基于PCA-BP神经网络的装甲车辆柴油机状态评估

针对装甲车辆柴油机摩托小时不能真实反映实际技术状况的问题,通过提取气缸压缩压力、加速时间、减速时间、供油提前角、振动能量和平均燃油流量等状态参数,运用主成分分析和BP神经网络相结合的方法构建了一种柴油机状态评估模型;该模型首先利用主成分分析方法将多个参数简化为两个综合参数,并根据综合参数的散点图对柴油机的状态进行初步划分,得到BP神经网络的训练数据;最后通过建立BP神经网络进行状态评估;评估结果表明,该模型准确度高,具有较好的应用和推广价值。

基于快速BP算法的非线性系统神经网络自校正控制器

提出了对于一大类未知、不确定、时变单输入单输出离散非线性系统 ,利用三层BP网络 ,采用快速BP算法构成学习和自校正控制的方案。针对同一被控对象 ,设计了PID控制器 。

基于BP神经网络的入侵检测系统

BP神经网络的运算速度较慢、网络训练效率较低,并且在网络学习过程中很容易陷入局部最值,影响训练结果精度,最终会造成入侵检测系统在检测时有较高的误报率和较长的检测时间延迟。为解决以上问题,笔者引入了LM算法,将LMBP神经网络引入检测系统,实验表明,改进后的系统具有更快的响应速度、更高的检测正确率。

基于OMAGA-BP算法的高密度电阻率法反演研究

高密度电阻率法由于其高效、直观的特点,在工程勘查中得到广泛应用。然而,由于反演问题的高度非线性,传统的反演方法在刻画异常体边界时存在一定的不精确性。为了实现高精度的高密度电法二维非线性反演成像,克服BP算法损失函数参数空间存在大量鞍点影响计算精度,及普通遗传算法存在早熟收敛、难以赋予BP网络最优的权值阈值的问题,本文提出基于最佳保留策略的自适应遗传算法(optimum maintaining adaptive genetic algorithm,简称OMAGA)优化的BP神经网络进行高密度电法二维反演成像方法。该方法对仿真模型数据及实测数据的反演计算都得到了较好的结果,表明该方法具有泛化能力强、反演计算精度高的优点。该研究对未来高密度电阻率法的精确反演有一定的指导作用,有助于提高地下目标的识别精度。

基于神经网络的民用飞机重着陆诊断技术研究

针对飞行品质监控工作中发现的国内航空公司对于重着陆的判断方法存在很多不足,一线飞行员和机务人员对此满意度不高,研究从造成重着陆的相关因素入手,利用QAR记录的多个飞行参数的信息,采用人工神经网络建立重着陆的诊断模型;以航空公司的B737机型的实际数据为样本对模型进行训练和验证,结果显示基于神经网络的模型能够准确判断重着陆事件,为重着陆的诊断提供了一条行之有效的途径,具有较强的工程实用价值和通用性。

神经网络在大坝安全监控数据分析系统中的应用

研究神经网络在水电站大坝安全监控工程观测数据分析系统中的具体应用。基于水电站大坝安全监控项目的实际需求,以BP算法为基础的前馈神经网络用于东北水电站大坝安全监控数据分析软件系统中,通过与多元线性回归和逐步回归处理方法相比较,神经网络方法能够有效地提高观测数据的拟合精度和预测质量,使用数据分析软件系统对东北某水电站的历史数据处理,结果证明了神经网络用于水电站大坝安全监控项目数据分析具有独特优势和深远的研究前景。

基于小波神经网络的数字信号调制识别

本文采用熵特征的提取方法,大大减小了特征值的计算量,增强了小波神经网络(WNN)识别的有效性。同时采用改进的算法训练小波神经网络,有效的避免算法陷入局部最小值,克服了传统BP网络的固有缺点,并提高了小波神经网络的训练速度。结果表明,该系统能快速有效的识别出数字信号的调制类型,具有较高的识别精度。