LM-BP神经网络水质评价模型应用研究——以新乡市卫河为例

介绍了LM-BP神经网络模型的原理及算法和模型的优点。针对实际水质评价问题,利用随机内插方法在地表水环境质量分级标准阈值间生成训练样本和检验样本,建立了新乡市卫河地面水环境质量综合评价的LM-BP神经网络模型,将模型应用于卫河2011年3月份、9月份的水质评价,并与单因子评价法、模糊综合评价法进行了比较分析。实验结果表明该模型设计合理,泛化能力强,收敛速度快,算法稳定,推导严谨,有较充分的理论依据,应用于水质评价具有其合理性、实用性和有效性,适用于作深入的水环境质量分析。     

基于SOM神经网络的国家技术创新能力分类

建立了国家技术创新能力评价指标体系,提出了在国家技术创新能力评价中应用基于自组织映射(SOM)神经网络的分类模型,对28个国家技术创新能力进行了分类和评价,通过分析得出了一些有价值的结论,同时验证了模型的有效性。     

基于混沌算法的工程车辆自动变速神经网络控制

为了克服BP神经网络收敛速度慢和易陷入局部极小点的不足，提出了一种基于混沌算法的工程车辆自动变速神经网络控制方法，并利用ZL50型装载机传动系统换挡控制试验的数据进行了验证性仿真试验。仿真结果表明：该方法对于车辆自动换挡智能控制是可行的，可以根据操作工况实现正确的变速挡位决策。     

数字化电机调速系统中神经元控制器的应用

神经网络具有自学习、自适应能力，用于控制时可不依赖控制对象的数学模型。为此，基于单神经元设计出用于交流电机矢量控制的自适应磁链和转速控制器，并应用于由数字信号处理器(DSP)实现的交流电机矢量控制系统中，实验表明：此方法设计的控制器结构简单，易于数字化实现，控制系统动态性能良好。     

机械结合面切向接触阻尼的神经网络结构化建模

为了使机械结合面切向接触阻尼实验数据便于在机械结构CAD中应用，本文基于人工神经网络的非线性映射能力，提出了机械结合面切向接触阻尼基础数据的神经网络结构化建模方法，并进行了实例建模。结果表明，该方法实用、有效，建模精度和建模效率较高，而且集传统建模与建库思想于一体，实现了多种结合条件下的机械结合面切向接触阻尼基础数据的统一建模。     

移动机器人避障路径规划方法研究

以全自主移动机器人为研究平台，介绍了移动机器人的硬件体系结构、避障行为决策、避障运动控制等。提出一种足球机器人避障路径规划方法，该方法吸取了栅格法信息处理量小的优点，只对障碍物的威胁点进行检测，弥补了其在特征匹配方面的不足，同时无需考虑障碍物的运动状态和运动速度，提高了机器人避障的灵活性和鲁棒性。     

基于多信息融合的疫苗制备中鸡蛋胚体分拣系统

采用多信息融合方法研究疫苗制备中鸡蛋胚体状态的识别与分拣技术。在研究不同状态鸡蛋胚体图像特征、温度衰减和透光度变化情况的基础上,得出活胚图像中血管多、粗且呈放射状,弱胚图像中血管少、细且断裂,死胚图像内部均匀无血管,污染胚图像内部有明显黑块特征;鸡蛋胚体从37.8℃的孵化箱中取出置于25℃室温环境,活胚、弱胚、污染胚、死胚的温度衰减速度依次增大;活胚的透光度随孵化时间增加而逐渐降低,其他胚体透光度变化相对较小。将图像、温度、透光度信息特征融合,建立BP神经网络信息融合模型对鸡蛋胚体状态进行识别。最后,从37.8℃孵化箱中抽取80枚孵化6 d的鸡蛋胚体放置于室温10 min后,采集图像、温度和透光度信息,进行试验验证。结果表明多信息融合系统的识别准确率为96.25%,比单用图像、温度和透光度传感器进行识别的准确率分别提高了6.25%、13.75%和8.75%。     

农机总动力的预测及多种数学方法的应用比较

应用多种数学方法对青海省历年的农机总动力进行了预测，取得了良好的效果。通过对这些数学方法的应用比较。分析了其中每种方法的适用范围和优缺点。为相关管理部门进行正确的决策提供了依据，并为正确选用各种数学方法进行预测具有指导意义。     

基于遗忘因子和误差修正的水文实

在进行水文预报时，由于影响河道洪水的因素众多，常用的水文预报模型往往不符合实际水文系统的客观规律。对这类系统的参数辨识要求算法具有较强的实时跟踪能力，以适应模拟或预测洪水运动变化过程的要求。利用洪水预报误差信息，对BP网络洪水实时预报校正模型与方法进行了探讨，提出了两种实时预报方法。第一：运用最小二乘递推算法，引入时变遗忘因子实时跟踪模型中时变参数的变化，建立了神经网络在非线性系统中动态的系统输入、输出数据之间的映射关系。第二：利用BP网络模型对误差的可识别性，将模型对输出变量的预报误差再次作为输出变量，对网络可能预报的误差进行实时修正。计算实例表明：以上两种方法提高了神经网络在水文领域的预报精度，给BP神经网络的实时预报方法提供了新的途径。     

神经网络方法在车内噪声信号预测中的应用

针对以往车内噪声有源控制过程中存在的次级声源在初级声场采样传声器上的声反馈问题，提出了车内噪声信号识别和预测的神经网络方法。对被试面包车在稳态和非稳态两种工况下的试验研究表明，利用车身悬置点和发动机的振动信号，通过BP神经网络来识别和预测车内驾驶员耳旁噪声是可行的，可以解决次级声源在初级声场采样传声器上的声反馈问题。