基于粒子群的多BP网络并行非线性预测控制

针对传统预测控制算法在解决非线性系统控制问题时，存在难以建立精确的数学模型、控制精度不高等缺点，提出一种新的非线性系统预测控制方案。以多BP神经网络作为并行预测模型，克服误差积累以及网络规模庞大的缺点；运用粒子群优化(PSO)算法完成非线性预测控制的滚动优化。仿真表明，该方案的控制效果比常规动态矩阵控制效果有所提高，该方案是可行和有效的。     

基于神经网络模型的青岛市城区土壤重金属污染源定位

建立基于遗传算法的BP神经网络系统,该模型可以有效描绘区域中重金属元素的分布情况,并由此通过各元素浓度极大值点求出污染源近似坐标,实现对污染源的定位.将该模型运用于青岛市,根据青岛市不同功能区的土壤重金属含量调查结果,实现了对可能重金属元素污染源位置的预测.     

胚胎干细胞向神经细胞定向诱导分化方法的研究进展

胚胎干细胞具有自我更新和多向分化潜能,有望成为治疗神经系统疾病重要的种子细胞来源。如何高效地诱导胚胎干细胞向特定神经细胞分化是目前研究的热点。本文就胚胎干细胞定向分化成神经细胞的3种方法:RA诱导法、谱系选择法和SDIA法及其移植研究做一综述。     

造血和神经相关标志物在人胎盘的表达

为探讨人胎盘组织在造血中的作用以及研究造血和神经标志物在胎盘中的表达和在胚胎发育中的相关性，用免疫组织化学法对人胎盘组织和体外培养的胎盘组织中的贴壁细胞进行染色，观察其造血因子和神经标志物的表达。结果发现人7月龄胎盘组织血管内血细胞表达多种造血细胞因子，如SCF、VEGF、BMP-4和FGF-1和KDR，血管内皮细胞上也有表达；胎盘组织同时表达造血干细胞标记CD34、CD133和神经细胞标记物Nestin和MAP2等。而足月龄胎盘CD34、CD133、KDR和造血相关因子SCF、VEGF、BMP-4、FGF-1等弱表达，不表达Nestin和MAP2。两组胎盘切片都不表达GFAP和MBP。胎盘贴壁细胞（hPDACs）碱性磷酸酶、波形蛋白、CD133、Nestin和MAP2染色呈阳性，CD34、GFAP和MBP阴性表达。人胎盘组织和胎盘贴壁细胞表达多种造血相关因子和神经细胞标志物，提示胎盘具有造血功能，造血形成和神经发生之间可能存在基因表达叠加现象。     

环境规划中大气SO_2预测的神经网络模型

为了对规划期间排入大气的SO2进行有效的控制,本文应用B-P人工神经网络方法建立了山西省运城市各县(区)人口数量、燃煤量、工业总产值和SO2排放量与SO2浓度的规划期综合预测模型,以实现在规划期间对大气的SO2的预测和控制。     

基于人工智能的农用拖拉机发动机故障快速诊断研究

为了达到拖拉机发动机不解体故障诊断的目的,提高诊断效率,利用发动机缸盖的振动信号的采集原理,提出了一种基于神经网络的人工智能故障检测方法,并构建了拖拉机发动机振动信号采集系统。基于人工智能的拖拉机发动机故障诊断系统,综合运用信号采集技术、信号处理技术、数据库技术、神经网络技术和人工智能专家系统,实现了和数据库及具有强大信号分析的处理功能,提高了系统的诊断实时性和诊断精度。最后,采用田间试验方法,对拖拉机故障快速诊断系统进行了试验验证。试验结果表明:采用人工智能诊断方法不仅可以有效提高系统的准确率,而且诊断系统的响应更加迅速,并且曝晒、震动、灰尘等恶劣的现场环境中仍能保持正常工作的稳定性。     

农业机器人轨迹优化自动控制研究——基于BP神经网络与计算力矩

以农业机器人精密轨迹优化自动控制为目标,在优化算法中引入BP神经网络与计算力矩法结合的自动控制器,旨在减少作业过程中的运动误差,提高其工作效率。首先,建立农业机器人数学模型,分析其运动学和动力学原理;然后,设计了农业机器人运动控制系统,引入BP神经网络对不确定动力学因素进行判断,并提出解决该因素的自适应学习法;最后,对该系统运用Mat Lab进行了仿真。试验表明:以BP神经网络与计算力矩法结合的自动控制器可以有效优化机器人运动路径,提高机器人整体作业效率,系统运行稳定、可靠性强,且对外部环境的干扰因素具有较强的自适应学习能力。     

不同采样密度的土壤水分特征参数预测

利用不同取样精度的土壤,将土壤质地(砂土、淤泥、粘土含量)和容重作为输入值,探讨了使用基于土壤转换函数的BP神经网络模型来预测0~20 cm表层土壤水分特征曲线参数,用甘肃省称钩河流域小流域的土样进行预测并进行了误差分析。结果表明,使用线性回归能够减小预测误差与实测值差距;使用BP神经网络来预测饱和体积含水量,其准确性比使用BP神经网络预测剩余体积含水量和田间持水量要高。为了进一步提高预测精度,还应尽可能地包括土壤结构、有机质含量等信息。     

格氏栲种群个体年龄确定方法的研究

本文利用格氏栲解析木资料，运用人工神经网络方法建立格氏栲种群个体年龄的预测模型，结果表明：所建立的年龄神经网络模型精度达９０．６１％ ，并利用该模型对格氏栲的生长过程进行模拟，从而为格氏栲种群的动态研究提供理论基础。