实现制冷装置优化控制的重要基础.制冷蒸发器是一类过程复杂的两相流动与换热系统,具有明显的非线性和不确定性,其精确的机理模型难以建立.该文通过熵方法和竞争学习算法对输入空间进行聚类,利用递推最小二乘辨识算法(RLS)确定模型的结论参数,实现了蒸发器动态过程数学模型的在线模糊辨识.通过仿真实例,验证了模糊辨识方法对于制冷系统蒸发器在线建模过程的有效性,所建立的模糊规则模型不仅具有较高的辨识精度,同时还具有较为理想的泛化性能和在线跟踪能力.     

5440TEU船舶制冷系统动态仿真

针对5440TEU集装箱船的冷库系统分别建立了压缩机模型、冷凝器模型、热力膨胀阀模型、蒸发压力调节阀模型、蒸发器模型、冷库模型以及制冷剂合流模型等部件数学模型，然后将各部件模型有机合成了仿真系统模型，用MATLAB语言编制了系统仿真软件程序．利用该仿真系统模型和软件对船舶制冷系统进行了仿真研究和实际运行，仿真结果基本符合实际系统运行状态．     

制冷系统仿真的IDEF分析

研究了集成化计算机辅助制造的定义(IDEF)方法在制冷系统仿真中的应用，用信息论的观点，借用IDEF方法对制冷系统进行了分析，建立了系统仿真所需的功能模型和信息模型，采用ICOM码表管理系统中的所有参数，然后结合相关的数学模型，更好地实现了仿真目的，并为后续整个制冷CAD系统的开发奠定了基础。     

无键相双参数法叶片同步振动参数辨识仿真

监测叶轮旋转机械叶片异常振动,能有效保障叶片的工作安全和预防事故的发生.当前,主流测振采用的是叶尖定时技术,而叶尖定时技术属于一种欠采样技术,要配以相应的参数辨识算法获得所需的振动参数.就现阶段而言,叶尖定时各参数辨识算法均是有键相的,需要安装转速传感器.转速传感器受限于自身安装空间和环境,存在诸多的隐患.无键相测振系统去除了转速传感器,可以避免此类情况发生.基于叶尖定时技术和有键相双参数辨识方法,提出无键相下双参数方法辨识出叶片同步振动的振幅和激励倍频等参数.以实验室叶盘实验台为原型建立失谐叶盘系统模型并进行仿真,验证该方法可行.在有键相和无键相下对参数辨识结果进行比较,检验出无键相双参数辨识方法精度符合要求.     

人工神经网络在镀锌钢板点焊性能估测中的应用

将人工神经网络引入镀锌钢板点焊的质量预测中,将实验得到的大量点焊规范参数与相应点焊接头质量的试验数据提供给神经网络学习,通过其非线性映射的泛化能力自动抽取所学习知识的特征,描述点焊规范参数空间与焊点接头质量空间的映射关系。结果表明,学习后的神经网络的预测曲线能够合理地预测焊接电流对镀锌钢板点焊的焊点熔核直径与拉剪强度的影响规律,恰当地反映点焊的基本原理,说明人工神经网络在镀锌板点焊性能估测中的应用是可行的。     

基于神经网络的智能控制系统

论述了人工神经网络的产生与发展,以及人工神经网络在控制系统中的应用现状,分析了人工神经网络的特点和监视控制系统的原理,并对神经网络控制系统的前景做了展望。     

神经网络智能控制系统辨识模型结构的研究

目的 研究神经网络智能控制系统辨识模型的基本结构。方法 分析了控制系统动态模型的输入、输出关系,依据模型等效的最优化原理和神经网络任意逼近有限不连续函数的性质,提出神经网络辨识模型的基本结构。结果 该基本结构不仅适用于高阶线性系统,也适用于非线生及时变系统,可达到较高的辨识精度,保证了由此构成了神经网络控制系统具有较好的自适应性和鲁棒性。结论 所提出的基于神经网络系统辨识模型的基本结构具有一般性和     

焊接质量控制的主成分分析人工神经网络

介绍了主成分分析方法及人工神经网络技术在相关因素分析和质量控制的建模与估计中的应用．以大电流MAG焊熔宽控制为例，通过对6个焊接过程参数进行主成分分析，提取出影响熔宽的4个主要因素，讨论了提取的主成分与原始过程参数间的关系．以主成分得分作为新的训练样本集，送入神经网络进行计算．结果表明，基于主成分分析的神经网络无论在收敛速度，还是在训练精度上，都远远优于基本BP神经网络．     

人工神经网络在色谱中的应用

综述了近几年来人工神经网络用于色谱研究中的进展。主要体现在用人工神经网络方法预测色谱保留值、优化色谱分离条件、自动监控色谱仪运行以及揭示色谱数据的隐含信息方面,并展望了人工神经网络在色谱中的应用前景。     

人工神经系统的研制与进展

本文介绍人工神经系统与传统人工智能的区别,人工神经系统与实际神经系统的比较,以及人工神经系统的研制与进展.     

基于曲率模态和神经网络的结构损伤识别与仿真

探讨用曲率模态和神经网络对混凝土结构裂缝进行损伤识别和定位的方法.以一矩形截面悬臂梁为研究对象,通过完好结构和损伤结构的有限元分析,获得损伤标识量,输入Elman神经网络进行训练,以损伤位置和损伤程度作为网络的输出参数,进行单处损伤和多处损伤的定位研究.数值仿真结果表明,曲率模态振型对结构的损伤敏感,采用曲率模态和神经网络结合的方法可以同时确定结构损伤的存在、程度和位置,并且可以用于结构多处损伤的检测.该方法对于实际工程结构的损伤识别具有一定的指导意义.     

回归分析人工神经网络

为避免每次训练都必须随机生成样本序列的问题,提出网络动态拓扑的概念,对各种前向式网络进行统一表述;提出正、反序训练方法,并给出解的唯一性证明,同时,网络连接权在初始化时不再需要随机生成。回归分析人工神经网络有效解决了两次随机过程对训练结果造成的不利影响,在稳定性和可信性上对人工神经网络的应用提供了理论依据和技术支持。     

人工神经元网络及神经计算机的教育学

对于设计人工神经元网络(ANN)或神经计算机来说,一个最为重要的方面就是学习。如以什么样的算法进行学习?提供什么样的学习素材?以什么样的方式学习?怎样安排学习过程等等?我们认为这些活动非常类似于人的教育过程,基于这一认识,我们提出了ANN及神经计算机教育学的基本思想和基本方法。     

人工神经网络在手感评定中的应用

针对现有的手感评定方法在识别准确性,容错性和适应性方面存在的问题,提出了用4个检测模型产生手感信号,并用BP神经网络处理信号的具体方法和步骤.实验证明,BP神经网络具有较好的自适应模式识别能力和容错性.