朱庆华[1]2004年在《BP多层神经网络在控制中的应用》文中研究说明神经网络具有并行处理能力、自学习、自适应能力和可以逼近任意的非线性函数等特点，是解决非线性、大滞后、多变量、不确定的复杂控制问题的一条有效的途径。它在控制领域中辨识、参数优化、控制等方面得到广泛应用。 本文就神经网络在辨识、参数优化和控制方面的应用展开研究。首先给出神经网络控制系统的整体设计思路，编写相应的软件，该软件包括多种神经网络网型，并且可以通过不同方式与组态软件集成运行。然后利用该软件对被控对象进行辨识、参数优化和控制：使用多种网型对叁区加热炉进行辨识，通过比较辨识结果，得出采用Elman网络辨识动态系统效果较好的结论；接下来利用神经网络对PID控制器进行参数优化，实现基于神经网络的PID自适应控制，并对此控制系统改进，形成了有模型的神经网络PID自适应控制，获得较好的控制效果；最后利用PID神经网络直接作为控制器对叁容水槽和立式电炉进行控制，结果表明，该方法有较好的控制效果。 上述研究表明神经网络能在一定程度上解决控制中的复杂问题，有较好的应用前景。
阴辉[2]2008年在《神经网络原理及其在有源电力滤波器中的应用》文中认为人工神经网络(ANN)是一种旨在模仿人脑结构及其功能的脑式智能信息处理系统。它是近年来计算机智能研究领域发展迅速的一门理论和技术,由于其具有自学习、自适应及信息的分布式存储等特点,其用于问题求解无需事先建立精确的物理模型和数学模型而被广泛应用于智能控制、系统辨识、智能监测等领域。本文首先对人工神经网络中最常用、最成熟的多层前向网络进行了讨论,掌握了人工神经网络的基本原理,并通过对误差反向传播(BP)算法优缺点的分析,介绍了多种BP改进算法。基于神经网络和谐波抑制理论,本文提出了一种基于神经网络谐波检测和控制的新型有源电力滤波器(APF)——混合电力补偿器(HPC),并应用改进的BP算法选择多层前向人工神经网络的模型对其进行了仿真。给出了关于神经网络的设计、训练以及检验的具体方法。仿真结果证明:神经网络技术应用于有源电力滤波器是可行的,对改善产品的动态性能,提高产品的技术指标是非常有效的。
张诗军, 田会方[3]2002年在《神经网络在机器人控制中的应用》文中提出由于许多不确定性因素影响机器人的控制过程,针对机器人控制过程中的这种情况应用较好的改进的网络学习算法设计了一种神经网络结构,并应用于机器人的控制,取得了满意的仿真结果。
朱宇鑫[4]2014年在《基于神经网络的人脸朝向识别问题研究》文中进行了进一步梳理人脸识别的主要任务是从现场录像中提取出人脸，与已经建立的数据库中的人脸图像进行对比，辨识出特定人物的身份。现场摄像头拍摄图像有不可控的特点，例如发生在晚上的事件，摄像头不可能拍摄到该事件在白天的场景，再如摄像头拍摄范围内目标人物的脸一直没有正对摄像头，就不可能拍摄到人物的正面。然而即便是较小的光线差异或脸部位置的差异也可能导致识别系统的失败。本文研究人脸朝向的识别，因为同样的人脸拍摄角度不同，得到的特征向量也会有较大的差别，所以同一张人脸稍有偏向，计算机却可能会当成是不同的人。如果拍摄角度相同，那么同样的人脸对应的特征向量变化不大。所以人脸位置朝向问题的分析研究对于整个人脸识别问题具有重要的改进意义。本文应用神经网络方法实现人脸朝向识别，具体地说，首先收集人脸朝向不同角度时的图像，分为两组，两组图像分别在不同的光线背景下拍摄，第一组10人，第二组5人，每人5张，分别朝向左方，左前方，前方，右前方，右方。应用PNN和BP网络，对任意的人脸图像进行朝向辨识，并从两个方面对比两种网络的识别效果，首先针对来自同一组的人脸图像进行识别，比较二者的识别率。然后将两组不同背景的图片组合在一起进行实验，比较二者适应环境变化的能力。实验表明PNN网络能够很好地解决人脸朝向识别问题，其适应环境的能力很强。PNN网络和BP网络的对比结果是，在对光线背景相同的人脸朝向进行识别时，PNN的识别率达到100%，BP网络的平均识别率为85%；对光线背景不同的人脸朝向进行识别时，PNN显示出了非常强的适应环境变化的能力，并且来自环境不同的图像不影响对原来图像的识别，而在BP网络中新样本的添加严重干扰了网络对原来图像的识别率。
贺宪民[5]2001年在《医学多元资料分析中的人工神经网络方法研究》文中进行了进一步梳理多数传统统计模型存在一个共同的局限性：①要求预先知道被研究对象的数学模型，但实际上许多对象具有复杂的不确定性和时变性，另外还具有复杂的非线性，有的是已知的但难于用数学描述，有的是未知的非线性，这必将造成根本无法或者很难精确建立模型；②要求变量满足正态性和协变量之间的独立性。 人工神经网络是一种非线性动力学系统，是生物神经网络在结构、功能及某些基本特性方面的理论抽象和简化，具有分布式的信息存储方式和并行的信息处理方式。把神经网络思想引入医学资料的分析之中，并和传统统计分析方法相结合，预计为以上问题的解决提供新的思路和方法，这是本研究的目的。 本研究在熟悉神经网络基本理论和实现方法的基础上，进行了理论模拟研究和实际资料的应用研究。 模拟试验研究表明：①单层线性网络的权重系数与多元线性回归的系数相等或非常接近，两方法的区别仅在于系数求解的迭代过程不同。②单层神经网络和多元线性回归一样，不能克服多元共线性，而岭回归和不完全主成分分析能较好地克服协变量间的多元共线性。③多层神经网络的非线性拟合能力对于神经网络隐含层非线性转换函数的类型和资料的非线性类别具有非特异性。 实际资料的应用研究表明：①对两类判别问题，若选择适当的转换函数和网络结构，单层神经网络具有与Logistic回归模型相同的意义，但拟合结果稍优于Logistic回归模型。②多层神经网络的预测结果在灵敏度、特异度和ROC曲线下面积都大于Logistic回归模型和单层神经网络。③BP神经网络和Cox比例风险模型分别以CSR和线性和χβ作为预测变量进行预测准确性的比较，20对一致性指数的配对t检验表明，BP神经网络具有更高的预测一致性。④多层BP神经网络对临床随访资料复发时间的预测也取得了较为理想的结果。 人工神经网络具有较好的非线性处理能力，对资料的类型具有较少的限制性，值得在医学多元资料分析中进一步推广应用。
吴天鹏[6]2008年在《基于改进BP神经网络的大跨径连续刚构桥施工控制方法研究》文中研究表明随着我国公路和铁路高速交通事业的发展,急需修建更多的大跨度桥梁以跨越大江、大河和海湾,预应力混凝土连续刚构桥应运而生,近年来得到较快的发展。连续刚构桥梁墩固结,既保持了连续梁行车平顺舒适的优点,又保持了T型刚构不设支座减少养护工作量的优点。该桥型以强度高、线形明快、施工简便快捷、跨越能力强的优势在大跨度桥梁中得到了越来越广泛的应用。预应力混凝土连续刚构桥常常采用经济合理、方便快捷的悬臂现浇施工法。在悬臂施工过程中,桥梁结构受多种因素的影响,如混凝土的收缩、徐变、设计参数与实际数值的差异、施工误差、测量误差、温度变化等。在这些因素影响下,采用悬臂施工方法必然给桥梁结构带来较为复杂的内力和位移的变化。为了保证桥梁施工质量和桥梁施工安全,桥梁施工控制是必不可少的环节和措施。本文主要结合云南保龙高速沙田河大桥的施工监测监控项目,研究施工预拱度控制的结构计算和误差调整方法。通过对PC连续刚构桥现有施工控制资料的收集,借鉴已有研究成果,着重探究各种常用控制方法进行预测控制的本质,提出了基于BP神经网络为基本理论的施工控制方法。BP算法由于其神经元输出函数为Sigmoid函数,因此是一个非线性优化问题,不可避免的会出现局部极小和收敛慢的缺点。本文利用附加动量法和自适应学习率的结合来作为更新网络梯度和权值的算法。通过与实际施工数据及成桥后测量结果作分析比较,得到结论:运用本论文的计算模型和程序对预应力混凝土刚构桥预拱度控制过程进行结构分析和误差调整处理是可行的。
杨洋[7]2016年在《基于BP神经网络的自适应逆控制系统》文中研究指明现阶段,随着人们对自适应逆控制技术研究的不断深入,取得了一定的成果,并作为一种新颖的控制方法加以广泛应用,促进了其大力发展,使得该控制方法变得愈加成熟。通过梳理相关资料可知,国内外专家和工程人员对于线性自适应逆控制方法研究比较多,但是,就非线性自适应逆控制的研究而言,所获取的成就比较少。众所周知,如果想要有效提升非线性自适应逆控制的性能,就需要借助非线性自适应滤波器和非线性自适应逆控制结构来加以实现,为解决该技术问题,就需要通过神经网络来加以实施,这主要是基于BP(BP的全称为Back Propagation)神经网络结构具有优异的特征,例如,简单性、万能逼近性等特点,基于此,在本文的研究过程中,把BP神经网络非线性自适应滤波器引入到非线性自适应逆控制系统中,并选择适当的非线性自适应逆控制结构,以兼顾系统的动态特性和扰动抑制能力。在本文的研究过程中,首先对自适应逆控制方法进行改进,进而将其运用到永磁同步电机(PMSM)的伺服控制系统中,同时,还对该系统的自适应逆控制策略进行研究分析,在这个过程中,通过发现传统自适应滤波算法存在的缺陷,并由此提出了变步长算法,基于此,能够对具有非线性时变特性的跟踪控制问题进行解决。最后,在本文的研究过程中,还对PMSM伺服控制系统进行了仿真实验,通过实验证明使用改进后的方法,其跟踪更加快速,同时其精度也更加高,再就是系统的鲁棒性比较强。通过本文的实验结果证明,基于非线性的自适应逆控制能够最大程度上解决非线性和不确定系统在控制方面的问题,尤其在比较复杂的环境中效果较好。
王丹[8]2009年在《神经网络算法在旋压工艺中的应用研究》文中研究表明金属的旋压变形是局部的连续的变形,工艺参数的选择对旋压件的质量控制起到至关重要的作用。在实际生产中的往往起决定作用的是经验的积累。本文在深入研究了神经网络的基础上,结合归一化后的旋压工艺参数影响因素,建立了基于BP神经网络的旋压锥形件壁厚偏差预测模型和基于RBF神经网络的筒形件轴线偏移缺陷诊断模型。并且利用MATLAB神经网络工具对两个模型进行了训练,训练和测试结果表明锥形件壁厚偏差预测模型和筒形件轴线偏移缺陷诊断模型是正确的,对旋压工艺的生产实践有一定的借鉴意义。
钟静[9]2006年在《BP神经网络在基于数值模拟科学数据挖掘中的应用研究》文中研究指明在对大规模科学数据进行处理时,往往会因为其具有规模大、特征复杂的特点,使得理解、分析这些科学数据,并从中获取知识变得十分困难,由此科学资料挖掘势在必行。本项目主要研究适合于大规模科学数据挖掘(SDM)的神经网络理论和应用。特别深入研究以独立分量分析(ICA)为主的降维技术、以小波神经网络为主的压缩降噪技术解决科学数据特征复杂不便识别的问题;以同网格结合的神经网络、误差反向传播的BP神经网络、自适应多级自组织特征映像网络为主的分类、聚类技术解决科学数据挖掘中的大规模知识发现问题。提出了面向特殊应用——分子动力学数据模拟的神经网络模型,特别是研究针对科学数据分类、聚类和模式提取问题的神经网络应用。建立实用的科学数据挖掘系统,为从大规模数值模拟数据中提取有价值的信息提供有效的新方法。本文主要研究以误差反向传播BP神经网络处理的分类问题。首先描述了BP网络的基本模型,在传统BP网络的基础上,介绍了用于BP网络中的常见算法:标准BP算法(BP)、附加动量和学习率自适应调整的改进BP算法(BPX)、Levenberg-Marquardt优化方法(LM),并在Matlab上分别对这几种算法进行分析;然后利用一个高维的动物数据集,在Eclipse平台上建立了一个可扩展的用于BP神经网络的分类模型;针对科学数据的复杂性,以及BP神经网络易发生局部最优的缺点,最后,利用LM算法学习时间短的优点,以及进化策略具有良好的全局搜索能力,提出了将LM优化算法与改进的进化策略相结合的神经网络分类模型(CABEN)。该神经网络分类方法较之以往的神经网络分类方法,不仅解决了局部极小的问题,训练速度也更快,同时提高了分类精度。
张启明[10]2006年在《苏州市区SO_2浓度神经网络预测研究》文中研究表明2001年,意大利环境与领土部(IMET)和中国国家环保总局(SEPA)于苏州市建立了一套空气质量实时监测系统(AQMS)。为了充分利用AQMS监测数据对苏州空气质量进行评价和预报,意大利国家大气污染研究所、苏州环境监测中心站和清华大学于2005年开始合作,合作内容主要是利用人工神经网络进行苏州空气质量评价和预报的应用研究。在由苏州市环境监测中心提供的2004年各项数据的基础上,经过前期数据分析与筛选,从中导出了大气稳定度、混合层高等数据。结合苏州市SO_2排放的地理特征,对风向因子作了有效的赋权处理。经过大量的数据相关分析,将气象因子的时间特性与相互之间的关系作了深入的比较与研究。结合已知的SO_2扩散的物理模型知识,从经处理的气象因子数据中选取了与SO_2浓度相关度较高的13个因子作为预测网络的输入。经过对神经网络原理的研究与比较后,最终选定了3层结构的BP网络作为所需的预测网络。在网络的设计过程中,通过大量的计算比对,比较了不同隐层节点数目设置对网络性能带来的影响,并在此基础上选择了最佳的隐层节点数目设置。在网络的训练中,分析比较了不同的训练算法对预测效果的影响,从中选取了最优的算法作为最后的训练算法。在用2004年的数据做预测时,结果表明该模型可以较好地满足预测要求。在模型训练完毕后,分析了模型中的各个影响因子对于SO_2浓度的影响权重,有助于更好的了解苏州市SO_2污染扩散的成因等问题。为了更方便使用,使用Matlab与C的接口库,用C++实现了所需的网络计算模型。并在VC环境下设计了基于WINDOWS的操作界面,以便更好地用于实际计算。
参考文献：
[1]. BP多层神经网络在控制中的应用[D]. 朱庆华. 广西大学. 2004
[2]. 神经网络原理及其在有源电力滤波器中的应用[D]. 阴辉. 烟台大学. 2008
[3]. 神经网络在机器人控制中的应用[J]. 张诗军, 田会方. 国外建材科技. 2002
[4]. 基于神经网络的人脸朝向识别问题研究[D]. 朱宇鑫. 苏州大学. 2014
[5]. 医学多元资料分析中的人工神经网络方法研究[D]. 贺宪民. 第二军医大学. 2001
[6]. 基于改进BP神经网络的大跨径连续刚构桥施工控制方法研究[D]. 吴天鹏. 武汉理工大学. 2008
[7]. 基于BP神经网络的自适应逆控制系统[D]. 杨洋. 云南师范大学. 2016
[8]. 神经网络算法在旋压工艺中的应用研究[D]. 王丹. 辽宁工程技术大学. 2009
[9]. BP神经网络在基于数值模拟科学数据挖掘中的应用研究[D]. 钟静. 电子科技大学. 2006
[10]. 苏州市区SO_2浓度神经网络预测研究[D]. 张启明. 清华大学. 2006
标签：自动化技术论文; 人工神经网络论文; 自适应论文; 模型预测控制论文; bp算法论文; 自组织神经网络论文; 人脸识别算法论文; 预测模型论文; 网络模型论文; 人脸检测技术论文; 能力模型论文; 网络结构论文; 线性系统论文; 非线性论文; 图像识别论文; bp神经网络论文;