智能传感器自诊断中AANN参数正交试验优选法

针对智能传感器故障诊断中自联想神经网络AANN参数优选问题,提出AANN参数正交试验优选方法,该方法通过建立智能传感器自诊断模型及其AANN模型,选择正交试验因素与水平、指标,进行AANN训练与试验,得到AANN的最优参数.     

超细全尾砂絮凝沉降参数优化模型

 为了得到最优的絮凝沉降参数,以絮凝沉降正交试验数据为训练样本和检验样本建立BP 神经网络预测模型。絮凝剂单耗、料浆浓度及絮凝剂浓度作为输入因子,沉降速度和极限浓度作为输出因子。对比隐含层节点数对模型训练过程及预测精度的影响,选取最佳预测模型节点数为9。将絮凝沉降参数细化输入到预测模型中,从而搜索出优选样本,优选参数絮凝剂单耗为4.5 g/t,絮凝剂浓度为0.11%,料浆浓度为15%。经实验对比,该模型对絮凝沉降参数预测结果的相对误差能控制在5%左右,精确度较高,可以作为絮凝沉降参数优选的一种新思路。     

基于神经网络模型的水平井破裂压力预测方法

破裂压力是井身结构设计的基础依据,也是水力压裂设备选型和方案设计的基础参数,通常采用测井解释获取破裂压力剖面,但其存在参数准确获取难、计算过程繁琐、普适性较差、计算精度低等问题,机器学习提供了一种解决这些问题的新方法。为此,以测井数据作为输入参数,采用4种不同的神经网络模型,建立水平井测井数据与破裂压力间的非线性关系,通过测试集预测结果的对比分析,优选出最佳的神经网络模型,并优化模型网络结构和超参数,实现水平井破裂压力的直接预测。研究结果表明：1)破裂压力与井斜角、横波时差和纵波时差表现为极强相关性,与井深、岩性密度和补偿中子表现为强相关性,与井径和自然伽马表现为弱相关性;2)不同组合的测井参数对模型预测结果具有显著影响,最优输入参数为井斜角、横波时差、纵波时差、井深、岩性密度和补偿中子;3)对比多层感知机、深度神经网络、循环神经网络和长短期记忆神经网络(LSTM)模型,发现LSTM模型的预测效果最佳;4)优化了LSTM模型的网络结构及超参数,优化后破裂压力预测的平均绝对百分比误差为0.106%、决定系数为0.996。LSTM模型能够有效构建水平井测井参数与破裂压力之间的非线性关系,可...     

基于神经网络的爆破块度预测

选择以对爆破效果影响最为明显的爆破参数作为神经网络输入层参数,建立神经网络预测模型,对爆破效果参数进行预测。将块度指标作为神经网络计算的输出层神经元,分析神经网络计算得出的块度指标是否满足设计精度。选择合理的样本数目进行训练学习,将模型计算结果与实测现场数据进行比较,输出结果的误差精度可以满足现场生产需要,能够达到指导实践中矿山调整爆破参数、改善爆破效果,节约成本的目的。     

人工神经网络在覆盖件拉深筋设计中的应用

文章引入流入量的概念作为衡量板料进料阻力的依据,提出用拉深筋嵌入程度和材料流经拉深筋时弯曲程度2个因素来评价拉深筋对进料阻力的影响.采用BP神经网络分别建立单筋和双筋与流入量之间关系的神经网络模型,对神经网络建模的关键技术进行讨论分析,建立了性能良好的映射模型.结果表明,所建立的网络模型具有优良的性能,能充分反映流入量与筋参数之间的映射关系,为后续有限元模拟和实际生产提供了有价值的参考.     

一种人工智能核磁渗透率预测方法

针对目前常用预测方法难以较好地模拟核磁共振测量结果和渗透率之间复杂关系的问题,提出了一种应用人工智能算法预测核磁渗透率的新方法.在新方法中,采用了神经网络建立核磁测量结果和渗透率之间的关系;用遗传算法为神经网络选择最佳参数和初始值;用基于信息增益的数据挖掘技术对渗透率的相关参数进行优选.对来自松辽盆地的岩石样品进行试验...     

基于遗传神经网络的冷连轧机轧制压力模型

对鞍网冷轧厂四机架冷连轧机轧制压力模型进行了认真分析,指出了其存在的缺陷,把遗传算法（Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍｓ,简称ＧＡ）和神经网络有机结合,设计出了具有遗传算法性能参数优选、网络结构参数优选、网络性能参数优选以及ＧＡ－ＢＰ算法联合进行网络权值修改几种功能的遗传神经网络,建立了基于遗传神经网络的新冷连轧机轧制压力模型,通过原模型计算值、新模型计算值与实测值之间的对比分析可知,遗传神经网     

全尾砂浆最佳絮凝沉降参数

为了得到最佳的絮凝沉降参数,研究使用BP神经网络进行优化选择。通过对比分析,将输入因子简化为絮凝剂单耗和尾砂质量分数2个因子,输出因子简化为沉降速度1个因子;通过正交试验,建立网络学习、训练样本,优选出最佳网络模型。扩大正交试验,增加输入因子水平,组合优选样本,搜索最佳絮凝沉降参数。以司家营铁矿全尾砂絮凝沉降为例,优选出絮凝剂单耗为10 g/t,尾砂质量分数为18%,预测沉降速度为1.38 m/h,满足生产要求,比原生产所需絮凝剂单耗节省50%。应用结果表明:该研究成果效果显著,为絮凝沉降参数优选提供一种新思路。     

基于遗传神经网络的车轮匹配整车逆动力学

为深入研究机械弹性车轮(MEW)的力学性能和整车稳定性的相互匹配关系,在Simulink中建立了整车非线性三自由度模型;利用基遗传算法对车轮模型参数进行辨识,并提取侧偏刚度与侧向力峰值作为车轮力学特性的评价指标;利用该模型进行了前后轴不同侧偏刚度和侧向力峰值组合的汽车前轮正弦输入模拟仿真,得到若干组汽车稳定性指标参数;利用遗传算法优化,建立了输入为汽车稳定性评价指标,输出为前后轮侧偏刚度和侧向力峰值组合的BP神经网络逆动力学模型.研究结果表明:遗传算法对车轮参数识别误差小于4%,用遗传神经网络算法(GANN)得到的测试结果最大误差为6.2%,平均误差为3.1%,所建立的遗传神经网络模型具有较高的车轮侧偏特性预测能力.     

川东北元坝气田须家河组主力储层参数测井精细解释

以常规测井和储层参数岩心实测资料为基础,建立了储层物性参数单参数拟合模型和多元回归线性解释模型,基于岩电分析测试资料建立了阿尔奇含水饱和度解释模型,利用非线性BP网络法,构建了须家河组主力储层各参数精细解释模型.对多种储层参数解释模型进行优选.结果表明非线性的神经网络解释模型与实际测试资料吻合性最高,能对该地区复杂的致密储层参数进行准确解释.     

电信网管数据采集技术的研究和实现

随着电信网络的飞速发展,网络日益成为企业节约成本、增加收入的有效资源.因此更好地了解和管理网络,合理规划和利用网络资源,无论对运营商还是研究人员都具有重要意义.作为电信网络管理系统的重要技术,数据采集技术提供了网络设备的带宽利用率、CPU利用率、内存利用率和端口性能等参数,这些参数对于网络管理员管理优化系统是十分重要的.论述了基于SNMP协议进行“数据采集”的算法以及在电信领域的具体实现.     

应用WinPcap捕获网络数据包

利用网络进行数据传输是一种常用方法，因而寻找一种方法对网络数据包进行可靠地捕捉变得尤为重要．概述了WinPcap的结构组成和实现原理，简单介绍了网络组包过滤器的驱动程序和包捕获操作的重要部件，通过一个应用实例，分别说明了如何利用WinPcap导出函数功能进行捕获网络数据包，并给出了实验结果．     

基于参数优化的RBF神经网络结构设计算法

针对径向基函数(RBF)神经网络的结构优化问题,提出了一种基于参数优化的RBF神经网络优化算法.首先,改进K-means++算法,使得聚类算法更精确,为RBF神经网络的隐含层节点找到一个合适的初始中心;然后,考虑数据分布和缩放因子选择的影响,采用方差度量法计算隐含层神经元基函数的宽度;最后,修正网络参数,提高网络的非线性逼近能力.实验结果表明,本文提出的基于参数优化的RBF神经网络具有良好的逼近效果和泛化能力.     

CNTs／PS和CNTs／PEE的制备及性能

通过溶液共混制备了不同碳纳米管(CNTs)质量分数的CNTs/聚苯乙烯(PS)、CNTs/聚醚酯(PEE)复合材料,研究CNTs对复合材料导电性能、力学性能的影响.CNTs的加入可以使复合材料的导电性能得到明显提高,CNTs/PS体系的电导率大于CNTs/PEE体系的电导率.随着CNTs质量分数的增加,CNTs/PS复合材料的断裂强度先增大后减小,在CNTs质量分数为1%时达到最大值,但CNTs/PEE的断裂强度随CNTs质量分数的增加逐渐下降,扫描电镜(SEM)结果显示CNTs在PS中的分散性稍好于在PEE中的分散性.     

Yarn Quality Prediction and Diagnosis Based on Rough Set and Knowledge-Based Artificial Neural Network

In the spinning process, some key process parameters（ i. e.,raw material index inputs） have very strong relationship with the quality of finished products. The abnormal changes of these process parameters could result in various categories of faulty products. In this paper, a hybrid learning-based model was developed for on-line intelligent monitoring and diagnosis of the spinning process. In the proposed model, a knowledge-based artificial neural network（ KBANN） was developed for monitoring the spinning process and recognizing faulty quality categories of yarn. In addition,a rough set（ RS）-based rule extraction approach named RSRule was developed to discover the causal relationship between textile parameters and yarn quality. These extracted rules were applied in diagnosis of the spinning process, provided guidelines on improving yarn quality,and were used to construct KBANN. Experiments show that the proposed model significantly improve the learning efficiency, and its prediction precision is improved by about 5. 4% compared with the BP neural network model.     

基于神经网络和遗传算法的无功优化设计

无功优化是一个复杂的混合优化问题,传统方法较难获得全局最优解.文中提出了将并行遗传算法和Hopfield网络相结合的算法.该方法利用遗传算法的并行搜索和解空间搜索的优点进行网络参数的选取,并采用Hopfield网络简单、快速、规范的优点来优化样本空间,以取得整体的优化效率.     

自适应遗传算法在PID控制参数优化中的应用

针对传统的PID控制中参数整定的难题，采用智能控制技术优化PID参数，利用神经网络进行系统辨识，建立对象模型；在此模型基础上，运用遗传算法寻优PID控制参数，采用变交叉概率和变异概率自适应遗传算法寻优得到PID控制参数，与传统的整定结果相比较，遗传算法优化效果更好，最终达到最优的控制效果．     

基于改进粒子群优化算法的灰色神经网络模型

根据灰色神经网络的参数随机选择类似于粒子群算法中的粒子初始空间位置,采用改进粒子群算法代替梯度修正法,对网络参数进行了处理,并通过寻找粒子群算法中的最优个体,建立了基于改进粒子群算法的灰色神经网络,提高了预测模型的稳健性和精度.通过解决短期订货量问题,与反向传播(BP)神经网络、灰色神经网络、没有改进的粒子群灰色神经网络算法和基于遗传算法的灰色神经网络等方法进行了比较.分析结果表明,基于改进粒子群算法的灰色神经网络计算更为方便,并具有更好的逼近能力和预测精度.为优化网络模型参数提供了一种新方法,并拓展了预测模型的研究思路.     

基于SNA的大型工程项目组织总控机制及实证

基于社会网络分析(SNA)理论,将正式组织和非正式组织要素进行集成考虑,总结了大型工程项目组织的8类社会网络要素,并建立了总体模型结构.借鉴于SNA 的参数定义和公式表达,建立了衡量大型工程项目组织的紧密关系、小团队、中心性、权力、中介性、角色和职位结构同型的定量分析方法,并论述了社会网络模型对组织总控的作用和价值.以...     

敏捷供应链中供应商选择的AHP/DEA方法

针对敏捷供应链管理中供应商选择这一重要问题，考虑到网络技术和信息技术的发展所带来的企业可供选择的供应商越来越多以及处理选择供应商的数据越来越大的特点，迫切需要一个综合评价供应商的方法。分析了网络时代供应商选择的特点，结合层次分析法（AHP）和数据包络法（DEA）的优缺点，提出了一种选择供应商的AHP／DEA方法，并运用AHP／DEA方法对实例进行分析和计算，得到了满意的计算结果。