热电偶冷端软件补偿算法分析

针对目前常用热电偶冷端温度补偿方法中,硬件调校复杂,转换计算繁琐等问题,笔者提出一种硬件简单,不必查表,而采用牛顿迭代法实现热电偶冷端软件补偿的方法－ 其通用性强,成本低,精度高,适合于各种计算机温度测量与控制系统     

神经元网络在电涡流板厚在线检测中的应用研究

主要讨论了多频多参数电涡流检测方法,提出了用神经网络处理多参数信号的方法。通过神经网络计算,分离多个互相干扰的参数,从而直接给出厚度的大小与热轧板的温度,实现单一参数的测量准确性,抑制干扰因素的影响。     

牛顿迭代与预测式迭代的算法复杂性

从算法复杂性出发，采用Ｏｓｔｒｏｗｓｋｉ给出过程有效性指标的概念，讨论了具有二阶收敛速度的牛顿迭代法和具有三阶收敛速度的预测式迭代法的有效性问题，给出牛顿迭代法的有效性指标为２１／３，预测式迭代法的有效性指标为３１／５，由此得到牛顿迭代法比预测式迭代法具有更高的有效性。     

基于神经网络的质量自适应测量

详细介绍基于神经网络的质量自适应测量方法,分析称重传感器原理及误差,质量测量的系统误差和环境因素影响,神经网络构造和学习方法。采用DSP技术实现测量误差的自动校正,给出实验结果。     

基于误差分级迭代法的基坑变形预测

BP(back propagation)神经网络算法在变形预测方面存在收敛速度慢、学习效率低、容易陷入局部最小值等问题,直接影响预测结果的精准性,利用误差分级迭代法优化的神经网络能够更好地降低误差,提升预测性能.通过对比分析误差分级迭代法与BP神经网络的优势,建立误差分级迭代法模型并编制误差分级迭代法变形预测程序.采用基坑工程实测数据,经过误差分级迭代法优化后神经网络的最大误差为0.96％,与径向基神经网络预测精度相比提高3.5％,利用误差分级迭代法预测基坑变形结果其精准性较高,具有一定的实用价值.     

超声CT法无损测温

本文研究了测温用的超声ＣＴ算法，分析了测量精度和时间，运用两种迭代法讨论了声波受到人体内骨骼、空气阻碍时，投影数据缺损情况下的超声ＣＴ重建算法。文中还进一步研究了超声衍射ＣＴ；在卷积－反传播法的基础上，提出一种新的投影数据缺损时超声衍射ＣＴ算法，并给出了计算机仿真的结果。     

前向神经网络在自适应控制中应用的研究

论述了前向神经网络自适应控制系统，论证了基于逆向建模的前向神经网络自适应控制方案的可行性，研究提出由该控制方案构成的控制系统不仅结构简单，易于实现，而且具有满意的动态指标．文中还通过一个水槽温度控制系统，进行了神经网络自适应控制仿真，给出了上述神经网络自适应控制方案的具体实现步骤并得出一些结论     

空间机器人的神经致导

本文给出──拟人型空间机器人的基本结构形态，推导出其在空间操作时的运动学和动力学方程式；采用神经网络设计空间拟人机器人的控制机制；通过基本动作训练算法．可能实现空间拟人机器人协调地自由飞行或操作．     

基于过程神经网络与气动热力参数的航空发动机状态监视

采用前馈过程神经网络方法预测发动机排气温度，讨论了网络输入输出参数的选择问题，基于正交基函数简化了前馈过程神经网络的聚合运算，提出了从前馈过程神经网络向传统前馈神经网络网络模型的转化方法，基于传统前馈神经网络先验知识给出了学习算法，进行了网络训练及仿真，取得了满意的结果。     

基于软测量的钢坯表面温度预报模型研究

本文以步进式加热炉中钢坯温度分布为应用背景，提出了利用径向基（RBF）神经网络来实现钢坯表面温度预报的软测量模型，并且对典型工况进行了仿真，结果表明，测量精度完全符合工业应用要求。     

神经网络在橡胶硫化温度预测中的应用

本文针对难以通过在线测温实现等效硫化控制的情况,在确定硫化条件的直接测温实验基础上,提出了用神经网络模型预测实际生产过程中硫化制品内部温度的方法．在该方法中将所测温度值作为样本提供给神经网络学习,温度采集时刻及易测外部温度作为网络输入,输出值则是在硫化时制品难测温点处不同时刻的内温．神经网络通过学习取得了良好的效果,网络输出的温度值将成为等效硫化计算和硫化质量智能控制的有价值的依据．     

基于TAF-MFNN的奇异摄动系统的自适应控制

研究了激活函数可调的神经网络在非线性奇异摄动系统的稳定控制器设计中的应用,给出了利用激活函数可调的神经网络设计非线性奇异摄动系统的方法.网络参数通过梯度下降法进行在线学习,利用Lyapunov方法证明了反馈系统的稳定性,仿真实验验证本方法的有效性.结果表明,利用激活函数可调的神经网络具有结构简单,逼近函数能力强等特点.     

轻量化二维人体骨骼关键点检测算法综述

随着移动设备和嵌入式设备的发展,对二维人体骨骼关键点检测网络提出了更高的要求。设计轻量化神经网络是解决网络参数量大、计算量大的重要方法。首先,介绍了基于神经网络的二维人体骨骼关键点检测中常用的数据集、主流方法和轻量级神经网络;然后,对近几年基于神经网络的轻量化人体姿态估计方法进行了分类和总结,根据神经网络轻量化方式将二维骨骼关键点检测方法归成四类：轻量化特征提取网络、深度可分离卷积、Dense连接机制和Lightweight瓶颈结构,并分析了它们的优缺点和轻量化手段;最后,介绍了常用的评价指标,并对改进后的轻量化方法进行了实验数据对比,结合当前研究所面临的问题及未来的发展趋势进行了总结。     

基于神经网络的内燃机零件可靠性优化设计

应用神经网络技术提出了内燃机零件可靠性优化设计的一种新方法,建立了神经网络优化数学模型,并以实例表明该方法是可行的,且比常用的数学规划方法更适合于并行处理优化计算．     

补偿模糊神经网络在故障树分析中的应用研究

将补偿模糊神经网络用于故障树分析中的研究,建立了故障树顶事件失效模糊概率计算的补偿模糊神经网络模型,给出了应用实例.结果表明,将补偿模糊神经网络用于故障树分析是可行的,其计算更为方便,结果更为精确.     

用Hopfield神经网络解决作业车间调度问题

对作业车间调度问题的换位矩阵表示方法进行了改进,给出新的作业车间调度问题的 Hopfield 神经网络计算能量函数表达式,然后提出改进的 Hopfield 神经网络作业车间调度方法。为了避免 Hopfield 神经网络容易收敛到局部极小的缺点,将模拟退火算法应用于 Hopfield 神经网络求解,提出随机神经网络作业车间调度方法。与已有算法相比,改进算法能够保证神经网络稳态输出为可行的作业车间调度方案。     

基于神经网络的非线性系统在线自校正控制及其应用

利用神经网络给出了设计非线性控制系统自适应控制器的方法,主要包括基于神经网络的非线性系统的在线直接自校正和间接自校正控制和满足局部能控一般非线性系统的神经网络自校正控制。从研究结果可以看出,由于神经网络的权系数的可调性以及神经网络对非线性的逼近性,利用神经网络所设计的自适应（或自校正）控制器,其闭环控制系统具有良好的动态与静态响应特性。所提供的控制器都可在线实现     

具时滞细胞神经网络周期解的全局渐近稳定性

讨论一类具时滞细胞神经网络周期解的全局渐近稳定性.通过构造合适的Lyapunov泛函及应用Barbalat引理,得到了具时滞细胞神经网络周期解的全局渐近稳定性的新的充分条件.最后通过数值算例及仿真证明了所得结论的有效性.     

基于混沌理论与径向基函数神经网络的混沌时间序列预测

根据混沌时间序列的特性 ,给出了将混沌理论与径向基函数神经网络相结合对其预测的方法 .首先在虚假邻域概念基础上 ,提出了可同时确定合适的嵌入维数与时间延迟的方法 ,从而可据此确定径向基函数神经网络的输入 ;然后 ,用径向基函数神经网络进行学习及预测 .最后 ,给出一个实例 .