基于RBF神经网络的烧结终点预测模型

本文提出一种基于径向基函数(RBF)神经网络的烧结终点预测模型.该模型首先采用改进的最近邻聚类算法确定径向基函数中心,接着应用递推最小二乘法训练网络的权值.通过现场采集数据对该模型进行仿真,其实验结果表明,该模型具有较好的学习能力和泛化能力,为烧结终点的预测提供了一种新的解决方法.     

大型风电机组变桨距载荷计算与特性分析

以大型水平轴式风电机组电动变桨距系统为研究对象,对其因离心力引起的变桨距载荷、气动力引起的变桨距载荷、重力引起的变桨距载荷等进行深入研究,建立了变桨距载荷计算数学模型.以某1.2MW风电机组为典型算例,对前述变桨距载荷进行了独立和综合的计算与特性分析.结果表明,在叶轮转速、来流风速和节距角一定时,叶轮旋转一周过程中变桨距载荷波动呈相似余弦曲线变化,在不同节距角时波动幅值差异较大.文中提出的风电机组变桨距载荷计算思路与方法具有一定普适性,可为独立变桨距系统深入分析和研究提供理论基础.     

基于BP神经网络的内部控制预警体系构建

定量的内部控制预测方法能够科学精确的判别企业内部控制状况,不受评价人员主观判断的影响。基于此,利用危机预警中广泛运用的BP神经网络方法建立内部控制评价的量化模型,通过构建内部控制评价指标,把描述企业内部控制的特征信息作为神经网络的输入向量,把内部控制状况量化为输出,并使用足够的样本来训练这个网络,最终构建了内部控制预警体系。通过与距离判别法的比较发现,BP神经网络在内部控制预警方面具有较好的准确性。     

独立假设下的最优变步长LMS模型和算法

为了解决LMS(least mean square)算法中收敛速度和稳态误差之间的矛盾, 基于独立假设, 以最小均方误差为准则, 提出并证明最优步长定理, 说明最优步长和均方误差之间存在一一映射的关系; 以此构造最优变步长LMS(optimal variable step-size LMS, OVS-LMS)模型, 确定了变步长LMS算法收敛速度的理论极限; 讨论了最优初始相对步长的选取方法和未知系统跳变时最优步长的计算. 根据导出的两个最优步长迭代式, 提出OVS-LMS算法. 仿真结果表明, 该算法和OVS-LMS模型的学习曲线基本一致, 证明该算法是独立假设条件下的最优变步长LMS算法.     

变时滞反应扩散Hopfleld神经网络的全局指数稳定性

利用拓扑度理论和广义Halanay不等式研究了变时滞反应扩散Hopfield神经网络的平衡点的存在性及全局指数稳定性.给出的判别指数稳定性的代数判据易于验证,具有广泛实用性,推广和改进了现有文献中的一些结果.     

变时滞反应扩散Hopfield神经网络的全局指数稳定性

利用拓扑度理论和广义Halanay不等式研究了变时滞反应扩散Hopfield神经网络的平衡点的存在性及全局指数稳定性. 给出的判别指数稳定性的代数判据易于验证,具有广泛实用性,推广和改进了现有文献中的一些结果.     

基于安全域的安全约束机组组合

鉴于电力系统安全稳定问题日益突出,有必要在电力系统的日前调度,即机组组合中考虑静态电压稳定和暂态稳定等与系统有功调度方式密切相关的安全性约束．然而,由于电力系统暂态稳定等问题本身的复杂性与现有方法的局限性,尚未见到在机组组合中考虑这些约束的相关报道．同时,由于缺少对不同调度方案的安全裕度进行定量评估的手段,至今在制定日前发电计划时难以有效地协调电力系统的经济性与安全性．针对上述问题,以安全域的方法学为基础,建立了一种可同时考虑系统运行经济性与安全性的多目标机组组合模型,首次在电力系统机组组合问题中同时考虑了支路潮流约束、静态电压稳定约束和暂态稳定约束．建立的模型以系统总运行成本、支路传输容量裕度、静态电压稳定裕度和暂态稳定裕度为优化子目标,通过子目标的权值,可以方便的调整对系统运行经济性与安全性的偏好,达到两者的兼顾．以IEEERTS-24节点系统为例,验证了所建立模型的正确性与有效性．     

基于模糊神经网络的图像恢复技术

通过分别引入输入与输出空间的合理剖分,定义了一种新的模糊神经网络(FNN), 即选择型FNN, 该系统是一种多层前向网络, 在最大模意义下构成一类函数泛逼近器.基于一组具有实际意义的模糊推理规则, 得出了一个简单实用的推理型FNN. 利用选择型FNN与推理型FNN的有机结合, 得到FNN滤波器, 它不仅结构简单, 易于设计参数学习算法, 而且能同时有效去除图像信号中的脉冲噪声和保持图像结构. 实验结果表明, 与其他滤波器(如:中值滤波, 自适应加权模糊平均(AWFM)滤波等)相比, FNN滤波器在去除各种噪声, 保持图像未污染部分结构等方面性能卓越     

基于神经网络的固体推进剂专家系统研究

固体推进剂研究对航天工业及武器研制具有重要的战略意义.鉴于其研制手段多以实验为主和分析软件智能化程度不高等因素,提出了基于神经网络的固体推进剂专家系统"SPES".神经网络可以较好的映射固体推进剂组成、结构及性能之间的复杂关系,因此SPES是基于材料设计思想和配方实例的高精度配方设计及性能预示软件.文中详细阐述了系统设计思想、总体结构、系统功能、关键技术及应用示例等方面.最后对SPES实现固体推进剂领域自动化和智能化给予了展望.     

基于SOM神经网络的古代青瓷聚类分析

用EDXRF探针测定了48个来自3个不同产地的4个古代青瓷窑址的瓷片的化学组成．接着用SOM神经网络对胎的主、次量元素化学组成数据进行了聚类分析,结果表明SOM能正确地区分出瓷片的3个产地：龙泉、慈溪和杭州．由于两官窑的瓷片在主、次量元素化学组成上比较接近,使得它们的分类正确率仅为76．92％．于是,作者对两官窑瓷片胎的微量元素化学组成数据用同样的方法又进行了一次聚类分析,结果发现分类正确率提高到了84．61％,说明两官窑的瓷片在微量元素上的差别比在主、次量元素上的差别要大,这与实际情况是一致的．研究表明SOM神经网络方法可以应用于古陶瓷的聚类分析研究中．     

基于变分的图像分割算法

提出了一种新的基于变分的图像分割算法. 该算法以图像的边缘点为插值点，通过极小化一个能量函数产生光滑的阈值曲面，进而实现图像分割. 为了使所产生的阈值曲面保有原图像的边缘信息，同时又不过度锐化图像的边缘，采用非凸的能量函数，并通过引入二元能量函数，提出一种全局收敛的松弛算法，将一个非凸优化问题转化为一系列本质上的凸优化问题，从而克服了采用传统的梯度下降法会出现收敛速度较慢、甚至不收敛的困难. 实验结果验证了算法的有效性. 此外还初步探讨了相应优化问题求解过程中的参数确定问题.     

基于改进神经网络的厚煤层采煤方法预测模型

针对厚煤层采煤方法选择多目标非线性的问题,在影响因素分析的基础上,建立了预测仿真模型,利用神经网络改进算法训练网络,通过早停的方式解决网络过拟合问题。通过计算机仿真结合现场应用表明,该模型给出了最优方案,可为厚煤层采煤方法的合理选择和工作面主要经济技术指标的预测提供一种新的研究思路,在煤矿开采中具有广阔的应用前景。     

基于PCA-EBP神经网络的煤炭物流成本预测

为了科学、准确地对煤炭物流成本进行预测,针对煤炭物流成本影响因素之间存在信息重叠以及BP神经网络对多噪声样本和小样本问题预测结果较差等问题,提出了一种PCA-EBP神经网络模型。将所建立的模型用于内蒙古SH煤炭生产企业煤炭物流成本实际预测。结果表明:模型最大误差为1.748%,最小误差为0.0728%,平均误差为0.972%,均好于径向基神经网络(RBF)和支持向量回归机(SVR),预测精度较高,能够满足煤炭物流成本预测的实际需求,验证了所提出模型的有效性和可靠性。     

基于混沌-RBF神经网络的风电场风速预测

在利用风速时间序列具有混沌特性的前提下,将相空间重构和RBF神经网络结合的混合算法用于风电场风速预测。通过实例仿真计算对比表明,该混沌-RBF神经网络的混合算法可以进一步提高预测准确度。     

基于客户满意度的模糊神经网络JSP研究

针对具有不确定性因素的作业车间调度问题,基于模糊数学的思想,把模糊加工时间、间隔期和模糊交货期用梯形模糊数表示,建立了基于客户满意度曲模糊作业车间调模型。运用Hopfleld神经网络算法求解,结合目标函数和JSP的全部约束条件,构建能量函教和JSP换位矩阵,保证了神经网络稳态输出为最优生产调度方案。最后用网络计划图对稳态输出的换位矩阵进行解码得到最优调度甘特图,避免了传统成本树法易出现死锁调度的问题。计算实例验证了本算法的可行性和有效性。     

基于人工免疫和证据理论的机组并发故障诊断

针对并发故障诊断的复杂性和不确定性,本文提出由人工免疫系统和证据理论相结合得到的旋转机组智能故障诊断系统。利用免疫系统自己-非己识别机理衍生而来的阴性选择算法进行数据的分析处理,再结合证据理论的信息融合规则,得到最终的诊断结果。仿真结果表明,该方法具有较高的诊断准确率。     

基于安全性价值的含大风电的电力系统扩展规划

以大规模风电中接入为背景,建立了计系统态和动态安全性价值电源、电网统一规模型.在安全性价值评估中,以日前组组合为工具,以预测规水平年时序负荷和风电出力数据为础,通过全年逐时段仿真,评估对可能发生预事故进行预防控制和紧控制带来发电燃料成本、环成本以切、切负荷成本,同时计入负荷和风电出力不确定性引起控制措施无效时社会损失,从而为规方案安全性评估提供了一个系统方法,也将电力系统规视角从传统技术经济评估拓宽为社会价值评估.预防控制与紧控制中对连事故考虑为规方案安全性评估中嵌入连事故影提供了有力工具,也使系统安全性评估更为全面、合理.通过于新英格兰1039节点系统图两个规方案评估验证了本文提模型与方法,并表明了在规中计安全性价值和对规水平年时序逐小时地模拟系统运行重要影.     

输入输出通道有干扰的MRAC系统的变结构控制

对具有未建模动态及输入输出通道上存在干扰的MRAC系统,仅应用系统的输入输出量测数据给出了一种变结构模型参考自适应控制(VS-MRAC)设计机制. 系统的已建模部分阶的上界是未知的且有大于1的相对阶. 通过引入辅助信号和带有记忆功能的正规化信号,以及适当选择控制器参数,该变结构控制器能保证闭环系统的全局稳定性,且跟踪误差能够任意小.     

基于神经网络模型的紫外极光卵边界建模

极光卵的尺度大小和太阳风、磁层、电离层以及它们间的耦合过程有密切的联系,会随着空间和地磁环境的变化而变化.建立准确的极光卵边界预测模型对空间天气的预报以及了解日地关系具有重要意义.本文利用误差反向传播(back propagation, BP)神经网络和广义回归神经网络(general regression neural network, GRNN)两种神经网络模型对极光卵边界进行建模.结果显示GRNN的极光卵边界模型具有较高的准确性,赤道向边界预测平均绝对误差在0.77～1.20磁纬度(MLAT);极向边界预测平均绝对误差在0.83～1.39 MLAT.基于GRNN的极光卵边界模型预测准确性分别在极向边界和赤道向边界的整个磁地方时(MLT)上比BP神经网络的极光卵边界模型平均提高了0.74和0.73 MLAT,比多元线性回归模型平均提高了0.82和0.82 MLAT.而在模型的外推性方面, GRNN的极光卵边界模型的外推性优于BP神经网络的极光卵边界模型,与多元线性回归模型接近.     

基于脉冲耦合神经网络的椒盐噪声图像滤波

通过对脉冲耦合神经网络(PCNN)工作机理的分析, 指出由其神经元的阈值衰减特性和网络局部链接特性所带来的神经元的点火捕获特性本身就具有很好的对椒盐噪声污染图像的噪声定位作用, 并基于此提出了一种对图像噪声进行定位、仅对噪声像素进行类中值滤波的思想, 实现了图像的强自适应滤波, 并针对随机椒盐噪声和极端椒盐噪声两种不同的噪声情况, 分别给出了相应的滤波器. 经该方法滤波的图像有无任何畸变(对非噪声像素)、模糊小(对噪声像素)的特点, 较传统的基于窗函数滤波的方法(如中值滤波法)有明显的优越性, 实验及与其他方法的比较验证了其良好的滤波性能.