双向联想记忆神经网络的开关电流技术实现

人工神经网络技术可通过预先提供的一批互相对应的输入输出数据,分析掌握其潜在规律,并依据此规律利用新的输入数据推算输出结果。通过分析以往储集层压后产能分析技术的不足,优选出神经网络技术,基于其基本思想,首先建立了预测储集层压裂后产能的模型和方法,重点研究了在客观条件下如何调整压裂改造相关参数(包括裂缝长度、裂缝导流能力、裂缝高度、裂缝沟通水层的程度、压裂液对地层的污染程度等5个参数),根据较为准确的储集层理想产能预测结果,与现行方案及其压裂效果比较,据此形成储集层改造效果评价技术,并研制出配套的软件,在准噶尔盆地西北缘勘探区块大量应用,整体符合率83.33%,取得了较好的效果。

**资讯http://www.***.*** **资讯http://www.***.*** **资讯http://www.***.*** **资讯http://www.***.***

由于建立实际电阻点焊过程精确的数学模型比较困难,使得常规的人工调节pid控制器参数较难实现良好的匹配,从而难以获得满意的控制效果。针对该问题,将智能调节与pid控制方法相结合,利用模糊神经网络设计了参数kp、ki、kd自适应调整的pid控制器,构建了逆变电阻点焊电源的系统模型,通过对系统运行状态的在线学习智能化地修正pid的三个参数。pid控制输出量通过pwm发生器产生四路独立的、占空比实时变化的pwm波形,进而控制逆变器的功率开关器件导通时间,最终实现对系统恒电流的输出控制。仿真结果表明,该方法能根据系统的运行状态自行匹配对应最优控制规律下的pid三个参数,能有效地控制焊接电流的恒定,达到满意的效果。

推导了逆变点焊过程控制模型,并构建了逆变点焊模糊神经网络恒电流控制系统结构。根据该模型采用先正弦后恒定输入的方法对模糊神经网络(fnn)进行分段离线学习,提高网络的泛化能力和自适应能力。在线控制时,利用训练后的网络仅做正向模糊计算,输出逆变桥开关管占空比改变量的方法保证逆变器恒电流输出。最后使用matlab高级语言编程,完成了整个系统的仿真实验。仿真结果表明:分段训练后的fnn使用该方法可以实现逆变点焊电源的恒电流控制。

为解决建筑物基础沉降量的安全监测问题,对其进行有效的预测、校核与分析,运用matlab软件建立径向基神经网络模型对某市建筑物的基础沉降量进行预测.结果表明:径向基神经网络的结构形式简易,适应能力更强,预测误差比bp网络小,平均约为66.83%,达到预测精准度所需的耗时短、收敛速度更快.径向基神经网络的预测结果与实测结果较为吻合,表明径向基神经网络预测模型适用于建筑工程沉降预测领域之中.

电流互感器作为变电站重要设备,其运行工况的好坏直接影响变电站的安全运行,电流互感器数量多,在运行中也经常会遇见电流互感器各种各样的缺陷,比如发热、漏油、低油位等。通过对pms上电流互感器这个庞大的数据,单因素图表法分析电流互感器故障发生与其设备型号、设备生产厂家、设备投运时间之间的关系,多因素联合考虑,建立bp神经网络模型,综合考虑设备型号、设备生产厂家、设备投运时间因素,对其运行工况进行概率预测,同时对每个变电站符合模型要求的所有电流互感器进行预测,对容易发生电流互感器故障的变电站进行预警,运用地图无忧软件对bp模型计算的结果进行可视化展示,方便运维人员掌握电流互感器运行工况,对容易发生故障的电流互感器加强带电检测,提前安排检修,保障供电可靠性。

为了有效的实现用于混合式电力电子断路器的故障电流检测,设计了一种基于神经网络理论的短路电流检测方法,其主旨是将动态神经网络应用于故障电流的检测,利用反馈神经网络的历史记忆效应,对信号进行预测比较,可实现一种有效的短路电流故障检测。使用matlab神经网络工具箱进行仿真,通过仿真产生模拟训练样本,以单相工频基波叠加多次谐波分量,简化时可用类正弦函数代替,仿真结果表明了该方法的有效性和快速性。

传统电视已不能满足人们的日常生活要求,社会变革和经济发展,带动了我国有线电视技术地发展。目前,我国有线电视呈现双向网络发展趋势。本文着重对eoc有线网络中的双向网络改造技术进行分析,为我国有线电视发展提供理论依据。

吉林省的省会长春市已经被国务院确定为三网融合的试点城市,这就要求将有线电视网络传统的单向广播系统升级改造为双向数据传输系统,使有线电视网络不仅能满足高质量、多节目的传输要求,还能实现高速数据业务的交互功能,成为颇具竞争的宽带

运用灰色神经网络理论,研究了掺杂srtio3多功能陶瓷氧化热处理过程中,氧化热处理条件对介电性能和压敏性能的影响。根据各种参数的主行为因素的多少,运用gnnm(1,1)、gnnm(1,2)、gnnm(1,3)模型进行分析,并且建立了相应的gnnm(2,1)灰色神经网络模型。

本文分析了引起光电检测系统非线性误差的因素。在基于光电二极管的光照度检测实验中,应用rbf人工神经网络对光信号和电信号进行非线性误差补偿,实现了在不同环境温度下,光信号与电信号的线性转换,有效地提高光照度检测的检测精度。

用养护规范中17个评价指标作为输入层网络神经元,把桥梁损伤等级参数作为输出层神经元,建立了桥梁评估3层bp神经网络模型。选用湖北省110座旧桥的评估数据作为训练样本,后10个作为测试样本,经过2068次迭代运算的网络训练,得到了误差满足精度要求的收敛网络。将待评估的桥梁参数输入训练好的网络,得到评估桥梁的技术状态等级。

研究目的:分析人工神经网络应用于房地产估价的思路以及估价流程,采用matlab神经网络工具箱函数编程来实现基于神经网络的房地产估价模型的构建、训练与仿真。研究方法:文献资料法和案例分析法。研究结果:以训练样本为基础,建立基于神经网络的房地产估价模型,用测试样本检验,得出估价模型的精度较高。研究结论:神经网络对包含多种因素影响的房地产估价具有优势,基于神经网络的房地产估价模型具有很强的实用性和可操作性。

?1994-2010chinaacademicjournalelectronicpublishinghouse.allrightsreserved.http://www.cnki.net 基于神经网络的地铁供电系统直流馈线保护研究 张　健,张友鹏 (兰州交通大学　甘肃兰州　730070) 摘　要:为进一步完善地铁直流牵引供电系统的馈线保护,系统分析了现有的地铁直流牵引供电系统馈线保护的基本 配置和工作原理,并针对现有馈线保护的局限,提出一种新的利用前馈神经网络对故障信号进行多参量识别的基于神经网 络的馈线保护思路,有效地克服了既有保护自适应能力差以及特殊情况下保护可能失效的问题。通过使用matlab系统仿真 试验,证实这种方法切实有效。 关键词:馈线保护;神经网络;matlab;多参量输入 中图分类号:tp183　

数字化信息技术为有线电视的运营提供了改革技术支持,原有的hfc网络在epon技术的支持下进行双向网络改造(根据各地实际情况),能够有效提升有线电视的性价比。基于此,浅析如何利用epon技术进行hfc双向网络的改造,旨在为数字电视的发展提供一定的参考与指导。

建立以材料电阻率、板厚、焊点间距为输入空间,分流率为输出空间的连续顺序电阻点焊分流率的3层误差反向传播(backpropagation,bp)神经网络预测模型。依据电阻点焊恒流控制的特点和点焊过程的电阻变化规律建立分流率的理论计算模型,由该模型所得数据作为样本对网络进行训练和检验。对2.0mm厚度的20钢及1.5mm、1.0mm厚度的10钢等厚度点焊的分流进行预测,预测相对误差最大值分别为2.83%、1.77%和3.67%。验证试验结果表明,应用建立的神经网络的预测结果进行分流补偿后,在焊点间距为30mm和50mm时,第2～5焊点熔核直径相对第1点的平均误差,1.0mm厚度的10钢分别约为2.86%和3.99%,2.0mm厚度的20钢分别约为2.46%和3.58%。证明采用建立的bp神经网络分流预测模型,对10钢和20钢恒流控制连续顺序点焊时的分流进行预测是可行的。

建筑节能是当今城市建设和社会发展的前沿和研究热点,对建筑的能耗现状进行综合分析与评估是进行节能改造或节能设计的前提和基础,而建立反映能耗变化的预测模型是从宏观尺度上分析认识建筑能耗变化与发展特性、为公共建筑节能工作提供决策依据的有效途径和重要手段。研究针对常规bp网络算法收敛速度慢、易陷入局部最小点的缺点,采用了具有较快收敛速度及稳定性的lm算法进行预测,构造了基于bp神经网络的建筑物用电量预测模型。以某市公共建筑原始用电能耗统计数据作为样本,并采用matlab对预测模型进行了仿真预测。结果显示:误差在允许范围内。

当前一般按照数据的后验分布,为缺失值插入估计值,通常低估了统计量的方差,导致统计量估计置信范围降低,检测显著性降低。为此,提出1种新的基于bp神经网络的农资库存数据插补技术。为了增强不同年份农资库存数据的可比性,对数据进行归一化处理。针对训练的bp神经网络,通过平均绝对误差、均方误差、平均预测误差、平均绝对百分误差完成统计分析,评价模拟值和观测模拟值间的离散程度。分析了bp神经网络结构,对农资库存数据进行插补的过程中,构造双向时间识别序列,改变应用前一时间段农资库存数据预测后期数据的传统方式,采用缺失时间段前后已有农资库存数据共同对缺失数据进行预测。完成农资库存数据的处理后,需对已有样本进行训练,如果检验拟合度指标值高于0.8,则认为训练结果可靠,从而完成对缺失值的预测,实现农资库存数据插补。试验结果表明,所提技术插补精度高。

为在继电器的设计和生产阶段通过多个评价指标评价其整体品质,研究了多层次综合评判模型的可计算性。该模型依据电器产品设计方案关于技术性能和成本的综合评价指标体系,并通过对神经网络原理的评判方法的研究而建立。实例证明,人工神经网络的出现为处理各种模糊的、数据不完全的、模拟的、不精确的模式识别问题提供了一个全新的途径。

介绍了逆向工程的含义和它的工作流程图,分析了三坐标测量机结构及其组成部分。以摩托车饰盖为例,利用三坐标测量机对实物轮廓进行准确、快速的测量。并提出通过神经网络的方法对摩托车表面进行点云数据归一化处理,从而确定\"点云\"数据的特征线;然后再进行曲面的分割,对于不同的数据块,能直接从神经网络的权值矩阵得到曲线的控制顶点,采用神经网络重构方法对曲面进行拟合;最后,将这些曲面片拼接、裁剪,完成复杂曲面模型的重建,即得到摩托车饰盖的曲面模型。

目前为止,现有的油田开发指标预测方法难以反映实际存在的时间累积效应对该指标预测的影响。因此,为提高油田开发指标预测的准确度,本文提出基于径向基过程神经元网络的油田开发动态指标预测模型,并将其应用到实际油田开发动态指标的预测中。实例分析结果表明,本文提出的径向基过程神经元网络的油田开发动态指标的预测方法精度高、速度快,是预测油田开发指标的一种较实用的方法。

详细分析了开关电流(si)电路第二代存储单元的传输函数和主要缺点,在此基础上设计了延迟线电路,并减小了电路中的时钟馈通误差和传输误差。hspice仿真结果表明,该电路能精确地对输入信号进行采样保持,并且能无失真延迟任意时钟周期,可作为离散时间系统的基本单元电路。