簡(jiǎn)介：點(diǎn)擊查看更多基于人工智能視角的水電廠二次系統(tǒng)構(gòu)建.pdf精彩內(nèi)容。

簡(jiǎn)介：隨著工業(yè)生產(chǎn)的控制分散性和管理集中性的要求不斷提高分布式控制系統(tǒng)DCS已成為工業(yè)自動(dòng)化系統(tǒng)的主要結(jié)構(gòu)智能儀表DCS正是適應(yīng)這一趨勢(shì)而產(chǎn)生的。在現(xiàn)場(chǎng)總線通信實(shí)現(xiàn)信息交互集成的基礎(chǔ)上如何充分發(fā)揮各智能儀表中的微處理器和控制PC機(jī)的計(jì)算處理能力采用先進(jìn)的控制方法提高系統(tǒng)控制品質(zhì)是智能儀表DCS技術(shù)研究中的一個(gè)重要課題。人工神經(jīng)網(wǎng)絡(luò)由于具有函數(shù)逼近及自學(xué)習(xí)等優(yōu)點(diǎn)在自動(dòng)控制領(lǐng)域取得了廣泛的應(yīng)用。本文在綜述人工神經(jīng)網(wǎng)絡(luò)原理和有關(guān)控制方法的基礎(chǔ)上以智能儀表DCS應(yīng)用為背景對(duì)采用BP網(wǎng)絡(luò)構(gòu)造對(duì)象局部模型并進(jìn)行控制優(yōu)化計(jì)算的控制方法、基于BP網(wǎng)絡(luò)的PID參數(shù)整定方法進(jìn)行了研究并在智能儀表DCS實(shí)驗(yàn)系統(tǒng)上完成了相關(guān)實(shí)驗(yàn)實(shí)驗(yàn)結(jié)果令人滿(mǎn)意。在對(duì)實(shí)現(xiàn)建模學(xué)習(xí)、控制優(yōu)化以及PID參數(shù)整定中的諸多問(wèn)題進(jìn)行分析討論的基礎(chǔ)上提出了有關(guān)方法在智能儀表DCS中的應(yīng)用方案。同時(shí)根據(jù)實(shí)驗(yàn)的需要對(duì)原有的實(shí)驗(yàn)系統(tǒng)軟件作了相應(yīng)的改進(jìn)。最后對(duì)今后的研究工作提出了設(shè)想。

簡(jiǎn)介：人工智能技術(shù)的出現(xiàn)為各個(gè)領(lǐng)域的研究帶來(lái)了新的分析方法，本學(xué)位論文對(duì)人工智能技術(shù)在樁基設(shè)計(jì)中的應(yīng)用進(jìn)行了研究，建立了相應(yīng)的樁基輔助設(shè)計(jì)系統(tǒng)。該系統(tǒng)根據(jù)樁基設(shè)計(jì)過(guò)程中的特點(diǎn)，主要利用人工神經(jīng)網(wǎng)絡(luò)ANN和基于范例的推理CBR這兩種技術(shù)來(lái)進(jìn)行輔助設(shè)計(jì)，克服傳統(tǒng)樁基設(shè)計(jì)專(zhuān)家系統(tǒng)存在的缺點(diǎn)。首先，論文分析了目前樁基設(shè)計(jì)中的一些問(wèn)題，對(duì)人工智能技術(shù)的概況做了介紹，并對(duì)人工智能技術(shù)在樁基設(shè)計(jì)領(lǐng)域內(nèi)的應(yīng)用現(xiàn)狀進(jìn)行了論述。其次，本文詳細(xì)介紹了人工智能領(lǐng)域內(nèi)比較活躍且應(yīng)用最廣的人工神經(jīng)網(wǎng)絡(luò)技術(shù)和較具發(fā)展?jié)摿Φ幕诜独评淼募夹g(shù)。在對(duì)樁基設(shè)計(jì)進(jìn)行分析研究的基礎(chǔ)上，主要利用這兩種技術(shù)來(lái)建立基于人工智能的樁基輔助設(shè)計(jì)系統(tǒng)，用來(lái)確定樁基初步設(shè)計(jì)當(dāng)中樁基持力層位置、樁型、樁基尺寸以及給出參考樁數(shù)，并結(jié)合同濟(jì)啟明星PILE2000軟件的詳細(xì)設(shè)計(jì)來(lái)給出最終的樁基設(shè)計(jì)方案。此外，本文還就人工神經(jīng)網(wǎng)絡(luò)在預(yù)測(cè)單樁極限承載力中的應(yīng)用進(jìn)行了討論，并分析了BP人工神經(jīng)網(wǎng)絡(luò)中的需注意的一些問(wèn)題。另外，在原有CBR推理的基礎(chǔ)上做了進(jìn)一步的改進(jìn)，使得檢索的結(jié)果更加科學(xué)合理。最后，利用建立的樁基輔助設(shè)計(jì)系統(tǒng)對(duì)實(shí)例進(jìn)行分析。關(guān)鍵詞人工智能、人工神經(jīng)網(wǎng)絡(luò)、基于范例的推理、樁基輔助設(shè)計(jì)系統(tǒng)

簡(jiǎn)介：該文主要研究四類(lèi)典型的QOS組播路由問(wèn)題求解論文共分三個(gè)部分第一部分是緒論對(duì)計(jì)算機(jī)網(wǎng)絡(luò)的組播通信進(jìn)行了綜述主要介紹IP組播的發(fā)展歷史、工作原理、實(shí)現(xiàn)方案然后提出QOS組播路由問(wèn)題并介紹QOS組播路由問(wèn)題的研究現(xiàn)狀以及研究的重要性第二部分是研究的基礎(chǔ)部分主要介紹QOS組播路由模型的構(gòu)成我們首先介紹QOS路由的基本概念和原理著重討論圖模型、狀態(tài)信息QOS度量和QOS路由的基本情況以便我們了解QOS路由及其所涉及的問(wèn)題然后簡(jiǎn)要地分析了QOS路由問(wèn)題最后為了便于描述QOS組播路由問(wèn)題的數(shù)學(xué)模型給出QOS組播路由問(wèn)題的一些定義第三部分是該文研究的重點(diǎn)著重介紹目前的研究熱點(diǎn)基于人工智能技術(shù)的組播路由算法主要研究四個(gè)方面的問(wèn)題時(shí)延和時(shí)延抖動(dòng)約束組播路由問(wèn)題帶度約束組播路由問(wèn)題完全QOS參數(shù)約束組播路由問(wèn)題綜合QOS參數(shù)約束的組播路由問(wèn)題最后還根據(jù)QOS組播路由的特點(diǎn)結(jié)合遺傳算法的尋優(yōu)特性提出了一種新的基于遺傳算法的綜合QOS參數(shù)約束的組播路由算法最后對(duì)該文所做的工作做了一個(gè)總結(jié)并對(duì)QOS組播通信路由問(wèn)題的求解進(jìn)行了展望

簡(jiǎn)介：點(diǎn)擊查看更多基于人工智能的陶瓷輥道窯虛擬設(shè)計(jì)的研究.pdf精彩內(nèi)容。

簡(jiǎn)介：點(diǎn)擊查看更多基于人工智能的轉(zhuǎn)爐吹煉模型的開(kāi)發(fā)研究.pdf精彩內(nèi)容。

簡(jiǎn)介：中南大學(xué)碩士學(xué)位論文基于人工神經(jīng)網(wǎng)絡(luò)的攤鋪機(jī)智能故障診斷系統(tǒng)研究姓名王政申請(qǐng)學(xué)位級(jí)別碩士專(zhuān)業(yè)機(jī)械設(shè)計(jì)及理論指導(dǎo)教師吳運(yùn)新20041201中南大學(xué)碩士學(xué)位論文ABGN乙～CTABSTRACTHEAV塒UTYEN百NEENGPLATLTSSUCHASPAVCR、T婦NSPONJNGCARETCBECAMEMOREALLDMORECOMPLICATEALLDROBOTICIZEDNOWADAYSTLLEYHAVEMOREANDMORETYPESANDFOMSOFFAULTSINTHEMSELVES，ANDHAVELATEMREASONSOFTHCFAULTS，WHICHBRINGSALOTOFDIMCULTPROBLEMS6竹THEFAULTDIA卸OSTICST0SOLVETHE仃ADITIONALMETHODOFFAULTDIA印OSISISUNABJETODIAGNOSEMETROUBLEINHEA、哆DUTYEQUIPMENTACCURATELYANDREALTIMELYNISVERYESSEMIALTOSEEKAMOREPE疵CTINGDIA印OSISMETHODFBRTHEDIAGNOSTICBYTHCORE“CALRESEARCHINGANDPRACTJSIN島T11ETHESISSTUDJEDDE印LYMEMAINRCSEARCHCONTEMSANDKEYTECHNOLOGIESOFTHEIMELLIGEM白UNDIA薩OSISSYSTEMBASEDONNELLRALNEMORKWHICHISANEWLYDEVELOPEDTECHNOLOGYNOWADAYSTHENWESETUPAEXPERIMEMALPLATFO肌OFLON爭(zhēng)啪GEFAULTDIA即OSISCENTERCOMBINJNGMECOMPUTERNETWORKTECHNOLOGYWESTILDIEDNLEHYDRAULICPRESSLLRESYSTEMINTHEPAVEAS0URDIAGNOSISDBJECTANDDEVELOPEDANEWMEⅡLODOFREASONINGMECHANISMBASED衄ANE呦1NETWORKWITHTHREELAYERSAT1AST，WECONSTRILCTAINTELLIGENTDIA印OSISSYSTELNWITH咐O】AYERSBYT11ETECHNOLOGROFNEURA】NEMORK、EXP哦SYSTEMAIID舭強(qiáng)可MEO彤MEANWHILEWESMDIEDTHETECHNOLOGYOFGENINGTHEDIAGNOSISSYSTEMINBEDEDINWCBSEN，％ANDSUCCEEDEDINP脯INGUPALON驢RANGEINTELLIGENTDIA舶OSISCENTERBASEDONINTENLETEXPERIMEMINDICATETH砒THELON哥RANGEINTELLIGENTF抽NDIA伊OSISSYSTEMCALLSUCCEEDINDIAGILOSINGLON哥啪GLYTHENOUBLEOFTHEONTHESPOTEQUIPMEMS，ALLDMEETTHEREQUIREDACCURACYANDRCALTIMECHARACTERINTHEDIA盟OSISOFLARGESCA】EMECBALLICALEQUIPMENTKEYWORDDIA朗OSE，PAVERNEURALNE似ORK，INTEMETⅡ

簡(jiǎn)介：智能人工腿是目前機(jī)器人學(xué)和生物醫(yī)學(xué)工程學(xué)領(lǐng)域一個(gè)備受關(guān)注的研究熱點(diǎn)，它與傳統(tǒng)機(jī)械人工腿的區(qū)別之處在于其能夠根據(jù)對(duì)外界環(huán)境信息的識(shí)別和處理，自動(dòng)地協(xié)調(diào)假肢與健肢的步速和步態(tài)，使患者獲得自然和諧的行走行為。體現(xiàn)這種智能性的一個(gè)關(guān)鍵因素是人工腿內(nèi)部安裝有智能控制器。這種控制器能夠獲取外界環(huán)境信息并進(jìn)行分析處理，輸出相應(yīng)控制信息，使執(zhí)行機(jī)構(gòu)汽缸或液壓缸能夠改變自身的參數(shù)從而產(chǎn)生所需要的伸展力和阻尼，最后改變?nèi)斯ね鹊牟剿俸筒綉B(tài)。論文研究一個(gè)能夠?qū)崿F(xiàn)人工腿智能化的控制器，使人工腿能夠根據(jù)步行環(huán)境的變化自主選擇合適的步速步態(tài)，使患者恢復(fù)較協(xié)調(diào)的行走行為。該系統(tǒng)為一個(gè)高精度位置伺服控制系統(tǒng)，通過(guò)控制安裝在汽缸中的針閥開(kāi)度來(lái)調(diào)整步速。為使系統(tǒng)具有良好的動(dòng)態(tài)性能和穩(wěn)態(tài)性能，采用電流環(huán)、速度環(huán)和位置環(huán)三閉環(huán)控制結(jié)構(gòu)，每個(gè)環(huán)都設(shè)計(jì)有相應(yīng)的控制器完成校正調(diào)節(jié)任務(wù)，分別是PI控制器、PI控制器和一個(gè)在線參數(shù)白調(diào)整的模糊PD控制器。其中電流環(huán)和速度環(huán)是為了增強(qiáng)系統(tǒng)的快速性能和抗干擾性能，位置環(huán)是為了得到更高的控制精度。該系統(tǒng)選用一種新的進(jìn)化算法微分進(jìn)化算法DIFFERENTIALEVOLUTIONALGITHM，對(duì)控制器的參數(shù)進(jìn)行整定優(yōu)化。文中詳細(xì)介紹了微分進(jìn)化算法，它是一種基于自然進(jìn)化思想的隨機(jī)搜索算法，相比于其他類(lèi)似搜索算法有其獨(dú)特的優(yōu)點(diǎn)和應(yīng)用前景，本文利用它對(duì)PID控制器的參數(shù)進(jìn)行優(yōu)化整定，結(jié)果表明效果良好。同時(shí)在文中闡述了三閉環(huán)位置伺服控制系統(tǒng)的設(shè)計(jì)過(guò)程，給出了計(jì)算機(jī)的仿真結(jié)果。最后說(shuō)明了控制器硬件電路的設(shè)計(jì)和開(kāi)發(fā)，軟件的設(shè)計(jì)和調(diào)試，控制系統(tǒng)實(shí)驗(yàn)結(jié)果表明，本文設(shè)計(jì)的智能人工腿控制器能夠有效地提高控制系統(tǒng)的智能性、魯棒性、快速性和準(zhǔn)確性，可以完成汽缸針閥開(kāi)度的調(diào)節(jié)任務(wù)，能夠使截肢者恢復(fù)協(xié)調(diào)的行走行為。

簡(jiǎn)介：隨著網(wǎng)絡(luò)技術(shù)和控制技術(shù)的發(fā)展，網(wǎng)絡(luò)化控制系統(tǒng)的分析和設(shè)計(jì)已成為控制理論與應(yīng)用領(lǐng)域的研究熱點(diǎn)之一，它也將成為工業(yè)控制技術(shù)發(fā)展的必然趨勢(shì)。網(wǎng)絡(luò)控制系統(tǒng)是完全網(wǎng)絡(luò)化、分布化的控制系統(tǒng)，控制回路中的傳感器、執(zhí)行器以及控制器之間均通過(guò)通信網(wǎng)絡(luò)連接，并且控制系統(tǒng)中的受控變量和控制變量都以數(shù)字量的形式在網(wǎng)絡(luò)中傳遞。由于通信網(wǎng)絡(luò)的引入，控制系統(tǒng)中信號(hào)傳遞的時(shí)延成為影響控制效果的主要因素之一，它會(huì)降低系統(tǒng)的性能甚至引起系統(tǒng)不穩(wěn)定，而傳統(tǒng)的控制方法無(wú)法有效地解決這個(gè)問(wèn)題。人工智能方法提供了新的思路。本文首先研究了基于CCLINK現(xiàn)場(chǎng)總線網(wǎng)絡(luò)控制系統(tǒng)的系統(tǒng)結(jié)構(gòu)以及時(shí)延特性對(duì)系統(tǒng)穩(wěn)定性的影響，設(shè)計(jì)了基于TRUETIME工具箱的網(wǎng)絡(luò)控制系統(tǒng)仿真平臺(tái)然后針對(duì)網(wǎng)絡(luò)控制系統(tǒng)時(shí)延具有隨機(jī)、時(shí)變的特性，研究了兩種人工智能控制算法，即SMITH預(yù)估模糊PID控制器和基于動(dòng)態(tài)BP網(wǎng)絡(luò)誤差修正的廣義預(yù)測(cè)控制，并應(yīng)用到網(wǎng)絡(luò)控制系統(tǒng)中，減小時(shí)延對(duì)系統(tǒng)控制性能的影響最后設(shè)計(jì)了彩報(bào)印刷墨色預(yù)置控制系統(tǒng)，將模糊PID控制算法應(yīng)用到系統(tǒng)當(dāng)中，實(shí)現(xiàn)了對(duì)出墨量的控制。

簡(jiǎn)介：價(jià)值投資理論自其誕生之日起至今已有數(shù)十年的發(fā)展歷史，目前已經(jīng)成為西方成熟市場(chǎng)上的主流投資理念。隨著我國(guó)股市的日益發(fā)展，市場(chǎng)回歸理性的趨勢(shì)日漸明顯。在這樣的市場(chǎng)環(huán)境下，價(jià)值投資逐漸受到我國(guó)股市投資者的青睞，在價(jià)值投資熱潮興起的同時(shí)，由于國(guó)內(nèi)外股票市場(chǎng)和上市公司素質(zhì)的差異性導(dǎo)致舶來(lái)的價(jià)值投資理論倍受非議。但是隨著中國(guó)證券市場(chǎng)逐步走向規(guī)范化運(yùn)作，價(jià)值投資必將成為市場(chǎng)的主流投資理念。在這樣的背景下，從我國(guó)證券市場(chǎng)的現(xiàn)實(shí)狀況出發(fā)，深化對(duì)價(jià)值投資的研究具有深遠(yuǎn)的理論和現(xiàn)實(shí)意義?；谝陨险J(rèn)識(shí)，論文的研究工作從價(jià)值投資的理論與方法兩個(gè)方面展開(kāi)。從傳統(tǒng)價(jià)值投資理論的基本觀點(diǎn)來(lái)看，價(jià)值投資是依據(jù)股票內(nèi)在價(jià)值與股價(jià)之間形成的“安全邊際”作投資決策，特別關(guān)注股票的價(jià)值性，其對(duì)股票內(nèi)在價(jià)值的判斷，通常遵循威廉姆斯“股票內(nèi)在價(jià)值等于公司證券持有者未來(lái)年份得到的分紅和利息的現(xiàn)值”的投資理論，通過(guò)對(duì)預(yù)期的股票投資回報(bào)率的貼現(xiàn)值來(lái)衡量?jī)?nèi)在價(jià)值，該方法缺乏可操作性，而且關(guān)于價(jià)值投資的研究還有一種傾向，即通過(guò)單純的市盈率或市凈率指標(biāo)來(lái)判斷股票的“安全邊際”，這種傾向有一定的合理性，但單純的市盈率或市凈率并不能全面反映股票的價(jià)值性和成長(zhǎng)性，忽視股票的成長(zhǎng)性也是傳統(tǒng)價(jià)值投資理論的重大缺陷。針對(duì)傳統(tǒng)價(jià)值投資理論的不足，本文從股票虛擬性的角度考慮，提出股票虛擬價(jià)值的概念，并具體分析股票虛擬價(jià)值的易變性和相對(duì)穩(wěn)固性，在此基礎(chǔ)上提出新價(jià)值投資框架，以此作為傳統(tǒng)價(jià)值投資理論的補(bǔ)充和發(fā)展。與傳統(tǒng)的價(jià)值投資理論相比，新價(jià)值投資是建立在股票虛擬價(jià)值的基礎(chǔ)上的，而上市公司的運(yùn)營(yíng)狀況通過(guò)市場(chǎng)的作用直接影響到股票的虛擬價(jià)值，進(jìn)而影響到股票虛擬價(jià)值的易變性和相對(duì)穩(wěn)固性的強(qiáng)弱，因此新價(jià)值投資可以通過(guò)對(duì)上市公司財(cái)務(wù)基本面信息的挖掘來(lái)把握股票虛擬價(jià)值和價(jià)格的關(guān)系和發(fā)展態(tài)勢(shì)。新價(jià)值投資就是通過(guò)挖掘出那些價(jià)格低于其虛擬價(jià)值，并且價(jià)格向股票的虛擬價(jià)值回復(fù)的股票，以此來(lái)投資獲利的股票投資策略。新價(jià)值投資能夠兼顧股票的價(jià)值性和成長(zhǎng)性，其投資策略可操作性強(qiáng)，特別適合我國(guó)現(xiàn)階段股市，是對(duì)傳統(tǒng)價(jià)值投資理論的有益補(bǔ)充。在新價(jià)值投資框架下，本文將模式識(shí)別與新價(jià)值投資相結(jié)合，設(shè)計(jì)了從科學(xué)選股到組合投資的一整套價(jià)值投資方法，其中人工智能方法貫穿始終。由于在具體的股票投資實(shí)踐中，無(wú)法實(shí)現(xiàn)對(duì)股票價(jià)值信息毫無(wú)遺漏的占有，因此本文在新價(jià)值投資框架下，充分利用模糊聚類(lèi)技術(shù)在處理海量數(shù)據(jù)方面的優(yōu)勢(shì)，從上市公司財(cái)務(wù)基本面信息中挖掘出有價(jià)值的關(guān)鍵信息，從實(shí)證角度為支持向量機(jī)股票選擇模型的建立提取出相對(duì)簡(jiǎn)約的股票價(jià)值特征集，該特征集基本涵蓋了股票價(jià)值投資所需要的有效信息。在此基礎(chǔ)上，采用實(shí)證方法建立基于價(jià)值投資的支持向量機(jī)股票選擇模型，該選股模型通過(guò)對(duì)股票價(jià)值信息的判斷，能夠?qū)崿F(xiàn)對(duì)股票的有效篩選。在實(shí)證方面，利用支持向量機(jī)股票選擇模型對(duì)上證180指數(shù)成分股票進(jìn)行識(shí)別，將篩選出的10支股票的半年持有期、一年持有期、兩年持有期和三年持有期的實(shí)際投資回報(bào)率與上證180指數(shù)的指數(shù)回報(bào)率作對(duì)比，超過(guò)指數(shù)回報(bào)率的股票略高于70％，該結(jié)果足以驗(yàn)證基于價(jià)值投資的支持向量機(jī)股票選擇模型在投資實(shí)踐中的選股能力。盡管支持向量機(jī)股票選擇模型能夠以較大的概率篩選出具有較大增值潛力的股票，但選股的結(jié)果中也可能包含若干沒(méi)有增值潛力的股票，可見(jiàn)，對(duì)優(yōu)選出來(lái)的股票構(gòu)造投資組合來(lái)分散投資風(fēng)險(xiǎn)是必要的。因此本文在MARKOWITZ投資組合的均值－方差模型框架下建立了RAROC目標(biāo)優(yōu)化的價(jià)值投資組合模型，并具體通過(guò)模擬退火遺傳算法對(duì)投資組合求解。該模型以VAR作為風(fēng)險(xiǎn)度量工具，以RAROC作為目標(biāo)優(yōu)化函數(shù)，能夠?qū)⑼顿Y決策的風(fēng)險(xiǎn)和收益二元目標(biāo)約束整合為RAROC單目標(biāo)約束，能夠有效地分散單支股票集聚的風(fēng)險(xiǎn)。

簡(jiǎn)介：空氣預(yù)熱器漏風(fēng)率是影響空預(yù)器效率的一個(gè)最重要的因素，但是由于空預(yù)器漏風(fēng)率不僅受到空預(yù)器本身制作工藝，密封效果的影響，還受到煙速、煙溫、空氣速度、空氣溫度、煙氣靜壓等諸多運(yùn)行參數(shù)的影響，關(guān)系復(fù)雜。從局部和短期而言運(yùn)行參數(shù)表現(xiàn)為較強(qiáng)的隨機(jī)特征，而從全局和長(zhǎng)期而言表現(xiàn)為較強(qiáng)的規(guī)律性。人工神經(jīng)網(wǎng)絡(luò)作為一種計(jì)算智能方法，能夠識(shí)別和模擬數(shù)據(jù)的非線性關(guān)系，具有可逼近任意非線性函數(shù)的學(xué)習(xí)能力，可以從紛繁復(fù)雜的數(shù)據(jù)中找出其中的規(guī)律。對(duì)了解和掌握空預(yù)器的運(yùn)行工作狀況起到十分重要的作用。本文簡(jiǎn)要介紹了神經(jīng)網(wǎng)絡(luò)的發(fā)展及應(yīng)用，并論述了回轉(zhuǎn)式空氣預(yù)熱器漏風(fēng)測(cè)控系統(tǒng)，提出了本課題的研究?jī)?nèi)容及研究方法。在分析生物神經(jīng)元網(wǎng)絡(luò)的基本原理和結(jié)構(gòu)的基礎(chǔ)上介紹了人工神經(jīng)網(wǎng)絡(luò)的概念、特征和基本原理，詳細(xì)討論了BP網(wǎng)絡(luò)和BP算法。對(duì)電站鍋爐回轉(zhuǎn)式空預(yù)器的概念和性質(zhì)及特點(diǎn)進(jìn)行詳細(xì)闡述，并對(duì)空預(yù)器漏風(fēng)因素進(jìn)行分析。通過(guò)對(duì)網(wǎng)絡(luò)參數(shù)的選擇、樣本的選取與處理以及網(wǎng)絡(luò)結(jié)構(gòu)的選擇和設(shè)計(jì)，確定了針對(duì)回轉(zhuǎn)式空預(yù)器的人工神經(jīng)網(wǎng)絡(luò)模型，并對(duì)傳統(tǒng)BP算法的局限性，提出了BP算法的改進(jìn)策略。利用MATLAB65的神經(jīng)網(wǎng)絡(luò)工具箱進(jìn)行網(wǎng)絡(luò)建模與仿真實(shí)驗(yàn)，確定網(wǎng)絡(luò)的歸一化函數(shù)，訓(xùn)練函數(shù)、隱層單元數(shù)目和活化函數(shù)。根據(jù)己經(jīng)確定的網(wǎng)絡(luò)結(jié)構(gòu)，對(duì)空預(yù)器漏風(fēng)率進(jìn)行預(yù)測(cè)。本文是在對(duì)沙市熱電廠50MW機(jī)組鍋爐空預(yù)器進(jìn)行熱態(tài)測(cè)試的基礎(chǔ)上，利用MATLAB65提供的神經(jīng)網(wǎng)絡(luò)工具箱為開(kāi)發(fā)工具，對(duì)回轉(zhuǎn)式空預(yù)器漏風(fēng)率進(jìn)行仿真建模，取得了比較好的預(yù)測(cè)結(jié)果。

簡(jiǎn)介：本文研發(fā)了基于人工智能的配棉技術(shù)與紗線質(zhì)量預(yù)測(cè)系統(tǒng)，研究了BS結(jié)構(gòu)模式下，將數(shù)據(jù)層、業(yè)務(wù)邏輯層和表示層進(jìn)行封裝和分離的數(shù)據(jù)保護(hù)問(wèn)題。探討了綜合計(jì)算機(jī)軟件和人工智能算法等多種關(guān)鍵技術(shù)來(lái)實(shí)現(xiàn)計(jì)算機(jī)自動(dòng)配棉和紗線質(zhì)量預(yù)測(cè)等多種功能的方法，并在ASP開(kāi)發(fā)平臺(tái)中實(shí)現(xiàn)了MVC架構(gòu)模式。本文研究了原棉性能與紗線質(zhì)量之間的關(guān)系，為了解決配棉難的問(wèn)題，設(shè)計(jì)了新的計(jì)算機(jī)自動(dòng)配棉數(shù)學(xué)模型，分析了基本遺傳算法在解決該問(wèn)題時(shí)的優(yōu)缺點(diǎn)，并運(yùn)用群體排序和局部尋優(yōu)等關(guān)鍵技術(shù)，提出了一種改進(jìn)的混合遺傳算法。本文設(shè)計(jì)了BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)紗線質(zhì)量預(yù)測(cè)模型，分析了標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)算法在構(gòu)建紗線質(zhì)量預(yù)測(cè)模型時(shí)存在的不足及其原因，探討了一種改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)紗線質(zhì)量預(yù)測(cè)模型，實(shí)驗(yàn)證明該模型增加了網(wǎng)絡(luò)的收斂速度并提高了系統(tǒng)穩(wěn)定性；構(gòu)建了基于遺傳算法的RBF神經(jīng)網(wǎng)絡(luò)紗線質(zhì)量預(yù)測(cè)模型，該模型預(yù)測(cè)精度較高，訓(xùn)練時(shí)間較短，能很好地解決紗線質(zhì)量預(yù)測(cè)的問(wèn)題。

簡(jiǎn)介：針對(duì)國(guó)內(nèi)高校學(xué)分制改革的新需求，本文基于人工智能理論設(shè)計(jì)了一種計(jì)算機(jī)自動(dòng)排課系統(tǒng)。本文建立了計(jì)算機(jī)自動(dòng)排課的數(shù)學(xué)模型，設(shè)計(jì)了計(jì)算機(jī)自動(dòng)排課的算法，并且通過(guò)對(duì)人工智能相關(guān)論理的深入研究，完成了算法中有關(guān)知識(shí)表示和知識(shí)庫(kù)的設(shè)計(jì)，并應(yīng)用機(jī)器學(xué)習(xí)理論調(diào)整數(shù)據(jù)庫(kù)，使得排課結(jié)果更合理。并對(duì)其進(jìn)行了實(shí)驗(yàn)研究。設(shè)計(jì)并完成了一套計(jì)算機(jī)自動(dòng)排課軟件。這是一套滿(mǎn)足新的教學(xué)體制下排課工作要求的軟件，而且解決了農(nóng)業(yè)、林業(yè)、醫(yī)學(xué)等一些專(zhuān)業(yè)比較特殊，課程設(shè)置復(fù)雜，排課難度比較大的院校的課程安排。該系統(tǒng)使新形勢(shì)下高校教學(xué)教務(wù)工作開(kāi)展的更高效，學(xué)校的教學(xué)資源能夠利用的更充分，教育體制的改革的推行更順利。

簡(jiǎn)介：PID控制以其結(jié)構(gòu)簡(jiǎn)單、可靠性高、易于工程實(shí)現(xiàn)等優(yōu)點(diǎn)至今仍被廣泛應(yīng)用。在系統(tǒng)模型參數(shù)變化不大的情況下，PID控制性能優(yōu)良。但隨著現(xiàn)代工業(yè)的發(fā)展，工業(yè)生產(chǎn)過(guò)程往往具有非線性、不確定性，難以建立精確的數(shù)學(xué)模型，應(yīng)用常規(guī)的PID控制器難以達(dá)到理想的控制效果。人工神經(jīng)網(wǎng)絡(luò)ANN（ARTIFICIALNEURALWK）具有自學(xué)習(xí)、自適應(yīng)和自組織的能力，將ANN與傳統(tǒng)的PID控制結(jié)合，構(gòu)成智能型的神經(jīng)網(wǎng)絡(luò)PID控制器。它不需建立精確的數(shù)學(xué)模型，能夠自動(dòng)辨識(shí)被控過(guò)程參數(shù)、自動(dòng)整定控制參數(shù)、適應(yīng)被控過(guò)程參數(shù)的變化，是解決傳統(tǒng)PID控制器參數(shù)整定難、不能實(shí)時(shí)調(diào)整參數(shù)和魯棒性不強(qiáng)的有效措施。本文主要做了兩部分工作首先，對(duì)傳統(tǒng)的PID控制算法進(jìn)入深入分析，針對(duì)系統(tǒng)對(duì)積分項(xiàng)的要求，偏差大時(shí)積分作用應(yīng)該減弱，偏差小時(shí)應(yīng)該加強(qiáng)?；谶@一思想，對(duì)PID控制算法進(jìn)行改進(jìn)，在變速積分的基礎(chǔ)上提出了彈性積分PID算法，仿真研究表明該算法有利于系統(tǒng)的穩(wěn)定。其次，重點(diǎn)研究了BP神經(jīng)網(wǎng)絡(luò)PID控制器。在BP算法中，初始權(quán)值的選擇對(duì)于局部極小點(diǎn)的防止和網(wǎng)絡(luò)收斂速度的提高均有一定程度的影響，如果初始權(quán)值范圍選擇不當(dāng)，學(xué)習(xí)過(guò)程一開(kāi)始就可能出現(xiàn)“假飽和”現(xiàn)象，甚至進(jìn)入局部極小點(diǎn)，網(wǎng)絡(luò)根本不收斂。因此，利用粒子群優(yōu)化算法PSO具有全局搜索的優(yōu)點(diǎn)對(duì)BP網(wǎng)絡(luò)的初始權(quán)值進(jìn)行優(yōu)化，避免了可能出現(xiàn)的收斂速度慢，存在局部極小點(diǎn)等問(wèn)題。針對(duì)粒子群算法的早熟現(xiàn)象，將變異思想引入到粒子群算法中，并將改進(jìn)的IPSOBP混合算法用于對(duì)神經(jīng)網(wǎng)絡(luò)PID的權(quán)值進(jìn)行優(yōu)化。本文對(duì)彈性積分PID控制算法和變速積分PID控制算法進(jìn)行了仿真實(shí)驗(yàn)，仿真結(jié)果表明彈性積分算法提高系統(tǒng)穩(wěn)定性。本文也對(duì)改進(jìn)的PSO算法整定BPPID智能控制器參數(shù)進(jìn)行了仿真實(shí)驗(yàn)，階躍響應(yīng)曲線和誤差跟蹤曲線都反映了IPSO優(yōu)化的BPPID控制系統(tǒng)收斂速度快，尋優(yōu)能力強(qiáng)，能盡早進(jìn)入穩(wěn)定狀態(tài)，改善了控制性能，取得令人滿(mǎn)意的控制效果。

簡(jiǎn)介：點(diǎn)擊查看更多單機(jī)架可逆冷帶軋機(jī)軋制規(guī)程人工智能優(yōu)化及工程實(shí)踐.pdf精彩內(nèi)容。