基于Hopfield神经网络和PSO的线性系统辨识方法

研究了一种基于连续型Hopfield神经网络和粒子群优化（PSO）的线性系统辨识方法。首先建立了系统的预测模型以及辨识误差函数,然后将误差函数近似为连续型Hopfield神经网络的能量函数。利用神经网络的自我演化,得到近似的辨识参数。通过引入PSO机制,缓解了Hopfield神经网络在辨识过程可能陷入局部极小值的缺陷,增强了辨识的效果。最后,仿真研究验证了所提方法的有效性。     

基于BP神经网络的计算机实验室管理评价指标

介绍了一种基于BP神经网络的高校实验室管理水平评价的模型。该模型将实验室管理水平评价指标概念量化为确定的数据作为BP网络的输入,评价结果作为输出,分析了BP网络的训练过程。     

Elman神经网络在选煤厂配煤中的应用

配煤是选煤厂改善和稳定煤质的重要方法。在选煤厂配煤中,配煤煤质的准确预测是至关重要的,由于配煤的多种煤质指标与各组分的单煤种之间并非简单的加权关系,而是具有复杂的非线性关系。根据Elman神经网络模型能够逼近任意非线性函数的特点和具有反映系统动态特性的能力,采用Elman神经网络建立配煤煤质的预测模型。结果表明,Elman神经网络能够实现配煤煤质的预测,在实际工作中具有一定参考价值和指导意义。     

基于PCA和ANFIS的黄土湿陷系数预测

运用人工智能原理,提出一种基于主成分分析法（PCA）与自适应神经模糊推理系统（ANFIS）的黄土湿陷系数预测方法．首先通过主成分分析对黄土的物理指标提取主成分,以消除变量间的相关性和减少模型输入量的目的;再利用神经网络的高自适应性和模糊推理系统的推理能力建立ANFIS模型,提出一种新的黄土湿陷性预测方法．通过实测数据和预测数据的对比分析,平均误差0．29％,最大误差20％,在工程上可以接受的范围,实例说明这种预测方法是可行的．     

一类非线性时滞系统的自适应动态面控制

针对一类严格反馈非线性时滞系统,提出了一种自适应神经网络动态面控制方案。通过引入一阶滤波器,避免了传统反演设计中的＂计算膨胀＂问题。通过构造恰当的Lyapunov-Krasovskii函数,对未知时滞项进行了补偿。此外,基于Lyapunov稳定性理论,证明了闭环系统所有信号半全局一致最终有界。最后,仿真实例表明了所提控制方案的有效性。     

基于BP神经网络和AR模型的人口预测

利用MATLAB编程软件,分别建立BP神经网络和AR模型,采用全国出生率,死亡率,老年抚养率等9个指标作为样本,分别对BP网络和AR模型进行训练,预测5年后的人口数量.结果表明这两种方法预测人口均是可行的,效果较好,误差很小,但是AR模型较适合线性预测,而BP网络适合较非线性预测.     

基于核主成分分析的丝织物缝纫平整度模糊评价

通过核主成分分析对面料FAST高维数据进行降维处理,获取的核主成分作为模糊神经网络的输入,提出了一种丝织物缝纫性能模糊评价方法.实验结果表明,该方法可以基于丝织物FAST力学指标快速准确地预测成衣后的缝纫性能.     

基于GA-BP算法的水电机组故障诊断模型

将GA-BP算法引入水电机组的故障诊断中,建立了基于GA-BP算法的水电机组故障诊断模型.通过Matlab的相关工具箱进行仿真,结果表明基于GA-BP算法的诊断模型的正确性高于基于BP算法的诊断模型.     

基于BP神经网络PID自整定的光电色选机控制系统

采用BP神经网络参数自整定PID的控制策略来实现对光电色选机的自动化智能控制,系统以TMS320VC5402为主控器,对光电色选机主作业参数之流量、背景板角度和滑槽仰角进行在线自整定,达到自动调整色选机工作状态的目的;并且设计了基于DSP的智能控制方案,给出了系统的硬件构成和软件实现算法.