基于遗传BP神经网络的核桃破裂功预测模型

针对核桃壳破裂所需机械能易受核桃含水率、加载速度和体积级别等多种因素影响,提出一种核桃壳破裂功预测方法。以南疆地区温185核桃为研究对象,选择核桃含水率(4%、6%、8%、10%)、加载速度(100、200、300、400 mm/min)和横径级别(1、2、3、4级)3个因素作为BP神经网络模型的输入量,利用遗传算法优化神经网络的权值与阈值,建立温185核桃破壳破裂功的遗传BP神经网络预测模型。结果表明:遗传BP神经网络模型能较好表达温185核桃破壳破裂功与主控因素之间的非线性关系,预测结果与实测值之间的平均绝对百分比误差为0.035,测试样本的网络输出值与网络目标值的相关系数达0.92488,模型预测效果较佳。研究结果为温185核桃破壳取仁加工过程的在线监控提供参考依据。     

采用广义回归神经网络建立酪蛋白乳化性与疏水性关系

为了研究琥珀酰化修饰后酪蛋白乳化性与疏水性关系,该文以琥珀酰化牦牛乳酪蛋白为研究对象,分析了不同酰化程度酪蛋白乳化性及疏水性变化趋势,采用广义回归神经网络建立了牦牛乳酰化酪蛋白乳化性与疏水性关系模型。结果显示,琥珀酰化牦牛乳酪蛋白乳化性和疏水性均与酰化程度、pH值有关,pH值为5以上,随着酰化程度的增加,酪蛋白乳化活性增大;等电点附近,酪蛋白乳化活性较差,等电点之后乳化活性迅速增大。pH值介于2-6时,所有酪蛋白乳化稳定性较强,pH值介于6-11之间时,酪蛋白乳化稳定性差异较小,pH值为12时乳化稳定性有所增加。酪蛋白内荧光与1-苯胺基萘-8-磺酸(1-aniline napthalene-8-sulfonic acid,ANS)外源荧光最大荧光强度和最大发射波长随酰化程度及pH值变化表现出较为复杂的关系。通过广义回归神经网络(generalized-regression-neu-network,GRNN)建立了牦牛乳酪蛋白疏水性参数、pH值、酰化程度与乳化性关系,网络模型对乳化性的预测相对误差小于10%,预测结果良好。研究结果为酪蛋白乳化性研究提供了参考依据。     

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BP神经网络的PID控制在温室控制系统中的应用

以温度参数控制为例,结合传统PID控制规律,利用BP神经网络完成温室温度控制系统的PID控制系统设计.通过阐述基于BP神经网络的PID控制算法,完成温度控制系统中的BP神经网络PID控制参数在线整定.采用MATLAB对基于BP网络的PID温度控制系统进行了仿真,结果表明,PID控制算法能够实现控制参数的自适应调整,使系统对输入的响应达到小误差.     

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BP神经网络的森林生态系统健康预测

森林的健康状况将直接影响全球生态稳定和全人类的可持续发展,而对森林健康预测是人们了解森林生态状况的重要手段。在选定森林健康评价指标的基础上,建立了一个3层BP神经网络模型,并应用于鹫峰国家森林公园森林健康预测。预测验证结果表明,基于神经网络预测森林生态系统健康具有良好的合理性与可靠性。并为了构建一个准确稳定的森林健康预测模型,给出了一些相关建议。     

基于混沌神经网络的流域坝系稳定性分析

坝系相对稳定原理是淤地坝规划的理论基础。依据影响坝系稳定性的7个主要因素：坝控面积、坝数、总库容、可淤库容、坝前水深、防洪能力、淤地面积,以Matlab 7.0为平台,采用混沌神经网络（COBP）模型对马家沟流域13个坝系进行了稳定性分析。结果表明,13个坝系中有7个坝系处于不稳定状态,采用坝系稳定系数来校核COBP模型的计算结果,得出的结论一致,因此,可以判定采用神经网络方法得出的结果基本可信。此外,分析了7个坝系不稳定的原因,采用增加坝高和增加淤地坝数量的方法使7个不稳定坝系均达到稳定状态。通过对马家沟13个小流域淤地坝重新规划,形成的13个坝系全部处于稳定状态,可见COBP方法在确定流域坝系稳定方面具有实用的价值。     

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.     

基于计算机视觉的番茄催熟与正常熟识别

国内常有菜农采摘远离成熟期的番茄,采用乙烯利处理进行催熟,为了阻止催熟番茄进入瓜果市场危害食用者的身体健康,给出了催熟番茄识别系统的硬件组成,通过计算机视觉装置获取番茄透射光颜色参数（R、G、B）,并将RGB值转换成HIS值,采用遗传算法训练的多层前馈神经网络实现催熟番茄的自动识别。试验结果表明,系统正确识别率为91.7%,为进一步进行番茄催熟与正常熟识别的研究提供参考。