摘要：针对现有神经网络大多是在软件的基础上进行仿真,训练时间长,不利于工程实际应用的问题,提出了GA-T-S云推理网络板形模式识别的DSP实现方法。首先以设计的板形模式识别GA-T-S云推理网络模型为基础,利用TI TMS320F2812完成T-S云推理网络的DSP设计;然后利用MATLAB遗传算法工具箱离线优化T-S云推理网络参数,将优化后的网络参数存入DSP中,进而分别在MATLAB与DSP上运行该网络;最后将运行结果分别进行显示与对比分析。实验结果证实了基于GA-T-S云推理网络的板形模式识别模型有较高的板形识别精度,能够正确识别出板形缺陷的类型,同时验证了GA-T-S云推理网络在硬件TI TMS320F2812上实现的可行性与快速性,从而为神经网络推广应用到实际工程中提供了依据。

摘要：针对Hopfield NN传统设计方法要求权值矩阵需要满足对称的约束,以及记忆容量和容错性低,且记忆模式易陷入伪稳定状态的缺点,本文提出了利用遗传算法(GA)优化设计Hopfield NN权值的方法,并与传统方法对比,验证了GA-Hopfield NN具有较大的记忆容量和较强的容错性。同时提出了GA-Hopfield NN的板形模式识别模型设计方案,将具有较强计算能力的反馈网络用于实时信息处理系统实现模式识别,克服了当前板形智能识别模型动态性差,容错能力低及实时性差的缺陷。同时,Hopfield NN的二值计算形式大大提高了系统的运算速度,为硬件实现和工程应用提供了新思路。

摘要：空温式深冷翅片管气化器实际使用中,表面往往会结霜,影响传热效果。由于结霜过程的非稳态性,理论分析较为困难。这里以液氩为工作介质对气化器结霜过程进行了实验,获取了一些数据。根据实验数据拟合了翅片管表面非稳态的结霜厚度和沿管长方向的结霜速度的多项式,多项式在霜层生长稳定期的计算结果和实验结果均方误差小于23%。表明通过反复实验,不断完善数据,可以使拟合结果具有更好的适用性,也为工程设计提供指导。