基于神经网络的废水处理系统模型研究

废水处理系统是一个非线性系统，很难建立其精确的数学模型．因此，也就很难对废水处理系统实施良好的控制．提出用神经网络对其建模，并给出仿真方法．     

基于模型化设计的进近着陆系统多径效应仿真

基于模型化设计的进近着陆系统多径效应仿真是利用准确的电磁散射算法模型来建立机场复杂环境的散射体模型库,通过不同特性散射体(几何尺寸、物理特性等)调用各自有效的算法模型的方法,实现了进近着陆系统开阔场多径效应仿真,并结合IPO算法模型对停靠飞机的多径效应进行了仿真,仿真结果证明了基于模型化设计的进近着陆系统的多径效应仿真方案的有效性。     

基于基矩阵和基矩阵集合的分离网络优化模型

分离网络综合问题因其巨大的搜索空间导致优化计算的高复杂性。为提高分离网络综合问题的求解效率,该文提出了基矩阵和基矩阵集合的概念,建立了分离网络优化模型。列队竞争算法因其具有快速搜索到全局最优解或近似全局最优解的优点,而被用来求解该分离网络优化模型。用该文提出的方法对两个较大规模的分离网络综合问题进行了求解。计算结果证明:该方法能有效减少变量数,提高全局最优解的搜索效率。     

基于免疫进化算法的径向基函数网络

基于免疫进化算法，提出了一种设计径向基函数(RBF)网络的新算法——免疫径向基函数网络(IRBF)训练算法．该算法通过提取RBF网络核函数宽度的先验知识作为疫苗构成免疫算子，缩小了标准进化算法搜索空间的范围，提高了算法的收敛速度．计算机仿真表明，采用这种算法训练的RBF网络达到了较好的性能．     

基于径向基网络的手写签名辨识研究

手写签名应用广泛,为验证签名者身份,利用径向基网络的特性,构建径向基网络模型,利用自组织学习基函数的中心和方差,以及有监督的学习权值的办法来训练网络.将训练好的网络用于手写签名的真伪辨识.并给出了仿真实例,证明该方法切实可行.     

基于径向基函数网络的非线性通用模型控制

为了克服通用模型控制器要求过程一阶微分模型应该有显式解的局限性,提出了一种基于神经网络的通用模型控制方法,将非线性过程模型应用逆系统的方法在控制算法中直接嵌入过程模型,从而保证通用模型控制策略的可实现性。其参考轨迹是一条典型的二阶曲线,由于径向基函数网络具有许多优点,该控制策略中的神经网络为径向基函数网络。该控制器参数具有明显的物理意义,参数整定方便。仿真实验验证了该控制策略的有效性。     

水处理系统工艺优化

介绍了引进的石化联合装置锅炉水处理系统遇到的问题、产生的原因及相关的试验研究,提出了优化运行的改进措施,取得了较好效果,对提高水处理系统的运行质量和经济性值得借鉴。     

多径衰落下通信系统的分析与仿真

通过对通信系统的学习,研究了加性高斯白噪声信道、多径瑞利衰落信道和莱斯衰落信道3种信道。对不同信道下通信系统的性能情况进行了分析和仿真。通过对各种信道下的仿真结果分析和误码率的比较,得出多径瑞利衰落信道模型下的误码率要高于加性高斯白噪声信道和莱斯衰落信道,并严重降低通信系统性能的结论。对直接序列扩频系统具有抗多径衰落的情况进行仿真,指出直接序列扩频系统可以解决多径衰落对通信系统的影响。     

基于多径参数模型和混合优化的时变水声信道跟踪

针对海洋水声信道的稀疏特性,将多径水声信道冲激响应建为一个由各多径分量的时延和幅度组成的多径参数模型.该模型中输入信号向量产生的响应与多径时延参数呈非线性关系,与多径幅度参数呈线性关系.基于此特点,针对海洋水声信道的时变特性,分别采用进化算法和LMS自适应算法对模型中的多径时延和幅度参数进行混合寻优,从而解决时变信道条件下模型参数寻优困难的问题.仿真及海试信道跟踪实验结果表明:采用多径参数模型可降低模型寻优对象的维数,减少运算复杂性,提高估计效率;采用混合优化算法可减少多径参数模型的非线性寻优的复杂度,与进化算法相比,该算法具有更优越的时变信道跟踪性能.     

基于Volterra基函数网络的自适应逆控制方法

提出了一种基于Ｖｏｌｔｅｒｒａ基函数（ＶＰＢＦ）网络的非线性系统自适应逆控制方法。对象和逆控制器各用一个ＶＰＢＦ网络表示,应用正交最小二乘算法进行离线网络结构确定和权值初始化,构造了一种动态归一化非线性最小均方（ＤＮＮＬＭＳ）权值更新算法,以进行网络权值的在线学习。仿真结果表明,该方法具有算法简单、学习速度快、鲁棒性能好等优点。     

CS-g-PMMAPANNHNH2水处理剂的应用研究

运用静态法和动态法研究了自制改性淀粉CS-g-PMMAPANNHNH2对重金属离子的吸附去除能力.结果表明,在重金属离子单独存在或共存时,CS-g-PMMAPANNHNH2对Pb2+、Cr6+、Cd2+、Cu2+、Mn2+、Zn2+等金属离子都具有较好的吸附效果,最高吸附率可达99%.同时,利用CS-g-PMMAPANNHNH2对实际含Pb和含Cu、Pb的废水进行了处理,结果表明,CS-g-PMMAPANNHNH2是一种很好的水处理剂,对Pb2+、Cu2+等重金属离子具有很好的吸附效果,具有实际应用和推广价值.     

采用结构与参数训练相结合的RNN模型构建基因调控网络

提出一种采用递归神经网络模型构建基因调控网络,将结构训练与参数训练相结合的方法进行网络的权值训练.采用模拟退火算法训练网络结构,找出调控关系权值,再引入基于免疫思想的粒子群算法对权值进行参数优化,得到基因调控网络图.并分别用人工数据和大肠杆茵DNA修复系统基因数据进行实验.实验结果表明,该方法能有效地从基因时序数据中揭示基因间的调控关系.     

基于贝叶斯网络时序模拟配电系统可靠性评估软件

配电系统作为电力系统的末端,直接影响着电力用户的用电情况,其影响程度与配电系统的可靠性指标有关。配电系统的可靠性指标还对系统的运行与规划起指导作用。因此配电系统的可靠性评估研究具有重要意义。随着配电系统的规模不断增大,利用解析法求解配电系统的可靠性指标更加困难。基于贝叶斯网络,采用时序模拟推理算法求解配电系统的可靠性指标,并以Microsoft Visual Studio.Net为开发环境,C#为编程语言,选用access2000数据库,开发了适合闭环设计开环运行的配电系统可靠性评估通用软件。采用IEEE测试系统RBTS母线2的F1、F2馈线作为实例,验证了该软件的可行性与有效性,结果表明该软件具有易于维护和扩充,界面友好、操作灵活方便等优点。     

一种基于禁忌神经网络的网络入侵检测模型

随着互联网的发展和普及,传统网络入侵防范方法如防火墙、数据加密等已经很难保证系统和网络资源的安全。为此,本文设计了基于改进禁忌算法和神经网络的网络入侵检测方法。首先建立三层的BP神经网络模型用于实现入侵检测。然后通过BP反向传播算法获取网络的权值和阀值等参数,并设计了一种基于双禁忌表的改进禁忌优化算法,采用此改进的禁忌优化算法对BP算法优化得到的权值和阀值进行进一步寻优。最后,将禁忌算法优化后的神经网络用于网络入侵检测。仿真实验表明,此方法能够有效地实现网络入侵检测,具有较快的收敛速度和较高的检测率,是一种适合网络入侵检测的可行方法。     

GA-Elman网络的网络控制系统预测

为了消除网络时延对网络控制系统的影响,采用Elman神经网络预测系统时延采样值,并用遗传算法优化神经网络权值阈值.实验仿真表明:经遗传算法优化后的Elman神经网络具有很好的预测精度及动态性能,能够消除时延的影响,并验证了该方法对时延采样值预测的有效性.     

基因优化网络技术在磁悬浮轴承控制中的研究

针对普通BP算法收敛速度慢，容易陷入局部极小值以及网络初始状态对网络性能的影响等问题，建立了单自由度磁悬浮控制系统的数学模型，设计了一种基因算法优化神经网络的智能控制方法，该方法提出用基因算法离线优化网络。并设计了一种双链异或交叉基因算子，改善了基因算法的效率，在较大程度上改善了单自由度磁悬浮系统的性能。     

应用在系统辨识中的一种改进的遗传神经网络模型

分析了传统系统辨识方法和神经网络方法各自的优缺点,提出一种应用在强非线性系统辨识中的遗传神经网络模型。针对神经网络的收敛速度和全局收敛性的缺陷,分别采用高速收敛算法和遗传算法进行了改进,取得了较为满意的结果。针对神经网络泛化能力差不易应用的缺点,使用了结构进化方法和结构设计方法中的剪枝算法来改善模型的泛化能力。最后使用2个模拟信号进行仿真试验,结果与分析的结论一致。     

基于遗传算法优化BP神经网络的TIG焊缝尺寸预测模型

建立了4-12-4结构的误差反向传播(BP)神经网络.以训练样本预测误差作为适应度函数,采用具有全局寻优功能的遗传算法得到最优化的BP神经网络的权值和阀值.以TIG焊接工艺参数电弧长度、保护气流量、焊接电流和焊接速度作为网络输入,焊缝的上余高、下余高、上焊宽和下焊宽作为网络的输出,优化后的BP网络模型具有良好的泛化能力和预测能力.     

网络攻击追踪方法的模型构想

分析了IP地址追踪方法,结合现有的入侵检测技术提出了网络攻击源追踪系统的模型,阐述了该系统的体系结构和各部分的主要功能,给出了利用相关性分析对攻击者的攻击路径进行回溯的基本思想,对网络安全管理具有一定的借鉴意义.