基于人工神经网络和专家系统结合运用的电网故障诊断技术的研究

人工神经网络（ＡＮＮ）和专家系统（ＥＳ）的结合是智能系统研究的发展方向。本文对ＡＮＮ和ＥＳ结合用于电力系统故障诊断问题进行了研究，提出一种新的电力系统故障诊断方法。该方法综合了ＥＳ和ＡＮＮ各自的优点，充分利用ＥＳ的推理能力和ＡＮＮ的学习能力，由ＥＳ根据故障报警信息搜索电网数据库，提出故障假设，再由ＡＮＮ对故障假设进行诊断。该方法教授给ＡＮＮ的知识是电网通用的故障判断知识，具有较强的能用性。研究表明ＡＮＮ和ＥＳ结合用于电网故障诊断是非常有效的。     

基于人工神经网络和专家系统结合运用的电网故障诊断技术…

人工神经网络（ＡＮＮ）和专家系统（ＥＳ）的结合是智能系统研究的发展方向。本文对ＡＮＮ和ＥＳ结合用于电力系统故障诊断问题进行了研究，提出一种新的电力系统故障诊断方法。该方法综合一ＥＳ和ＡＮＮ各自的优点，充分利用ＥＳ的推理能力和ＡＮＮ的学习能力，由ＥＳ根据故障报警信息搜索电网数据库，提出故障假设，再由ＡＮＮ对故障假设进行诊断。该方法教授给ＡＮＮ的知识是电网通用的故障判断知识，具有较强的能用性。研究表明     

重油加氢裂化过程稳态模型的建立

为保证石油化工系统安全生产，采用偏最小二乘法（ＰＬＳ）与人工神经网络（ＡＮＮ）相结合的方法，建立了重油加氢裂化过程的稳态模型，解决了体系复杂、影响因素多、现场数据的噪声等对模型的运算速度和精度不易满足要求的困难。对ＰＬＳ的主矢量所张成的子空间进行了数学分析，并对该方法的降维去噪能力进行了讨论。仿真实例表明，ＰＬＳ－ＡＮＮ法与ＡＮＮ法相比，在训练与预报精度都有所改善的条件下，不仅具有良好的降维效果，且有更强的除噪能力；与线性ＰＬＳ法相比具有更好的非线性映射能力。     

基于 ANN 的综合评判问题研究

以Ｆｕｚｙ集合论及人工神经网络（ＡＮＮ）理论为基础，提出了用双层ＡＮＮ实现评判矩阵不变的评判对象的综合评判问题；用三层ＡＮＮ实现多层次、多因素、多目标的复杂评判对象的综合评判问题。从电视机图像、音质系统与降雨量预报系统的仿真结果，可以看出本文的方法不但能与实际较好的吻合，而且具有简单、实用的特点。     

工程中基于知识的系统与人工神经网络的合璧

对基于知识的系统（ＫＢＳ）和人工神经网络（ＡＮＮ）的合璧的工程中应用的可行性及优越性进行了介绍和评价。ＫＢＳ的优势在于其因启发性适应 具有人类判断问题和解决问题的能力。ＡＮＮ显示了ＫＢＳ所不具有的求解特征，包括这种能力；由便子进行学习，得出一个可用于该类问题某一范围的普遍性结论，而且处理信息极快。就这方面而言，ＫＢＳ和ＡＮＮ是互补的，而不是互替的。并且可以合璧为一个能发挥两各技术特丝毫 种合璧的应     

基于人工神经网络的旋转机械多故障同时性诊断策略

针对大型旋转机械多故障同时性诊断问题，基于人工神经网络，构造了一种由多个子网络组成的分级诊断网络（ＨＤＡＮＮ）。该网络旨在将一个大的分类模式空间划分为几个小的子空间，以便对各子网络进行有效的训练，提高各子网络的分类能力，从而使整个网络具有高精度的多故障同时性诊断能力，测试结果表明：ＨＤＡＮＮ网络不仅能准确地对单故障进行诊断，而且多故障同时存在的情况下，也能有效地识别出各种故障，该网络具有较高的诊断     

刀具状态的ANN—模糊识别

提出了利用人工神经网络（ＡＮＮ）及模糊识别理论融合多监控参数进行刀具状态识别的方法．该方法首先对各监控参数按刀具不同状态的敏感性进行分组,并利用多个ＡＮＮ子网络建立各组参数与刀具状态的模糊隶属度关系,然后利用模糊决策法对各ＡＮＮ子网络确定的刀具状态模糊隶属度进行综合评判并按最大隶属度判定刀具状态．该方法不仅具有ＡＮＮ的并行运算特点,而且具有模糊综合评判的容错性,从而提高状态识别的实时性和正确率．结合功率信号的多个特征对大量实验数据的测试表明,该方法可将ＡＮＮ的识别正确率从平均８８％提高到９５％．     

基于模糊神经网络的炼钢炉静态建模

根据炼钢转炉的采集数据,利用１种新型模糊神经网络（ＦＮＮ）,对其进行了静态建模,从理论上论证了该ＦＮＮ的推理及非线性逼近能力。用新建模型对钢水终点温度,终点含碳量进行计算,其结果与相应的实测值基本一致。     

常用神经网络的操作模型与算法

给出前馈神经网络（ＦＮＮ），径向基神经网络（ＲＢＦＮＮ）和子波神经网络（ＷＮＮ）的操作模型。分别导出它的识别，逼近和学习方程，并给出它的识别，逼近和训练算法。计算机模拟表明用径向基函数神经网络和子波神经网络识别入射波具有很好的频率，入射角及相位识别特性     

控制系统极点配置的 ANN 方法

基于神经网络技术,给出了一种新的用于多输入多输出线性控制系统极点配置的ＡＮＮ（ＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔｗｏｒｋ）方法,并通过仿真验证了该方法的有效性和可行性。     

一种基于FPGA的人工神经网络预测方法

传统人工神经网络的软件实现速度慢,可以利用FPGA的并行性加速其实现。本文在软件上采用PSO优化ANN,得到最优权值,最优权值和测试样本保存在FPGA片上ROM,然后用FPGA-ANN实现股票预测。Sigmod函数的逼近采用分段近似和查找表相结合的方法。利用ANN层与层之间在FPGA中的流水线处理以及每一层内神经元与神经元之间的并行处理,使用国际通用股票预测数据集Nasdaq-100 index of Nasdaqsm进行仿真实验得知,该方法显著提高了股票预测的速度。     

母线保护的人工神经网络模型的构建与仿真

叙述了基于ANN函数逼近能力的母线保护原理,分析了母线保护物理对象的函数关系,构建了母线保护的人工神经网络模型.     

Rainfall-runoff modeling for storm events in a coastal forest catchment using neural networks

1 Introduction Rainfall-runoff models play an i mportant role in water resource management , and different types of models with various degrees of complexity have been developed. These models , regardless of structural diversity , generally fall into thre…     

前向神经网络的处理能力和推广性量度

目标问题的复杂程度和网络处理能力的适合程度是影响人工神经网络推广性的本质因素。为了衡量前向神经网络（ Ｆ Ｎ Ｎ）的处理能力,该文对 Ｆ Ｎ Ｎ 的插值误差进行了研究,得到了统计意义下 Ｆ Ｎ Ｎ 处理能力的估计值,进而定义了能间接反映神经网络推广性的推广性量度。该方法能够估计出适合目标问题的网络规模,应用于函数逼近和样本分类问题,仿真结果证实了该方法的有效性。     

应用神经网络-蒙特卡罗法的可靠性分析方法

为了提高内燃机设计的可靠度，提出了应用神经网络－蒙特卡罗法求解发动机零部件可靠度的新方法，该方法利用神经网络根据有限元分析样本逼近应力函数，结合应力－强度干涉模型，采用蒙特卡罗随机模拟求取可靠度。将计算结果与常用的一次二阶矩法，设计验算点法相比较，表明该方法是可行的，而且适用面更广，可适用于多参数且服从于任何分布的问题。     

语音信号时间动态规正新方法

利用函数逼近原理，提出了一种语音信号时间动态规正的新方法，并由此导出了可用于神经网络语音识别的新特征。重点讨论了时间动态规正的原理、新特征的提取方法和性质。实验及理论分析表明，新特征对于神经网络语音识别及语音压缩具有很好的效果。     

人工神经网络在控制中的应用及发展前景

通过对人工神经网络的历史与现状的分析，指出人工神经网络具有强大的生命力和应用前景，特别是在解决复杂控制问题方面具有五大优势．总结了人工神经网络在控制领域的主要应用实践，并对其发展前景和存在的问题进行了探讨．     

位移反分析的人工神经网络方法研究

各种传统位移反分析方法的反分析模型非常复杂,求解亦非常困难．本文应用人工神经网络原理,建立了位移反分析的人工神经网络方法,并应用该方法对所设定的一标准弹塑性问题的力学参数进行了反演,反演结果表明,所建立的位移反分析的人工神经网络方法具有模型简单、求解快捷等优点,且其精度亦能达到工程应用要求,因而可以在工程实际中应用。     

基于神经网络的车辆跟驰模型

应用神经网络模拟无车道变换行为的单一车道车辆跟驰行产 (加速、减速、不动作 ) 神经网络的自学习特点 ,使得神经网络模型把驾驶员周围的各种信息并行结合起为产生可靠的模拟结果     

人工神经网络在电磁带隙结构设计中的应用

文章采用人工神经网络对电磁带隙结构进行建模,并结合逆向方法训练网络;神经网络用于电磁带隙结构的设计,具有缩短设计时间、降低设计成本的优点;通过文中实例可以看出,人工神经网络设计的结果与数值仿真的结果吻合良好,显示出该方法的有效性。