基于递阶遗传算法优化的交通流预测

及时准确地进行短时交通流预测是智能交通系统研究的关键内容之一。基于小波分析和模糊神经网络的相关知识,提出模糊小波神经网络的控制方法。将小波函数作为模糊隶属函数,利用神经网络实现模糊推理,从而完成对下一周期交通流量的预测,同时采用递阶遗传算法实现网络结构和参数的优化。经实测数据验证,预测精度高,运行稳定,适应性强。     

柴油机燃油供给系统故障诊断研究

柴油机燃油供给系统故障直接影响燃油的喷射质量和燃烧过程,进而影响柴油机的动力性、经济性和可靠性,因此对燃油供给系统实施状态检测与故障诊断具有重要的现实意义.为此,阐述了燃油供给系统各种故障模式下的产生原因,进行了高压油管压力信号的波动分析,通过虚拟仪器实现故障特征参数提取,利用BP神经网络实现故障的诊断方法.结果表明,该方法可实现柴油机喷油器的不解体故障分析,有利于实时故障的在线诊断,在实际的故障诊断中具有一定的应用价值.     

基于GA-BP神经网络的作物参考腾发量预测

采用黄金分割原理优化算法确定BP神经网络的隐含层节点数,进而确定BP神经网络的结构,并针对BP神经网络容易陷入局部极小值和全局搜索能力弱的缺点,引人遗传算法(GA)优化网络权值,建立GA-BP网络模型,预测作物参考腾发量ET0.以北京地区的相关资料为基础,选用6种输入因子组合方案,对该模型进行验证,结果表明该网络模型具有较好的预测能力;同时,对6种方案比较分析表明,方案4最优,该方案只需选用4项输入因子(日序数、平均气温、风速和日照时数),就能以较高的精度预测作物参考腾发量.     

KRH-Ⅱ型智能固态微生物发酵成套装置的研制

以机械结构优化设计为基础,运用pH值、水分活度(湿度)、发酵温度等参数检测手段,结合模糊控制、神经网络以及多变量系统的解耦控制等多种智能控制方法,研究实现发酵过程多变量解耦的模糊神经网络控制技术,设计出一种从液体制种到灭菌、接种、混合、发酵、干燥和包装新概念的固态成套发酵装置.实际应用结果表明:固态发酵的快速灭菌、快速冷却、过程多参数信息调控与过程优化技术,大大提高了固态发酵设备机械化和自动化程度.     

吉林省农村居民消费需求的组合预测研究

农村居民消费是制约农村经济快速、可持续增长的重要原因,对吉林省农村居民的消费需求进行准确可靠的预测,可以为吉林农民的消费行为提供理论依据,为政府预测新的经济前景、制定新政策提供重要参考。为此,分别利用回归分析模型、灰色预测GM(1,1)模型以及神经网络模型3种单模型对吉林省的农村居民消费需求进行了预测,并根据标准差法算出3个单项模型的权重,最后构建组合预测模型对吉林省农村居民消费趋势进行实证研究。     

概率神经网络在玉米叶部病害识别中的应用

根据锈病、灰斑病、小斑病、褐斑病和弯孢菌叶斑病等5种主要玉米叶部病害的特点,提出了一种基于图像处理技术和概率神经网络技术的玉米叶部病害识别方法.首先,对田间采集的玉米叶部病害图像样本进行去噪处理、图像分割和特征提取;然后,利用遗传算法优化选择出4个独立、稳定性好、分类能力强的分类特征;最后,提取目标对象的特征向量作为输入向量,由概率神经网络(PNN)分类器识别病害类别,平均正确识别率为90.4%,高于BP神经网络.试验结果表明了该方法的有效性,可为田间作物病虫害的快速智能诊断提供借鉴.     

基于神经网络PID-P的生物质气化炉串级控制

针对生物质气化过程不稳定性、非线性、大时滞和多干扰等特点,提出一种生物质气化炉的神经网络PID-P串级控制方法。内环采用P控制器,以快速消除外界负荷干扰带来的不稳定波动;外环采用神经网络PID控制器,以保证气化炉气温及烟气含氧量稳定在给定值。仿真结果证明了该方法的有效性和优越性。     

基于不变矩和神经网络的泵机组轴心轨迹自动识别

基于泵机组故障信号处理的需要,介绍了不变矩原理,同时对神经网络建模,包括其样本获取进行了详细讨论;由于泵机组的多种故障与表征其运行状态的轴心轨迹形状有关,根据不变矩的平移、伸缩和旋转不变性特征,对实时检测的轴心摆度信号进行不变矩处理,利用BP型神经网络对其进行模式识别,进而判断出轴心轨迹的形状．为了弥补泵机组用于神经网络训练样本的不足,采用数值模拟与现场测试相结合的方法,将获取的所有样本进行求不变矩处理,并连同样本对应的实际形状作为神经网络的训练样本．网络训练完成后,将其输出结果与轴心轨迹图形进行比较验证．以山西大禹渡泵站水泵机组故障检测及诊断为例,在样本中选取其中的10组数据,比较的结果表明神经网络自动识别的结果准确．该方法为泵机组轴心轨迹自动识别和实现泵机组故障诊断智能化提供了依据．     

基于遗传算法与RBF网络的养殖池塘溶解氧模型

在分析了工厂化水产养殖池塘溶解氧影响因素的基础上,利用RBF神经网络良好的非线性逼近能力建立了池塘溶解氧的神经网络预测模型.常规的RBF神经网络模型常导致训练时间较长且易陷入局部极小点,因此,采用自适应遗传算法对RBF神经网络进行优化,模型的收敛速度明显加快.采用了养殖池塘的外部可控环境水体温度T、水流量Q、酸度(pH)以及增氧机器的转速V作为模型的输入.实验结果表明采用该方法预报溶解氧的预测精度较常规RBF递推算法的预测精度明显提高.该方法为研制开发智能水产养殖环境监控系统以及工厂化水产养殖奠定了基础.     

BP网络、Hopfield网络在水质评价应用中的比较研究

针对BP网络、Hopfield网络在水质评价的应用问题,建立BP网络、Hopfield网络水质评价模型,对BP网络、Hopfield网络从结构、输入输出、稳定性、评价结果等方面进一步地分析比较。然后以东辽河为例,运用BP网络、Hopfield网络、模糊评价法、内梅罗指数法4种水质评价方法进行水质评价,通过比较评价结果进行深入研究。结果表明,Hopfield神经网络更适用于水质评价。对神经网络方法水质评价问题进行探讨,试图找出BP网络、Hopfield网络方法在水质综合评价中的优缺点,具有非常现实的意义。