一种基于遗传算法的LVQ神经网络及其在故障诊断中的应用

本文通过分析LVQ神经网络及其变形的基本结构和算法,研究了基于LVQ神经网络的齿轮箱故障诊断方法。常用的LVQ神经网络存在神经元未被充分利用和算法对初值敏感,从而影响诊断预测的精度。本文提出采用遗传算法优化LVQ神经网络的初始权向量,给出了正确的诊断结果,并与LVQ神经网络的结果作了对比,结果表明用遗传算法优化的LVQ神经网络比LVQ神经网络有更高的诊断精度。     

运用LVQ网络进行机械状态检测的研究

利用LVQ神经网络的原理和方法,用于检测某机械设备减速机的工作状态.这里将减速机状态分为正常状态、轻微故障状态和严重故障状态3类.在LVQ神经网络理论下,对影响减速机工作状态的要素进行分析,得出在LVQ神经网络模型下的特征属性,再结合MATLAB工具对减速机的工作状态进行检测,检测结果与实际表现相吻合.实验证明这种基于LVQ网络的分类方法是行之有效的.     

基于LVQ神经网络的建筑物提取

传统的遥感影像目标检测方法大多利用人工提取特征,难以用于背景复杂的高分辨率遥感影像。以高分辨率遥感影像建筑物图像为研究对象,设计了一种基于LVQ神经网络的建筑物提取方法。对图像提取其颜色、纹理与形状特征,构成图像特征矢量并将其特征归一化,利用LVQ神经网络识别并提取出建筑物。通过与其它典型神经网络识别方法进行实验比较,结果表明该算法相对于单层感知器识别率提高了10.0%,比BP神经网络识别率提高了22.5%,能取得更理想的提取效果。     

基于神经网络的尿样颜色识别方法比对分析

针对颜色色空间转换非线性的复杂关系,在获取标准阈值颜色色度值,进行归一化处理后,利用学习矢量量化(LVQ)神经网络和概率神经网络(PNN)进行尿样颜色识别。比对结果表明:(1)利用神经网络进行分类识别时实验数据的归一化处理是完全必要的。(2)与颜色色差评价方法进行了比对,该方法可行而有效。     

基于粗糙集-LVQ神经网络的入侵检测模型研究

提出了一种基于粗糙集-LVQ神经网络的入侵检测模型。首先将粗糙集作为前置处理系统对属性进行约简,再根据粗糙集处理后的学习样本集,构建LVQ神经网络结构,实现对入侵进行检测。实验结果表明该方法优于其他同类方法。     

神经网络逆系统在变频调速系统中的应用

根据恒压频比控制的要求，针对交流电机参数的复杂性和变频调速特性，提出了交流电机变频调速系统的神经网络逆系统控制方法；针对模型基本未知的连续非线性可逆系统，将神经网络对未知非线性函数的逼近和学习能力、逆系统相结合，给出神经网络α阶逆系统和复合控制器的设计。仿真结果证明了理论的正确性。     

Bp神经网络的Matlab实现

介绍Bp神经网络以及利用Matlab神经网络工具箱构造Bp网络的方法,并阐述实现网络的关键问题,包括网络设计流程、学习规则选择、权重和阈值的训练与网络仿真.给出具体应用实例,构造一个典型三层结构的神经网络实现了具有函数逼近功能的Bp网络设计.     

基于PLC的模糊神经网络控制系统的研究

本文对活性白灰回转窑生产线进行了PLC系统配置,分析了T-S模型的模糊神经网络的结构,进一步分析了模糊神经网络的学习算法,给出模糊神经网络PID的结构和设计方法,并对该系统进行了仿真,证明该系统具有良好抗干扰和跟随能力。     

利用RBF神经网络构建销售预测模型

本文针对目前国内外应用较为广泛的传统销售预测模型和BP神经网络销售预测模型的缺陷，利用RBF神经网络构建了销售预测模型，并运用Matlab6．5编制了仿真程序。仿真结果表明：采用RBF神经网络进行销售预测在理论上和实践上都是可行的，该模型的估计精度比传统销售预测方法和BP神经网络所建立的模型的估算精度要高，且具有不会陷入局部最小点、学习收敛速度快、泛化能力强和适合动态建模等特点。     

可视化神经网络模型参考控制器的设计

介绍一种在Simulink仿真平台上建立系统模型设计神经网络参考模型控制器的可视化方法，并给出一个仿真实例．该方法通过窗口界面选择一些参数即可完成系统的设计与仿真，简单实用，仿真结果是令人满意的．     

一种改进型DRNN神经网络自学习PID控制

本文针对多变量耦合系统,采用DRNN神经网络对PID控制器参数进行自学习,提出了将学习因子在学习过程中进行动态调整,与传统DRNN神经网络自学习PID控制整定结果进行比较,使用matlab进行仿真,仿真结果表明,学习因子动态调整后的参数结果在超调量、调节时间、稳态性能上明显优于传统DRNN算法。     

入侵检测知识对抗与迁移实验设计

设计了基于对抗域适应迁移学习的入侵检测攻防两面性实验。实验基于课题组科研成果，针对对抗域适应迁移模型，提出通过增设迁移学习不同阶段的域对齐来提高迁移能力，以及利用增强域损失评判函数，实现入侵检测防御知识迁移的实验设计思路。实验中，组织学生利用对抗神经网络，分别实施网络攻击数据伪造和迁移学习入侵检测知识防御，仿真了“攻防”场景，有利于学生深入掌握对抗域适应和迁移学习的入侵检测前沿技术与发展趋势。     

三容液位过程控制实训系统智能控制算法研究

本文以实训室三容液位过程控制实训系统为模型,设计了基于BP神经网络智能控制算法并在三容液位系统中仿真分析,研究三容液位控制系统的控制学习《自动化控制原理》课程有很好的指导意义。     

基于DSP的直流无刷电动机神经网络控制系统

提出了一种直流无刷电动机的N-PID转速调节器的设计方法。在直流无刷电动机的高性能速度跟踪中,若仅采用传统的PID调节器,则难以克服系统超调和短时振荡问题,采用复合N-PID的控制方法,利用神经网络的自学习自适应功能在线调整PID控制参数。介绍了基于数字信号处理器的直流无刷电机神经网络调速系统,仿真结果表明,运用这种设计方法很好地抑制了超调和振荡。     

基于神经网络的自校正模糊控制器

本文针对常规模糊控制器的不足，提出了一种自校正模糊控制器，论述了它的在线调整设计方法。并在此基础上进一步利用ＢＰ神经网络进行推理，实现控制参数自动调节。为减少ＢＰ网络的训练量，对模糊集（网络的输入）进行了“编码”。最后的仿真结果表明了该控制器具有自适应和学习能力，其动态响应和鲁棒性均优于常规的ＦＵＺＺＹ控制。     

基于模糊神经网络的汽油机瞬态工况空燃比控制系统的研究

针对汽油机瞬态工况空燃比控制精度偏差的问题,结合模糊控制系统容错性、鲁棒性以及神经网络学习强的特点,提出了应用模糊神经网络控制瞬态工况空燃比的方法,进行了神经网络和模糊控制算法的分析,设计了基于模糊神经网络的空燃比控制器.通过应用MATLAB/Simulink平台仿真,验证了基于模糊神经网络的汽油机瞬态工况空燃控制系统的可行性.研究结果表明,模糊神经网络控制对瞬态工况空燃比的控制调节时间快,超调量小,具有一定的应用价值.     

BP神经网络在玻璃缺陷识别中的应用

在玻璃缺陷识别系统中,利用BP神经网络基本原理结合特征参数设计BP神经网络结构。为了更准确地识别玻璃表面缺陷,在传统BP神经网络算法基础上,提出加入动量因子、引入陡度因子以及调节学习效率的方法,并进行对比试验。仿真结果表明,3种方法均可提高缺陷识别率,但只有引入陡度因子的方法可使最优误差与期望误差最为接近,能够更好地改善网络收敛性。     

气动伺服系统的模糊神经网络力同步控制研究

主要研究基于比例压力阀的气动伺服系统的模糊神经网络（FNN）力同步控制问题。结合研究内容，设计和搭建了气动力控制实验台。针对常规模糊控制器在控制中没有学习功能、系统量化和分档误差较大、控制性能不够好等不足，设计了模糊神经网络控制器。它综合了神经网络具有的分布式存贮知识、学习记忆能力、容错性强等优点和模糊系统具有的直观知识表达方式、简捷迅速的逻辑推理和决策能力强等优点。具有优良的控制性能。     

GA优化T-S模糊神经网络的干燥窑温湿度控制器设计

为了准确控制木材干燥过程的温度和湿度,提高木材干燥质量,结合模糊控制、神经网络和遗传算法的优点,设计了一种遗传算法(GA)优化的T-S模糊神经网络温湿度控制器。该控制器利用模糊算法解除木材干燥窑内温度和湿度间的强耦合关系,采用神经网络的自学习和自适应能力实现整个非线性过程的模糊逻辑推理,并通过遗传算法对神经网络的参数进行优化与训练,提高系统的自学习和自适应能力。仿真实验结果表明,在木材干燥过程的温湿度控制上,GA优化的T-S型模糊神经网络控制器具有良好的控制效果,控制器响应速度快、超调小并且具有一定的鲁棒性。     

BP神经网络PID在配料控制系统中的研究与仿真

本文论述了在恶劣环境下电子秤配料系统可采用的一种控制算法,BP神经网络PID控制器,设计出了控制器构成的神经元、激活函数与神经元权系数的算法.该控制器通过神经网络所具有的自组织、自学习、自适应的能力,将人工计算与传统PID控制相结合,互相补充,共同提高了控制质量,经Matlab仿真,效果良好.