基于BP神经网络PID控制在单元机组中的应用

介绍了基于BP神经网络的PID控制策略,即：采用PID控制器对两个回路实行控制,同时根据系统误差,用BP神经网络分别在线调整PID控制器的比例、积分和微分的系数;具有算法简单,抗干扰性强及鲁棒性好等特点;仿真结果表明了其有效性。     

基于BP神经网络的PID控制在反应釜温度控制中的应用

常规PID的控制,不但其参数难以整定,而且还依赖于对象的精确数学模型,适应性较差,对复杂过程不能保证其控制精度.本文根据反应釜温度时间滞后具有非线性、强耦合、不确定性过程的控制需要,提出了一种基于BP神经网络的PID控制方法;并介绍了神经网络PID控制器的算法,对经典PID参数选取进行了分析.仿真结果表明,与传统PID算法相比该控制方法可实现有效的控制,具有实现简单、控制效果好的特点.     

基于数字PID控制的电阻自动测量系统

提出了一种基于单作微机数字PID控制的恒流源型电阻自动测量系统，可以自动调整量程，实现电阻的高精度、宽量程、快速而实时的测量。     

高速公路BP神经网络限速控制

通过对高速公路在运行中遇到的主要问题的阐述,分析了可变限速控制在高速监控系统中的作用。针对高速公路可变限速控制是一个非线性时变系统,难于用数学模型进行建摸这一特点,提出了BP神经网络控制方法。阐述了BP神经网络的学习算法,根据高速公路主线上车辆数目以及路面状况、气象条件等信息,设计了高速公路可变速度标志神经网络控制器,并对控制器进行了仿真研究。仿真表明:网络学习速度快,自适应强,泛化能力好,结果精度高,对交通流限速控制中具有一定的推广应用价值。     

基于神经网络BP模型的建筑项目工程进度控制

通过应用误差反向传播(Back Propagation,BP)神经网络数学模型,利用神经网络充分逼近任意复杂的非线性系统;可学习与适应严重不确定性系统的动态特性和具有很强的鲁棒性和容错性的优点,预测一定投入的项目各自的项目进度结果。实际应用中,根据进度目标和环境条件,有效控制工程进度,这对于完成部队整体计划,节约成本和管理效益最高化具有重要意义。     

基于BP神经网络的多电机交叉耦合控制方法研究

高精度的多轴同步控制已成为现代制造业的关键问题之一,针对多轴同步控制系统的非线性、时变、易受扰动影响等特性,现有的多轴同步控制策略难以确定合理的耦合控制规律和在线计算量较大等问题。分析了目前多轴同步控制策略的发展现状,设计了基于相邻交叉耦合误差的多轴同步控制算法,根据BP神经网络控制方法对交叉耦合控制参数进行整定。该方法不仅可以减小跟踪误差,同时可消除相邻轴之间的同步误差,结构简单,同步性能好。最后,论述了该方法在三轴同步控制系统中应用的有效性。     

基于BP神经网络的中国人口预测

本文基于中国统计年鉴1990—2010年中国人口数据,通过建立BP神经网络模型,对中国人口进行了预测。结果表明,神经网络预测数据相对误差不到0.01%,比传统预测方法精确很多,根据该模型预测,中国人口将在2050年达到峰值14.5亿左右。     

基于BP神经网络的PWM整流器

本文介绍了一种新型PWM整流器设计方法,将BP神经网络应用于整流器的设计中,可以保证整流器在正常工作的基础上,提高整流器的工作效率。本文介绍了三相PWM整流器的数学模型,在数学模型的基础上,对比分析了人工神经网络技术与传统调制技术的优缺点,证实了人工神经网络技术应用于PWM整流器设计中的有效性。     

基于BP神经网络的地震预测

地震预测是地理问题研究领域中的一个重要课题.由于引起地震的相关性因素很多,很难建立物理理论模型.神经网络在预测和构造未知时象模型方面具有独特的优势,因而在预测控制领域得到广泛的应用,本文探讨将BP神经网络应用到地震预测中的一种方法.     

基于BP神经网络的科技人才需求预测

采用BP神经网络模型解决科技人才需求预测问题。首先介绍BP神经网络结构和学习算法,其次确定科技人才需求预测影响因素指标,作为BP神经网络输入,最后以Matlab为运行平台实现BP神经网络模型,并以河南省科技人才为例进行案例分析,应用BP神经网络模型预测河南省2008-2010年科技人才需求量。     

基于BP神经网络的变压器故障诊断

针对变压器故障征兆和故障类型的非线性特征,结合油中气体分析法,研究应用BP神经网络对变压器进行故障诊断。设计了一个基于BP神经网络的变压器故障诊断模型,通过仿真实验证明BP神经网络可以有效的运用到变压器故障诊断中。     

基于粗糙集的BP神经网络设计

传统的神经网络对于简单、具有明确分类界限的数据,可以有较好的计算结果,但是在输入属性集合较大、分类界限不明确的情况下,会出现收敛效率和分类准确率较低,甚至会出现不收敛状态。本文利用Rough集的理论,对输入数据不停地进行样本检测,对输入特征不停地进行筛检,以此达到删减输入特征数的目的,从而提高对输入数据的拟合。通过对采集到的脑电信号进行验证,达到删减特征数和提高分类准确度的目的。     

基于瞬时无功功率的改进型无功电流检测

在传统的p-q与ip-iq无功电流检测算法分析的基础上,提出了一种新的无功电流检测方法,并且增加了预置补偿角,从而准确检测出系统电流中有功无功分量及谐波,同时除去锁相环,避免PLL带来的延时,增强了检测的准确性。     

直流焊机电源电流校准方法探讨以及不确定度解析

针对焊机电源电流使用标准表比对法进行校准进行了分析。     

基于神经网络和PID控制的模具激光熔覆工艺研究

模具的激光熔覆工艺是一种新型的零件加工技术,这种工艺具有高效、高质量、无污染和低成本的特点,本文基于神经网络和PID控制的研究了视角模具激光熔覆工艺。     

基于BP神经网络反演云顶高度

精确估计云顶高度可以在数值天气预报以及气候模型领域中起到举足轻重的作用。云顶高度首先影响着加受油机对接,影响着飞机通讯质量,其次降低对目标的识别,还会破坏电磁干扰与抗干扰。因此,获取更精确的云高信息,不仅节约了时间,还避免了错误估计而造成不必要的损失。本文以训练样本集中日本葵花8静止气象卫星光谱通道数据为输入,以美国CALIPSO卫星的结果为输出,通过构建神经网络模型方法,利用BP神经网络,针对葵花8静止气象卫星,建立葵花8卫星云顶高反演模型,使用检验样本集,对反演模型取得的云顶高反演结果进行检验与分析,研究模型的云顶高反演能力、特性和效果。     

基于BP神经网络的品牌延伸决策模型

通过分析品牌延伸决策方面现有研究的不足,探讨了消费者品牌延伸评价因素,建立了品牌延伸决策指标体系;结合品牌延伸决策问题具有的非线性和机理不明确等特征,基于品牌延伸决策指标体系,利用BP神经网络建立了品牌延伸决策模型;最后进行了模型应用。     

基于BP神经网络反馈控制器的设计

主要研究了BP神经网络反馈控制器的结构,分析了BP神经网络的学习算法。通过自适应学习速率在线调整网络权值以逼近对象的逆动态模型,并利用Lyapunov方法给出了该算法的收敛的条件。     

基于BP神经网络的机场能见度预测

人们对高质量生活品质的追求,使得人们对于出行的需求与日俱增,而机场终端区的大雾会使跑道视程和能见度降低,直接影响航空安全和航班运行效率,也降低了空中交通流量和空域利用率。为了在不降低机场最低运行标准的前提下,低能见度时仍然正常起降航班,构建了基于BP神经网络算法的低能见度预测模型。将与能见度相关的4种主要气象因子作为输入参数,对普洱思茅机场早晨07:00～07:25能见度进行预测及精度分析。分别得到训练集的拟合效果图,样本集的预测结果图和波动分析图,以及大样本长时间的预测图和精度分析图,使BP神经网络模型的预测总误差的方差为0.1392,决定系数R2达到0.97043,可见该网络具有良好的预测效果,较高的精度和较好的泛化能力。     

基于改进BP神经网络的图像识别算法

为提高图像识别的准确率和速度,结合遗传算法和BP神经网络设计了一种改进图像识别算法。由于传统BP神经网络本身存在结构参数不确定、收敛速率低、容易陷入局部最小值等问题。本文首先提取图像的颜色和纹理特征,利用BP神经网络实现特征的初步识别同时基于遗传算法在线优化BP神经网络结构参数。在此基础上,给出了图像识别流程。最后,根据证据理论实现图像识别结果融合以获得完整图像信息。仿真结果表明:所述算法具有较高的识别率和收敛速度;在少量训练样本条件下,改进BP神经网络依旧具有较好的泛化能力。