基于GA-BP对叶片点云数据修补及逆向建模

为了获得某型号发动机叶片的三维建模及其相关数据,给逆向设计提供一些零件的三维建模尺寸。由于获得建模的三维点云数据时必然会产生孔洞,文中使用基于Genetic Algorithm(基因遗传算法)优化的Back Propagation(反向传播)神经网络(又称GA-BP神经网络)作为一个回归预测算法,来对产生的散乱点云孔洞加以修复和点云处理,最后再通过Geomagic Wrap对某型号发动机叶片进行逆向建模。通过对比BP神经网络可知,GA-BP修补孔洞的误差明显降低,满足对三维模型精度较高的要求,可应用于逆向工程。

一种基于粒子群优化BP神经网络技术的震后压埋人员手机定位方法

近年全球地震灾害频发,如何快速准确定位压埋人员方位是震后搜救工作中的重点和难点。本文提出的基于粒子群优化BP神经网络技术震后压埋人员手机定位方法,通过对压埋手机的定位,间接定位到被压埋人员。利用WiFi探针捕捉被压埋手机发出的接收信号强度数据,采用高斯-卡尔曼混合滤波对数据进行处理。以粒子群优化BP神经网络解算出的压埋距离为基础,融合对数衰减模型与多项式衰减模型,建立多衰减模型融合的压埋距离修正模型,获取更为精确的压埋距离。通过加权六点质心定位算法求解压埋手机位置。实验结果表明:多衰减模型融合的压埋距离修正模型定位误差为0.579 m,相较于单一的信道衰减模型与神经网络,定位精度分别提升43.5%、30.9%和12.7%。

单尖充填技术联合新型生物陶瓷iRoot BP Plus治疗慢性根尖周炎的临床研究

目的探讨单尖充填技术联合新型生物陶瓷iRoot BP Plus治疗慢性根尖周炎的临床效果。方法回顾性分析2022年3月—2023年6月在常州市武进中医医院就诊的87例慢性根尖周炎患者的临床资料。根据不同治疗方法分为观察组44例和对照组43例。对照组采用AH Plus联合热牙胶垂直加压技术治疗,观察组采用新型生物陶瓷iRoot BP Plus联合单尖充填技术治疗。比较两组急症反应程度、临床疗效、咀嚼功能、龈沟液血清学指标、治疗满意度及并发症。结果观察组急症反应程度等级优于对照组(P<0.05)。观察组临床疗效等级优于对照组(P<0.05)。观察组手术前后咀嚼力、咀嚼效率的差值高于对照组(P<0.05),且观察组比对照组高(P<0.05)。观察组手术前后龈沟液碱性成纤维细胞生长因子(bFGF)、血管内皮生长因子(VEGF)、基质金属蛋白酶抑制剂-1(TIMP-1)水平均高于对照组(P<0.05)。观察组后期指导、医疗环境、康复情况、医疗服务满意度高于对照组(P<0.05)。观察组并发症总发生率低于对照组(P<0.05)。结论单尖充填技术联合新型生物陶瓷iRoot BP Plus治疗慢性根尖周炎疗效显著,可减轻急症反应程度与龈沟液炎症反应,调节生长因子失衡,改善咀嚼功能,提高治疗满意度,且可降低并发症发生风险。

基于GSABO-BP和Bootstrap的电力负荷区间预测

针对电力负荷序列波动性强、预测精度低的问题,提出一种基于GSABO-BP模型和Bootstrap的电力负荷区间预测方法。首先提出一种改进的减法优化算法(GSABO),在保留减法优化算法(SABO)良好的收敛性基础上,融合黄金正弦算法(Gold-SA)来提升其搜索能力;然后,利用所提方法对BP神经网络的权值和阈值进行寻优,构建GSABO-BP预测模型,对电力负荷进行点预测;最后,采用Bootstrap方法分析电力负荷功率预测误差,结合点预测结果确定输出结果的波动区间。经仿真测试,所提方法寻优能力强、鲁棒性好;且相比于其他算法,该方法的预测精度、区间可靠性、区间宽度等均有显著提升。综合点预测和区间预测效果可知,二者结合有助于准确评估预测误差,具有较高的实际应用价值。

基于GA-BP神经网络的明渠流速测点优化研究

灌区渠道流量计量大都以流速仪法测量为主,渠道断面布设较多数量的流速仪可有效保证测流精度,但也提高了测流难度。以太园泵站某段供水明渠为研究对象,基于多测线、多测点流速仪实测数据,将断面流量设定为输出、不同位置测点流速作为输入,对GA-BP神经网络模型进行训练,并将验证结果与流速面积法计算结果进行对比。结果表明,GA-BP神经网络仅需4个特定位置处测点流速可得到满足精度的计算结果,实现对明渠测点数量的优化,保证测流精度并为相关模型在渠道测流的应用提供新思路。

基于GA-BP神经网络的巷道平均风速单点测试研究

为了快速准确获取巷道平均风速,采用计算流体力学(CFD)方法对实际巷道风流进行数值模拟,并基于速度场结构近似恒定理论,将矩形巷道断面的宽度、高度、壁面粗糙度、监测点位置及监测点风速作为输入参数,提出1种基于GA-BP神经网络的巷道平均风速单点测试模型。研究结果表明:该模型具有良好的预测性能,利用巷道断面内任意点传感器风速值,可以快速准确地预测巷道断面平均风速,且相对误差达到2%以下。采用Levenberg-Marquardt算法训练的GA-BP神经网络模型预测精度较高,其MAPE,RMSE和R^(2)分别为0.68%,0.04和0.99。研究结果可为矿井通风智能监测系统建设提供参考。

基于BPT-MLR模型的建筑能耗分析和预测

通过对福建省厦门市某高校8栋公寓楼的房间日平均用电量的分析,提出一种建筑能耗的平衡点温度-多元线性回归(BPT-MLR)模型.使用统计方法识别平衡点温度,并根据该平衡点温度分段对房间日平均用电量进行多元线性回归预测分析;对8个参数进行筛选,最终选4个参数作为模型变量,包括1个数值型变量(室外空气平均温度)和3个定类型变量(性别、节假日指数和晴雨天指数).结果表明:对比3种数据驱动模型,BPT-MLR模型的预测性能最优,其R 2值达到了95.29%,比BP神经网络模型和多元线性回归模型的R 2值分别高出0.04%和24.64%.

无蜂窝大规模MIMO系统接入点动态选择算法

在无蜂窝大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统中,所有接入点(Access Point,AP)为用户提供服务的方式会造成较大的功率消耗和增加前传链路压力。以“用户为中心”的AP选择方案为每个用户选择最佳的AP集合,使系统频谱效率和能量效率得以提升。为了给每个用户选择最佳的AP集合,提出了一种基于反向传播(Back Propagation,BP)神经网络的接入点动态选择算法。将AP与用户之间的大尺度衰落向量作为输入,AP与用户之间的连接关系作为BP神经网络输出的预测向量,同时,针对BP神经网络初始化权值,提出了一种改进的自适应遗传算法以提高算法的收敛速度和收敛性能。仿真结果表明,改进后的BP神经网络预测结果更接近于实际值,并且比全连接和启发式的AP选择方案具有更高的系统和速率。

船载投料系统饲料颗粒流落点预测

【目的】为解决网箱养殖中使用船载投料系统的饲料颗粒流落点控制问题,提出一种用于实时分割饲料颗粒流轨迹并精确预测其落点的方法(MLBP)。【方法】考虑到输料管管内参数及饲料颗粒流出口参数获取难度较大,本研究采用高速相机获取饲料颗粒流轨迹图像,并利用提出的混合网络模型分割饲料颗粒流轨迹,以获取轨迹关键信息;为准确预测饲料颗粒流落点,利用BP神经网络的优势,将轨迹信息及投料口高度作为其输入,实现饲料颗粒流落点的预测。【结果】与相关研究方法对比,结合混合网络模型与BP神经网络的MLBP方法的系统单次运行时间降低95%,同时落点预测准确度达到96%,落点的平均误差范围与平均误差百分比也分别降低32.0%和30.5%。【结论】本研究提出的MLBP方法预测精度及实时性均能满足网箱投饵作业需求,可为相关研究提供参考。

基于PSO算法改进BP神经网络的氟金云母点磨削工艺参数优化

通过氟金云母的高速点磨削试验,测试了加工表面硬度和表面粗糙度,分析了表面硬度和表面粗糙度随工艺参数的变化规律。基于单因素试验值和PSO算法改进的BP神经网络,利用最小二乘拟合,建立了氟金云母点磨削表面硬度和表面粗糙度关于各工艺参数的一元模型,以相关系数检验模型,证明模型具有较高可靠性。分析一元模型,提出表面硬度和表面粗糙度分别关于工艺参数的多元模型。基于正交试验值和PSO算法,对模型进行优化求解,并通过试验证明了模型具有较高可靠性。利用PSO算法对两个多元模型进行双目标优化,求解得到一组较为合理的工艺参数值。

BP算法的模糊神经网络及烧结终点辅助预测模型

烧结终点状态是烧结过程非常重要的参数之一.目前烧结终点的预测模型多采用人工神经元网络.本文介绍了一种模糊神经元网络结构及算法,可以处理不完全的、模糊的信息,并将这种模糊神经元网络应用到烧结终点辅助预测模型.文章最后给出了详细的仿真结果.

基于BP神经网络的大坝新多测点位移模型

大坝位移监测资料分析大多以单一测点得到的数据建立模型,这种单测点模型无法反映大坝作为一个整体各点位移之间的相互联系,也就不能真实地反映坝体的整体安全性态。为此,将多个同源测点联合考虑,通过测点之间的相关性对目标测点建模,再通过该模型推求未布置测点位置的大坝位移值,为推求大坝整体单向位移创造条件。经实例验证,这种新模型在对目标测点的位移预测和补全缺失数据两方面相对常规的单测点模型效果更佳,而且在对未知点的位移值进行预测方面也具有良好效果。

基于遗传算法与BP神经网络的微晶玻璃点磨削工艺参数优化

通过低膨胀微晶玻璃点磨削实验,测试了加工表面粗糙度、表面硬度,分析了实验数据变化趋势。通过最小二乘拟合,建立了关于粗糙度、表面硬度的一元数值模型,并将模型预测值与实验值进行了比较,以验证模型的精确性,结果表明模型具有较高的精度。根据正交实验结果,基于BP神经网络算法和遗传算法,建立了粗糙度、表面硬度的多元数值模型并以此作为目标函数,以表面硬度最大和表面粗糙度最小作为优化目标,基于遗传算法进行了工艺参数的双目标优化,获得了一组点磨削工艺参数的最优解范围,实验验证结果表明优化结果是合理的。

基于BP神经网络法的地表变形监测

利用三维激光扫描技术监测地表变形时,需要对大面积的地形点云数据重建地面曲面。针对点云数据的海量性,提出利用BP神经网络的方法进行曲面重建,分别模拟出两期点云数据的曲面及两期点云数据的下沉曲面。实验结果表明,该方法对海量数据的曲面重建精度较高,并能提取变形信息,具有较高的使用价值。

基于BP神经网络的被动步行稳定不动点的估算

建立了被动步行机器人的动力学模型.使用BP神经网络对被动步行稳定不动点进行估算,并将估算值作为Newton-Raphson迭代的初值来求解稳定不动点.该方法解决了以往利用非最简模型求解不动点时,由于初值选取不当所造成的搜索成功率低以及搜索时间长的问题.在获取训练样本时,参数变化较小时不动点的变化很小;利用这一特点,在计算相邻两个样本的不动点时,只使一个参数发生较小的变化,并将本次使用Newton-Raphson迭代搜索得到的稳定不动点作为搜索下一样本不动点时的初值.使用1000组随机产生的参数对所得神经网络进行测试,结果表明该方法可以大幅提高稳定不动点的搜索成功率,大幅缩短搜索时间.

基于BP和GA的微晶玻璃点磨削表面硬度数值拟合

通过低膨胀微晶玻璃的高速点磨削实验,测试了加工表面硬度,分析了表面硬度随工艺参数的变化趋势.基于BP神经网络算法与单因素实验值,通过最小二乘数值拟合,建立了点磨削低膨胀微晶玻璃表面硬度与各工艺参数关系的系列化一元模型,以决定系数检验模型的精度,结果表明模型具有较高的可靠性.通过单因素一元模型分析,提出了低膨胀微晶玻璃表面硬度与工艺参数关系的多元模型.在正交试验的基础上,基于遗传算法对多元模型进行了优化建模求解.通过验证实验检验了模型的精确度,结果表明,多元模型具有较高的可靠度.

基于加权组合算法的点云孔洞修补

为了对无人机航测数据中的点云孔洞进行修补,将最小二乘支持向量机算法LS-SVM和遗传算法GA优化的反向传播神经网络算法BP进行线性组合,构建一种加权组合模型,用于散乱点云数据中的孔洞修补。通过两种修补方法的误差进行两者的加权组合,建立出与两种修补方法误差相关的加权组合模型,并将加权组合模型的修补结果与单一使用最小二乘支持向量机、遗传算法优化的BP神经网络两种修补方法的修补结果进行残差和内外符合精度的比较与分析。结果表明:采用加权组合模型得到的点云修补结果内外符合精度较高,且具有更强的稳定性,为无人机获取的点云数据提供了一种有效的孔洞修补方法。

BPNN在改性石蜡滴熔点预测中的应用

针对传统误差反向传播神经网络(BPNN)的不足,在改进误差反向传播算法中引入了动量因子和非线性敏感度因子,实现了在学习过程中根据整体误差梯度变化对非线性敏感度因子进行动态调整。采用该BPNN模型对巴西棕榈蜡和川蜡改性的石蜡滴熔点进行了预测,预测结果的误差为改性石蜡滴熔点预测的绝对误差(A.D.)不超过±0.9℃,相对误差(R.D.)在±1.2%范围内。结果表明,改进的误差反向传播神经网络算法适用于改性石蜡滴熔点的预测,并具有较好的预测精度,可以减少石蜡调合试验及相应的改性石蜡滴熔点测试的次数,有利于提高工作效率,减少了资源浪费和环境污染。

基于改进FOA优化BP神经网络算法的光伏系统MPPT研究

针对基于BP神经网络的光伏系统MPPT策略在光照强度突变时存在较大误差的问题,提出了一种改进的果蝇优化算法用于BP神经网络的权值和阈值优化,并建立了基于IFOA-BP神经网络算法的光伏系统MPPT控制的仿真模型。测试和仿真结果表明,IFOA的收敛速度和求解精度较改进前均有明显提升;IFOA优化后的BP神经网络收敛速度加快,预测误差减少;较之于电导增量法,IFOA-BP神经网络的MPPT策略在稳态条件下能明显抑制功率波动,在外界条件发生突变时,能迅速准确地追踪到最大功率点,具有良好的稳态精度和动态特性。

自适应BP神经网络在光伏MPPT中的应用

首先介绍了光伏电池的特性,并在比较了扰动观察法、电导增量法、恒定电压法、开路电压法等几种光伏系统最大功率跟踪(MPPT)算法的基础上,提出了一种基于BP神经网络的最大功率跟踪的控制策略。该策略将温度和光强作为输入变量,通过神经网络识别后可得到最大功率点。仿真结果表明,该方法能够快速、准确地跟踪光伏电池的最大功率点,具有良好的控制精度和适应性,显著提高了光伏系统的转换效率。