基于NARX神经网络的年径流预测

针对传统BP模型在时间系列年径流预测中的适应性问题,本文构建了基于动态反馈性NARX神经网络的年径流预测模型,模型结构带有外部输入的非线性自回归网络,输入向量选取降雨及气温,输出向量为未来的年均流量。本文采用构皮滩站历史实测数据对模型进行训练及测试,对NARX模型与传统BP模型及逐步线性回归模型性能进行了对比分析。     

BP神经网络在秸秆挤压机中的应用

以秸秆挤压机的秸秆含水率、螺杆转速、模孔间隙、套筒温度、螺杆末端至模板内表面的距离( 段长度)等5种过程参数为输入,以挤压膨化后玉米秸秆纤维含量变化(本文研究NDF与ADF)为输出,依据五因素五水平(1/2实施)二次正交旋转组合试验设计及试验数据建立了系统的BP神经网络模型.该网络训练后得到挤压系统的自变量与因变量之间的映射关系,且具有较好的仿真精度,可实现对过程参数的控制和目标输出的预测,用于指导生产实践.     

基于人工神经网络的秸秆螺旋挤压成形机系统建模

秸秆螺旋挤压成形机理比较复杂,系统模型难以进行描述.为此,以物料含水率、螺杆头部与喷孔的出口间隙、物料的粒度为输入样本,生产率为输出样本,利用BP神经网络,建立了秸秆螺旋挤压成形机的系统模型.仿真结果表明:训练好的网络模型具有较高的精度,可以对特定条件进行输出预测,为系统参数优化提供参考.     

土壤水分特征曲线Van-Genuchten模型参数的土壤传输函数比选

基于黄土高原区多种土壤的水分特征曲线试验数据样本,建立了以土壤黏粒、土壤粉粒、干密度、有机质和盐分含量为输入变量,Van-Genuchten模型参数α与n为输出变量的非线性预报模型和灰色BP神经网络预报模型,在对两种模型误差参数α与n分别进行误差分析比较的基础上,对两种模型的预测结果进行了整体误差分析。结果表明:无论是参数α还是参数n,非线性模型的平均相对误差低于10%,综合精度平均相对误差为15.73%;灰色BP神经网络模型的预测精度的平均相对误差低于4%,综合精度平均相对误差为10.01%,灰色BP神经网络模型的预测精度都要比非线性模型的预测精度高,但灰色BP神经网络模型易出现过度拟合的情况。综合而言,两种模型均能实现Van-Genuchten模型参数α与n的预测,可根据具体情况选用其中一种以达到更好的预测效果。     

生物质热裂解液化物质平衡及影响因素分析

采用自制的小型流化床热裂解反应装置，利用农业废弃物（如玉米秸秆、稻壳、松木屑等）进行快速热裂解液化试验。试验结果表明，红松木屑的产油率最高，为62．39wt％，秸秆次之；在450℃，475℃，500℃，525℃和550℃等5种不同温度下，玉米秸秆热裂解在475℃时产油率最高，为56．28wt％。快速热裂解液化试验为生物质热裂解液化的研究提供了有益的参考。     

双孢蘑菇远红外干燥神经网络预测模型建立

分析了双孢蘑菇在远红外干燥过程中,辐射强度、辐射距离、物料温度、物料厚度、干燥时间等因素对干燥速率的影响.基于BP神经网络建立了含水率与各因素之间的网络模型结构,输入层、隐含层和输出层的神经元数分别为5、11、1.以干燥试验数据作为训练和测试的样本值,利用Matlab中的神经网络工具箱,经过有限次迭代计算获得一个反映试验数据内在联系的数学模型,并实现对该模型的训练和系统的模拟.结果表明:在试验范围内,BP神经网络可以高效、准确、快速地建立模型,且模型的预测值与实测值拟合较好,能够准确而可靠地实现含水率在线预测.     

基于BP神经网络的模型铲刀推土阻力预测模型

将BP神经网络应用于典型的曲面推土板-模型铲刀推土阻力的预测.在模型铲刀推土试验研究结果的基础上,以模型铲刀的切削角、前翻角和切削速度为输入,以模型铲刀推土阻力的水平分力与垂直分力为输出,建立了BP神经网络数值模拟模型.研究结果表明,该BP神经网络有效地预测了模型铲刀的推土阻力,其准确率在94%以上.     

汽车ABS轮速信号处理过程的神经网络模型

为消除干扰信号对车轮轮速信号的影响,保证ABS的有效控制,利用BP神经网络的非线性映射功能,通过对标准信号滤波样本(由小波变换获得)的学习,建立起从信号输入到信号输出的BP神经网络模型,该模型可以把滤波过程通过权值和阈值集中存储和记忆,从而通过网络的联想能力来实现滤波和信号处理.利用相关的仿真试验数据验证了所建模型的正确性.     

应用神经网络对玉米干燥含水量预报的研究

玉米干燥过程具有不确定性、时变性和非线性等特点,针对这些特点提出了玉米干燥过程含水量的新型实时多步预测方法.基于Jordan神经网络构造了具有多作用因素输入和玉米含水量动态时间序列反馈的实时动态建模预测模型,提出了BP算法和TD法相结合的网络学习新算法.该方法比传统预测方法具有更好的收敛性和适应性.应用结果表明,预测命中率和预测精度较高.     

基于人工神经网络的田间秸秆覆盖率检测系统

以VC++为工具,田间实拍图像为研究对象,在分析田间秸秆和土壤纹理特征差别的基础上,设计了BP神经网络秸秆覆盖率检测系统.该系统采用了神经网络与纹理特征相结合的方法提取秸秆,并以纹理特征熵值为标准建立了网络输入层学习样本选取准则.人工模拟和田间试验表明,设计的BP神经网络秸秆覆盖率检测系统对田间秸秆的识别率达90%以上,秸秆覆盖率计算误差可控制在5%以内;与传统的拉绳法相比,检测效率提高50～120倍.     

智能轨迹控制割草机器人设计——基于FPGA神经网络

为了提高割草机器人自主导航和定位的精确性和智能性,设计了一种新型的基于FPGA神经网络算法的割草机器人。该设计采用FPGA可重构技术,以3层误差反向传播神经网络作为典型的模型来展开;利用成熟的BP算法公式,设计了割草机器人智能控制的模型;利用FPGA技术,设计了割草机器人的硬件系统;最后采用文本输入的设计方法,利用田间试验的方式,对机器人的轨迹规划能力和控制精度进行了验证。试验结果表明:利用FPGA和神经网络模型可以有效地穿越5个障碍物,并可得到满意的轨迹规划结果。将普通的PID控制器和神经网络PID控制器得到的控制结果误差进行了对比,结果表明:神经网络PID控制器得到的割草机器人控制误差明显比传统的PID控制器误差小。该方法为神经网络的硬件实现提供了可靠的理论基础。     

基于神经网络的拖拉机可靠性模型的参数估计

针对拖拉机可靠性模型，应用数学方法和人工神经网络系统理论，提出了基于自适应线性神经网络的可靠性模型参数估计方法，并用该方法给出了拖拉机首次故障时间可靠性模型参数估计，得到了拖拉机首次故障时间的可靠度函数。     

基于模糊集的玉米饮料滋味自动鉴评方法

利用传感器阵列对玉米饮料滋味在模糊信息层面上实现自动化鉴评.针对玉米饮料滋味感官鉴评的不同剖面引入权值概念,利用云模型实现定性定量信息的转换和完成综合云模型基于权值差异的调整.分析传感器对玉米饮料滋味感官鉴评甜味、酸甜味、人口风味3个剖面的敏感度差异.在构建的模糊神经网络中,将针对特定剖面敏感的传感器阵列采集信息作为输入,感官鉴评云模型转化的信息作为输出,训练模糊神经网络,以得到的模糊化层中心值、模糊化层节点宽度值和模糊决策层调节参数来确定网络结构.预测分析结果表明,该系统在玉米饮料滋味模糊信息的鉴评过程中,误差率在0.002 43～0.091 77之间,效果良好.     

基于GA-BP神经网络的甘蔗收获质量预测

甘蔗联合收割机收获质量对制糖工艺有极大影响,但测量难度大,难以直接获得.针对上述问题,以甘蔗联合收割机切割机构、行走机构、切段机构、风机机构的负载压力信号和转速信号为输入变量,以含杂率和损失率为输出变量,建立了一种GA-BP神经网络预测模型.GA-BP神经网络预测模型对甘蔗收获质量的预测结果平均MSE为0.0937,平...     

风力机故障诊断神经网络特征参数确定方法

为了诊断风力发电机组的故障,在搭建故障诊断神经网络平台时,选择合适的输入层特征参数搭建小波神经网络以达到网络训练时的稳定收敛.通过对风力发电机组故障诊断神经网络系统输入层特征参数的选择研究.发现风力发电机的齿轮箱、转子、叶片为独具代表性的易故障部件.分别对3个典型故障部件的一般故障类型和其产生机理进行了分析,得出齿轮箱的频率特性可以用来表征其故障类型,不同的转子故障会对应于不同的轴心轨迹,而叶片的故障诊断则可以运用声发射系统.根据分析的结果,提出了输入层特征参数的确定方法.齿轮箱按照其故障的时-频特性来确定输入层特征参数;转子利用其轴心轨迹能够反映故障类型的这一特性,来确定输入层特征参数;而风机的叶片则是通过“声发射系统”测量叶片表面性能时产生的特性数据作为输入层的特征参数.该方法可为风电机组故障诊断神经网络的建立提供参考.     

基于BP神经网络的河北省耕地生产力预测

鉴于BP网络在处理非线性复杂系统的优势,以河北省为研究对象,构建一个9-5-1结构的BP神经网络预测模型,将1987-2005年的相关数据作为模型的训练样本,以2006年的粮价政策、农资投入量和农民收入等数据作为网络的预测输入,对该年的河北省粮食单产进行预测。结果表明,BP神经网络预测结果与实际粮食单产的相对误差为0.86%,预测精度优于传统的多元回归统计模型。     

基于参数化遗传神经网络的植物病害预测方法

将混合神经网络(PFNN—FG)技术应用于植物病害预测，其输入矢量含模糊分量，遗传算法优化配置各参数。变形Sigmoid函数用于不同的隐含层，构成参数化神经网络。网络的输入层引入模糊集合理论，使网络能处理语义变量。将PFNN—FG和其他神经网络(如前向神经网络、径向基神经网络等)用于大豆基准问题进行分析比较，结果是PFNN—FG在精度和训练速度上优于其他网络。将PFNN—FG和前向神经网络用于2组黄瓜霜霉病数据，前者测试组的均方根误差小于后者。     

油气悬架动态力的识别

将BP神经网络应用于油气悬架动态力的识别，建立了带有油气悬架的1／4车辆系统动态模型，并根据车辆悬架系统模型建立了神经网络模型，利用油气悬架的输入、输出信息进行油气悬架动态力的识别，并与等效线性方法相比较，获得了比较满意的结果，为油气悬架的理论计算、设计及主动控制提供了一种参数识别的方法。     

基于BP神经网络的田间青椒识别

对于田间青椒的识别,利用图像处理,提出一种采用BP神经网络的识别方法。将青椒的形状系数、紧密度、长宽比、伸长度和主轴周长比等5个归一化变量作为神经网络的输入,通过调节神经网络的参数值对神经网络进行优化训练,利用训练后的网络就可以对处理后的青椒图像进行识别。实验结果表明,训练后的神经网络能够以较高精度进行田间青椒的识别。