簡介：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)這一趨勢而產(chǎn)生的。在現(xiàn)場總線通信實(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)用為背景對采用BP網(wǎng)絡(luò)構(gòu)造對象局部模型并進(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)果令人滿意。在對實(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。同時根據(jù)實(shí)驗(yàn)的需要對原有的實(shí)驗(yàn)系統(tǒng)軟件作了相應(yīng)的改進(jìn)。最后對今后的研究工作提出了設(shè)想。

簡介：人工智能技術(shù)的出現(xiàn)為各個領(lǐng)域的研究帶來了新的分析方法，本學(xué)位論文對人工智能技術(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)來進(jìn)行輔助設(shè)計(jì)，克服傳統(tǒng)樁基設(shè)計(jì)專家系統(tǒng)存在的缺點(diǎn)。首先，論文分析了目前樁基設(shè)計(jì)中的一些問題，對人工智能技術(shù)的概況做了介紹，并對人工智能技術(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)來建立基于人工智能的樁基輔助設(shè)計(jì)系統(tǒng)，用來確定樁基初步設(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)

簡介：該文主要研究四類典型的QOS組播路由問題求解論文共分三個部分第一部分是緒論對計(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組播路由問題并介紹QOS組播路由問題的研究現(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題然后簡要地分析了QOS路由問題最后為了便于描述QOS組播路由問題的數(shù)學(xué)模型給出QOS組播路由問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方面的問題時延和時延抖動約束組播路由問題帶度約束組播路由問題完全QOS參數(shù)約束組播路由問題綜合QOS參數(shù)約束的組播路由問題最后還根據(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該文所做的工作做了一個總結(jié)并對QOS組播通信路由問題的求解進(jìn)行了展望

簡介：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。

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

簡介：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)研究姓名王政申請學(xué)位級別碩士專業(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)對外界環(huán)境信息的識別和處理，自動地協(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)為一個高精度位置伺服控制系統(tǒng)，通過控制安裝在汽缸中的針閥開度來調(diào)整步速。為使系統(tǒng)具有良好的動態(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)過程，給出了計(jì)算機(jī)的仿真結(jié)果。最后說明了控制器硬件電路的設(shè)計(jì)和開發(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。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)中信號傳遞的時延成為影響控制效果的主要因素之一，它會降低系統(tǒng)的性能甚至引起系統(tǒng)不穩(wěn)定，而傳統(tǒng)的控制方法無法有效地解決這個問題。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)場總線網(wǎng)絡(luò)控制系統(tǒng)的系統(tǒng)結(jié)構(gòu)以及時延特性對系統(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)仿真平臺然后針對網(wǎng)絡(luò)控制系統(tǒng)時延具有隨機(jī)、時變的特性，研究了兩種人工智能控制算法，即SMITH預(yù)估模糊PID控制器和基于動態(tài)BP網(wǎng)絡(luò)誤差修正的廣義預(yù)測控制，并應(yīng)用到網(wǎng)絡(luò)控制系統(tǒng)中，減小時延對系統(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)了對出墨量的控制。

簡介：價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)成為西方成熟市場上的主流投資理念。隨著我國股市的日益發(fā)展，市場回歸理性的趨勢日漸明顯。在這樣的市場環(huán)境下，價值投資逐漸受到我國股市投資者的青睞，在價值投資熱潮興起的同時，由于國內(nèi)外股票市場和上市公司素質(zhì)的差異性導(dǎo)致舶來的價值投資理論倍受非議。但是隨著中國證券市場逐步走向規(guī)范化運(yùn)作，價值投資必將成為市場的主流投資理念。在這樣的背景下，從我國證券市場的現(xiàn)實(shí)狀況出發(fā)，深化對價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，論文的研究工作從價值投資的理論與方法兩個方面展開。從傳統(tǒng)價值投資理論的基本觀點(diǎn)來看，價值投資是依據(jù)股票內(nèi)在價值與股價之間形成的“安全邊際”作投資決策，特別關(guān)注股票的價值性，其對股票內(nèi)在價值的判斷，通常遵循威廉姆斯“股票內(nèi)在價值等于公司證券持有者未來年份得到的分紅和利息的現(xiàn)值”的投資理論，通過對預(yù)期的股票投資回報(bào)率的貼現(xiàn)值來衡量內(nèi)在價值，該方法缺乏可操作性，而且關(guān)于價值投資的研究還有一種傾向，即通過單純的市盈率或市凈率指標(biāo)來判斷股票的“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值性和成長性，忽視股票的成長性也是傳統(tǒng)價值投資理論的重大缺陷。針對傳統(tǒng)價值投資理論的不足，本文從股票虛擬性的角度考慮，提出股票虛擬價值的概念，并具體分析股票虛擬價值的易變性和相對穩(wěn)固性，在此基礎(chǔ)上提出新價值投資框架，以此作為傳統(tǒng)價值投資理論的補(bǔ)充和發(fā)展。與傳統(tǒng)的價值投資理論相比，新價值投資是建立在股票虛擬價值的基礎(chǔ)上的，而上市公司的運(yùn)營狀況通過市場的作用直接影響到股票的虛擬價值，進(jìn)而影響到股票虛擬價值的易變性和相對穩(wěn)固性的強(qiáng)弱，因此新價值投資可以通過對上市公司財(cái)務(wù)基本面信息的挖掘來把握股票虛擬價值和價格的關(guān)系和發(fā)展態(tài)勢。新價值投資就是通過挖掘出那些價格低于其虛擬價值，并且價格向股票的虛擬價值回復(fù)的股票，以此來投資獲利的股票投資策略。新價值投資能夠兼顧股票的價值性和成長性，其投資策略可操作性強(qiáng)，特別適合我國現(xiàn)階段股市，是對傳統(tǒng)價值投資理論的有益補(bǔ)充。在新價值投資框架下，本文將模式識別與新價值投資相結(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，無法實(shí)現(xiàn)對股票價值信息毫無遺漏的占有，因此本文在新價值投資框架下，充分利用模糊聚類技術(shù)在處理海量數(shù)據(jù)方面的優(yōu)勢，從上市公司財(cái)務(wù)基本面信息中挖掘出有價值的關(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簡約的股票價值特征集，該特征集基本涵蓋了股票價值投資所需要的有效信息。在此基礎(chǔ)上，采用實(shí)證方法建立基于價值投資的支持向量機(jī)股票選擇模型，該選股模型通過對股票價值信息的判斷，能夠?qū)崿F(xiàn)對股票的有效篩選。在實(shí)證方面，利用支持向量機(jī)股票選擇模型對上證180指數(shù)成分股票進(jìn)行識別，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)率作對比，超過指數(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有增值潛力的股票，可見，對優(yōu)選出來的股票構(gòu)造投資組合來分散投資風(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)化的價值投資組合模型，并具體通過模擬退火遺傳算法對投資組合求解。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)。

簡介：空氣預(yù)熱器漏風(fēng)率是影響空預(yù)器效率的一個最重要的因素，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)測控系統(tǒng)，提出了本課題的研究內(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，并對空預(yù)器漏風(fēng)因素進(jìn)行分析。通過對網(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)，確定了針對回轉(zhuǎn)式空預(yù)器的人工神經(jīng)網(wǎng)絡(luò)模型，并對傳統(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)，對空預(yù)器漏風(fēng)率進(jìn)行預(yù)測。本文是在對沙市熱電廠50MW機(jī)組鍋爐空預(yù)器進(jìn)行熱態(tài)測試的基礎(chǔ)上，利用MATLAB65提供的神經(jīng)網(wǎng)絡(luò)工具箱為開發(fā)工具，對回轉(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)測結(jié)果。

簡介：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)來實(shí)現(xiàn)計(jì)算機(jī)自動配棉和紗線質(zhì)量預(yù)測等多種功能的方法，并在ASP開發(fā)平臺中實(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題，設(shè)計(jì)了新的計(jì)算機(jī)自動配棉數(shù)學(xué)模型，分析了基本遺傳算法在解決該問題時的優(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)測模型時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)測模型，該模型預(yù)測精度較高，訓(xùn)練時間較短，能很好地解決紗線質(zhì)量預(yù)測的問題。

簡介：針對國內(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)自動排課系統(tǒng)。本文建立了計(jì)算機(jī)自動排課的數(shù)學(xué)模型，設(shè)計(jì)了計(jì)算機(jī)自動排課的算法，并且通過對人工智能相關(guān)論理的深入研究，完成了算法中有關(guān)知識表示和知識庫的設(shè)計(jì)，并應(yīng)用機(jī)器學(xué)習(xí)理論調(diào)整數(shù)據(jù)庫，使得排課結(jié)果更合理。并對其進(jìn)行了實(shí)驗(yàn)研究。設(shè)計(jì)并完成了一套計(jì)算機(jī)自動排課軟件。這是一套滿足新的教學(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)使新形勢下高校教學(xué)教務(wù)工作開展的更高效，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。

簡介：PID控制以其結(jié)構(gòu)簡單、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，能夠自動辨識被控過程參數(shù)、自動整定控制參數(shù)、適應(yīng)被控過程參數(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，對傳統(tǒng)的PID控制算法進(jìn)入深入分析，針對系統(tǒng)對積分項(xiàng)的要求，偏差大時積分作用應(yīng)該減弱，偏差小時應(yīng)該加強(qiáng)?；谶@一思想，對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)過程一開始就可能出現(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)等問題。針對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混合算法用于對神經(jīng)網(wǎng)絡(luò)PID的權(quán)值進(jìn)行優(yōu)化。本文對彈性積分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，取得令人滿意的控制效果。

簡介：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。