-
公开(公告)号：CN106503792A
公开(公告)日：2017-03-15
申请号：CN201610936088.7
申请日：2016-10-25
Applicant: 辽宁工程技术大学
Abstract: 本发明提供一种基于自适应模块化神经网络的瓦斯浓度预测方法，涉及矿井瓦斯浓度检测技术领域。该方法首先采集瓦斯浓度数据，并存入瓦斯浓度数据库，对数据库中的瓦斯浓度数据进行自适应除噪处理后视为混沌时间序列，建立自适应模块化神经网络的训练样本集，构建自适应模块化神经网络软测量预测模型，根据新获得的瓦斯浓度数据与瓦斯浓度数据库中的历史数据，利用构建的预测模型对瓦斯浓度进行预测。该方法除噪效果显著，在有效去除噪声的同时能够很好的保留瓦斯浓度时间序列中的有用信息，构建自适应模块化神经网络的软测量预测模型，输入信息由多个不同子模型集成处理，可以提高预测模型的学习精度和泛化性能，提高预测模型的鲁棒性。
-
公开(公告)号：CN102632004B
公开(公告)日：2014-05-07
申请号：CN201210120171.9
申请日：2012-04-19
Applicant: 辽宁工程技术大学
Abstract: 本发明公开了一种自动波峰炉焊锡机的助焊剂喷涂装置，包括传动臂、感应器支架、感应器固定臂、感应器、电磁阀、流量计、喷头、滑轨、感应框架、感应模板、不反光模板和马达；所述感应框架上开有一个以上的窗口，所述感应模板设置在窗口内；感应模板是根据所要生产的电路板，按要求选定在不需要喷涂的区域在对应的位置上，开出大小位置相对应的开口，利用光感应器感应原理在运动到有反射物上时感应器发出信号控制电磁阀导通，如运行到模板开口处时，因模板开口处上方是一块用一黑色不反光的材料，感应器会感应不到反射光而不发出信号使电磁阀截止，喷头没有助焊剂喷出而达到精准控制，控制模板材料选用纸皮就可，制作方法简单易行。
-
公开(公告)号：CN102662040A
公开(公告)日：2012-09-12
申请号：CN201210119203.3
申请日：2012-04-20
Applicant: 辽宁工程技术大学
Abstract: 一种动态模块化神经网络的氨氮在线软测量方法，属于检测技术及仪表研究技术领域。本发明针对当前污水处理过程中出水水质关键参数氨氮NH3-N测量周期长，不能在线检测的问题，采用了多模型的软测量方法实现了辅助变量与NH3-N之间的映射，对NH3-N进行在线软测量。与一般的在线学习方法相比较具有更高的预测精度，是一种使用范围广，可靠性高，鲁棒性强的软测量方法；本发明克服了单模型建模学习时间长、过程匹配不佳、外推能力差、没有知识积累等缺陷。
-
Patent Agency Ranking
公开(公告)号：CN104850901A
公开(公告)日：2015-08-19
申请号：CN201510210221.6
申请日：2015-04-27
Applicant: 辽宁工程技术大学
Abstract: 本发明提供一种基于多模型预测瓦斯浓度的软测量方法及系统，所述方法包括：通过获取多组矿井下不同时刻的瓦斯浓度数据，将其存储至瓦斯浓度历史数据库，将所述瓦斯浓度历史数据库作为混沌时间序列，采用C-C方法计算所述混沌时间序列的延迟时间和嵌入维数，进而采用相空间重构获得瓦斯浓度多模型预测软测量模型的学习样本集和理想输出，将所述训练数据作为输入量，结合理想输出，构建瓦斯浓度多模型预测软测量模型，将所述测试数据作为输入量，根据所述瓦斯浓度多模型预测软测量模型，输出瓦斯浓度预测向量，由此，克服了单模型预测方法学习时间长、学习精度和外推能力差的缺陷，提高预测模型的预测精度。
-
公开(公告)号：CN102879541A
公开(公告)日：2013-01-16
申请号：CN201210271656.8
申请日：2012-07-31
Applicant: 辽宁工程技术大学
Abstract: 本发明一种基于动态前馈神经网络的生化需氧量在线软测量方法，通过设计用于污水曝气池生化需氧量软测量的动态前馈神经网络拓扑结构，确定动态前馈神经网络的输入样本，并对输入样本进行在线归一化处理；采用标准化后的数据训练神经网络，计算神经网络中与隐节点相连的所有权连接值在每次训练过程中的变化情况，判断该隐节点的活跃性，对活跃度较大的隐节点进行分裂；通过计算隐节点在训练过程中绝对输出的变化情况，判断该隐节点学习信息的能力，删除没有学习能力的隐节点；对神经网络参数进行调整；动态前馈神经网络训练过程结束后，确定曝气池出水生化需氧量BOD；本发明具有实时性好、稳定性好、精度高、神经网络的泛化能力强的优点。
-
公开(公告)号：CN102879541B
公开(公告)日：2015-01-07
申请号：CN201210271656.8
申请日：2012-07-31
Applicant: 辽宁工程技术大学
Abstract: 本发明一种基于动态前馈神经网络的生化需氧量在线软测量方法，通过设计用于污水曝气池生化需氧量软测量的动态前馈神经网络拓扑结构，确定动态前馈神经网络的输入样本，并对输入样本进行在线归一化处理；采用标准化后的数据训练神经网络，计算神经网络中与隐节点相连的所有权连接值在每次训练过程中的变化情况，判断该隐节点的活跃性，对活跃度较大的隐节点进行分裂；通过计算隐节点在训练过程中绝对输出的变化情况，判断该隐节点学习信息的能力，删除没有学习能力的隐节点；对神经网络参数进行调整；动态前馈神经网络训练过程结束后，确定曝气池出水生化需氧量BOD；本发明具有实时性好、稳定性好、精度高、神经网络的泛化能力强的优点。
-
公开(公告)号：CN104156422A
公开(公告)日：2014-11-19
申请号：CN201410384801.2
申请日：2014-08-06
Applicant: 辽宁工程技术大学
Abstract: 本发明提供了一种基于动态神经网络的瓦斯浓度实时预测方法，首先利用矿井瓦斯浓度历史数据库中的数据对神经网络进行训练，在训练网络的过程中，动态判断网络隐节点的活跃度和每个隐节点的学习能力，实现对网络隐节点的分裂和删除操作，建立网络初步预测模型；其次，持续实时采集矿井瓦斯浓度信息输入神经网络预测模型预测未来瓦斯浓度变化趋势，已预测过的实时数据，按照先入先出的队列顺序及时训练网络以实时更新神经网络结构，使得神经网络结构能够根据实时工况进行调整，以提高瓦斯浓度的实时预测精度。本发明能够根据实时瓦斯浓度数据，及时在线调整神经网络结构，从而提高瓦斯浓度预测精度，满足矿井瓦斯浓度信息管理系统的技术要求。
-
公开(公告)号：CN102662040B
公开(公告)日：2014-06-18
申请号：CN201210119203.3
申请日：2012-04-20
Applicant: 辽宁工程技术大学
Abstract: 一种动态模块化神经网络的氨氮在线软测量方法，属于检测技术及仪表研究技术领域。本发明针对当前污水处理过程中出水水质关键参数氨氮NH3-N测量周期长，不能在线检测的问题，采用了多模型的软测量方法实现了辅助变量与NH3-N之间的映射，对NH3-N进行在线软测量。与一般的在线学习方法相比较具有更高的预测精度，是一种使用范围广，可靠性高，鲁棒性强的软测量方法；本发明克服了单模型建模学习时间长、过程匹配不佳、外推能力差、没有知识积累等缺陷。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.019 seconds)
