利用神经网络预测与控制丝杠螺纹磨削过程

研究了基于神经网络的丝杠螺纹磨削过程的智能预测与控制问题.基于误差反向传播的机制,针对连续制造过程的预测与控制,提出多层神经网络的逐个样本学习算法.对逐个样本学习算法和目前广泛采用的B-P算法进行了比较和讨论,实验结果表明,逐个样本学习算法比B-P算法具有更好的收敛性.最后,介绍了多层神经网络模型在丝杠螺纹磨削过程的预测与控制中的应用.     

基于进化神经网络的曲面磨削表面粗糙度预测

将人工神经网络技术引入曲面磨削加工领域,介绍了利用BP算法建立的曲面磨削表面粗糙度随磨削用量变化的进化神经网络预测模型．针对BP算法存在收敛速度慢、容易陷入局部极小值及全局搜索能力弱等缺陷,采用遗传算法训练BP神经网络,取代了一些传统的学习算法,设计了基于进化神经网络的学习算法．实验和仿真结果表明,基于进化计算的BP神经网络不仅可以克服单纯使用BP网络易陷入局部极小等问题,而且预测精度较高。     

基于BP神经网络的高速磨削磨削力预测研究

应用BP神经网络算法建立高速磨削单位面积法向磨削力的预测模型.对比实验结果和预测值,表明该模型有一定的预测精度,通过增加学习样本或采用改进型的神经网络模型,能够进一步提高预测精度,对于高速超高速磨削研究有一定的帮助.     

“基于参数模型的智能化预测系统及其应用”课题通过专家鉴定

“基于参数模型的智能化预测系统及其应用”是由华中理工大学青年科学基金与山东省嘉祥县联合资助的课题.该课题首次在国内提出“预测的智能化是预测工作的发展方向”,采用人工智能、神经网络技术研制出一个“基于参数模型的智能化预测系统”,对山东省嘉祥县工商税收的预测准确率在90%以上;还对汉江机厂丝杆磨削加工误差、第二汽车制造厂设备故障停机     

基于BP神经网络的轴承套圈磨削误差的预报

提出一种基于BP(反向传播)神经网络磨削误差的预报方法,针对轴承套圈磨削误差序列的非线性特点,使用BP神经网络对其进行建模预测,为磨削自动线的监控调整提供准确的预报值,从而可有效地修正磨削过程中温度、变形及其他复杂因素对工件加工精度的影响,提高加工精度,降低轴承套圈磨削的尺寸分散度。     

神经网络在精密长丝杠磨削控制中的应用

提出了一种基于信息模型的“磨削过程卡”控制策略,介绍了它在精密长丝杠磨削过程控制方面的应用原理,介绍了误差测量系统的原理与实现,并就利用神经网络对传感器信息进行融合,以实现对丝杠磨削过程的预报控制的方法进行了研究与探讨．     

基于神经网络的回转球面磨削精度过程控制

介绍了回转球面精密磨削系统,在研究回转球面精密磨削原理和机床结构的基础上,分析了球体形状误差的产生原因,利用BP神经网络拟合进给量、磨削区段和砂轮主轴电流三者之间的非线性关系,通过网络预测调整不同磨削区段的进给量控制电流恒定从而达到恒功率磨削.     

神经网络在精密长丝杠磨削控制中的应用

提出了一种基于信息模型的“磨削过程”控制策略,介绍了它在精密长丝杠磨削过程控制方面的应用原理,介绍了误差测量系统的原理与实现,并就利用神经网络对传感器信息进行融合,以实现对丝杠磨削过程的预报控制的方法进行了研究与探讨。     

磨削工艺参数智能优化系统设计

在实际磨削加工过程中,技术人员凭借经验和参考手册来选取磨削工艺参数,导致正确性难以保证.为了克服这个缺陷,在分析用户需求的基础上采用模块化设计方法对磨削工艺参数智能优化系统进行总体设计.介绍了各模块功能以及设计思路,并对系统的智能优化技术进行了详细分析,经分析论证后选用BP神经网络作为工艺参数优化的智能算法.此外,还就BP神经网络模型的建立以及网络结构的确定过程做了详细阐述.将模型优化参数进行试验验证,参数优化预测准确率超过85%,体现了其工程应用价值.     

外圆磨削表面粗糙度的在线监测方法研究

通过理论分析和试验研究，找到了与磨削表面粗糙度有关的摩擦AE信号特征，在此基础上提出了基于神经网络的外圆磨削表面粗糙度监测方法，利用神经网络建立声发射信号特征信息与磨削表面粗糙度之间的非线性映射关系，仿真结果表明利用该方法可以实现磨削表面粗糙度的在线评估。     

神经网络模型在短期交通流预测领域应用综述

对基于神经网络的预测模型和方法的研究进行了综述,基于神经网络模型用于短期交通流预测的优点和固有缺陷,认为多种神经网络相结合的混合模型比单一的神经网络模型的预测效果要好,而将神经网络模型与其他领域的研究相结合的综合模型的预测效果要好于混合模型。因此,神经网络与各相关学科的人工智能技术有机结合将会形成强大的综合优势,更有效地用于短期交通流预测研究。     

地连墙变形的神经网络多步预测研究

结合润扬长江公路大桥南汊北锚碇深基坑工程 ,提出并应用神经网络多步预测方法来研究地连墙施工变形的预测问题。系统介绍了基于时间窗口的神经网络多步滚动预测技术 ,并详细讨论了输入输出层的设计、隐层神经元数以及预测时间步长等一些基本预测技术问题。该预测方法应用于润扬长江公路大桥南汊北锚碇深基坑围护工程 ,取得了较好的工程效果。     

基于ARIMA—ANN的时间序列组合预测模型

目前,时间序列预测主要采用基于传统研究方法或人工神经网络技术的单一预测方法.近年来的研究表明,组合预测方法比单一预测具有更高的预测精度.提出了一种基于BP神经网络和ARIMA组合模型的预测新方法,对中国GDP的变化趋势进行了综合分析与预测,预测结果表明这种方法相对于单一的预测方法具有更高的精度,该模型在非平稳时序的预测中的应用是可行、有效的.     

基于ANN-泊松模型的预测研究

目前,经济预测主要采用基于传统研究方法或人工神经网络技术的单项预测方法．近年来的研究表明,组合预测方法比单项预测具有更高的预测精度．本文提出了一种基于BP神经网络和泊松模型的组合预测新方法,对轮船发生事故进行了综合分析与预测,预测结果表明这种方法相对于单一的预测方法具有更高的精度,该模型在计数模型的预测中的应用是可行、有效的．     

短时交通流预测方法综述

以交通流预测研究的步骤为主线,对短时交通流预测的方法进行研究.对现存预测方法进行了分类分析:基于统计理论的方法、基于神经网络的方法、基于非线性理论的方法以及基于新兴技术的预测方法.将人工神经网络模型与其他领域的研究相结合的综合预测模型要比单一神经网络预测模型、常规预测模型的预测效果好;基于非线性理论的预测方法有较好的发展前景.     

中国南部交通流量预测模型研究

交通流量预测是智能交通系统技术应用的重要组成部分.为提高预测水平,引进基于区间二型模糊神经网络的交通流量时间序列预测模型,给出了基于二型模糊神经网络的仿真算法.并结合广州市某高速公路为例对交通流量进行预测,对比计算了该方法与一型模糊神经网络预测方法的预测结果,仿真表明该系统具有精确性和高可信度,预测准确性明显高于传统的一型模糊神经系统.     

平面凸轮磨削过程磨削力的适应控制研究

以数控凸轮磨床的磨削过程为研究对象,提出了一种基于神经网络的适应控制方法,并采用MATLAB进行了控制器的设计和磨削加工的仿真验证,结果表明该方法能有效地解决凸轮磨削过程中的磨削力的波动问题,控制器具有良好的动态特性,实现了凸轮磨削过程中恒磨削力控制,进而提高凸轮磨削质量的目的.     

一种基于BP网络的预测控制算法及其应用

将传统预测控制的优化策略与神经网络逼近任意非线性函数的能力相结合,提出了一种基于BP神经网络的新的预测控制算法,并针对一个工业装置控制实例,探讨了该算法在工业过程控制中的应用。仿真研究结果表明,该神经网络预测控制算法是切实可行的。     

基于神经网络技术的干散货运价指数预测

在考虑了干散货运输需求、干散货船舶供给以及干散货船舶闲置等对运价指数影响的基础上,采用神经网络技术对月度干散货指数进行了研究,并且与基于ARCH模型和多元线性回归模型的预测进行了对比研究,结果表明从提高预测精度的角度来说神经网络技术是最优的.     

《基于神经网络的混沌时间序列分析与预测》项目通过市教委结题

2008年3月11日,在我校召开上海市教委科技发展基金项目《基于神经网络的混沌时间序列分析与预测》结题会,结题会由学校科学技术处主持,项目负责人孙海云教师代表项目组作项目研究报告。项目研究了相空间重构技术、Lyapunov指数等混沌理论及判定方法,探讨了基于相空间重构的局部线性映射酸法在非线性时间序列降噪技术中的应用,提出了通过计算降噪前后时序信号的关联维数作为评判降噪效果的工具,建立了判断该类时序信号降噪水平的方法。研究进一步将BP神经网络模型引入到混沌相空间,利用此方法预测结果比传统方法预测误差小,精度高,更能反映时间序列的变化趋势。结题专家组听取了项目研究报告和认真审阅有关结题材料后,一致同意通过结题。《基于神经网络的混沌时间序列分析与预测》项目通过市教委结题