基于粒子群算法与改进BP神经网络的水电机组轴心轨迹识别

在水电机组状态检修系统中,轴心轨迹是判断机组状态的一个重要特征。该文提出边缘检测和矩特征提取相结合的方法,利用粒子群寻优算法来获取与待识别样本最接近的已知样本,应用改进的BP神经网络进行识别,将轴心轴迹的不变性矩作为神经网络的特征参数,对几种典型的轴心轨迹进行了辨识。某水电站机组试验表明该方法识别速度快、精度高,具有较高的实用价值。

基于GA改进BP神经网络的建设工程投标报价研究

在建设工程项目投标报价过程中,如何来确定标高金直接关系到承包商能否中标和盈利以及施工企业今后的生存与发展。提出基于遗传算法(GA)优化BP神经网络的标高金预测方法。在分析BP神经网络基本原理的基础上,主要阐述了如何应用遗传算法来改进BP神经网络收敛速度慢和易于陷入极小值等缺点。对BP神经网络模型隐含层节点数进行优选后,建立起GA改进BP神经网络的标高金预测模型;最后应用该模型和一般BP神经网络模型对20个典型国际工程实例的标高金进行计算和预测。计算结果对比发现,经遗传算法改进后的BP神经网络模型在降低计算和预测平均误差的同时,迭代次数比一般BP神经网络模型也大大减少了。因此,该模型适用于求解如建设工程投标报价等非线性问题。

基于BP神经网络技术的储层流动单元研究

黄珏油田方4阜一段储层属低孔隙度、低渗透率储层,储层特性较为复杂,在进行储层参数的求取时存在较大误差。结合取心物性资料、测井资料,选用流动带指数IFZ划分方法将取心井储层流动单元划分成Ⅰ、Ⅱ、Ⅲ类,并建立流动单元的识别和划分标准。在此基础上,利用BP神经网络技术对取心井储层流动单元进行学习训练,与测井曲线建立其相关的学习和预测模型,对非取心段储层流动单元进行预测,明显提高了测井解释精度,为储层精细评价提供一种较有效的研究方法。

基于BP神经网络的佛山空气质量预报模型的研究

提出非数值的佛山惠景城站点空气质量预报模型,将BP神经网络引入到预报模型中,以降雨量、风速、风向、温度、湿度和云量等气象参数和前1 d污染物浓度为模型输入参数,建立了结构为7-7-1的非季节预报模型和夏季预报模型。结果表明,夏季模型无论在模型检验还是在实际预报精度方面都略优于非季节模型。夏季模型的级别预报评分基本在90分以上,综合评分比非季节模型高10%。对夏季模型进行了参数敏感性分析,结果表明具有较好的稳定性。

汽车换挡杆操纵力反馈舒适度测评方法

基于汽车换挡杆的操纵力反馈特性,提出主客观结合的换挡杆操控舒适性测评方法,以弥补主观评价的不足。分析汽车换挡杆操纵力反馈随操纵位移的变化特征以及驾驶者的个体差异,分别针对选挡、进挡和退挡过程提取相对力反馈极值和相对操纵刚度作为客观测评指标;利用粒子群优化算法(PSO)对前向反馈(BP)神经网络进行改进,从而建立面向换挡杆操纵力反馈舒适性的PSO-BP神经网络测评模型,用以表征客观指标集与主观评分之间的映射关系;最后,以普通轿车上应用较多的手动变速器为例,利用在操控试验中获取的48组样本数据对模型进行训练和检验。结果表明,应用该方法取得了较为准确、稳定的测评效果,能够为汽车变速器操控舒适性优化设计提供指导。

应用BP神经网络的超高压输电线路可听噪声预测

以甘肃省多条330 kV超高压输电线路可听噪声的实测数据样本为例,研究基于误差反传(back propagation,BP)神经网络的可听噪声预测的方法。将330 kV单回路三角型线路结构输电线路的可听噪声数据整理分析后建立数据样本,选择影响可听噪声的13个因素作为输入变量,可听噪声值作为输出变量,建立3层结构的BP神经网络预测模型,用数据样本训练和验证预测模型。结果表明,基于BP神经网络的可听噪声预测方法能够较精确地预测可听噪声数据样本中除了输入样本以外的其余样本,可作为超高压输电线路可听噪声预测的一种简单有效的方法。

基于GA-BP的安全带佩戴识别方法

为了避免不规范佩戴安全带行为的发生,进一步提高安全带的佩戴率,提出了一种基于GA-BP的安全带佩戴识别方法.该方法在图像处理技术的基础上,提取安全带极坐标转化后的二值化图像像素值作为表征安全带佩戴状态的特征向量,并通过PCA方法对其进行降维;然后采用BP神经网络算法,建立基于BP神经网络的安全带佩戴识别模型,同时为了提高安全带佩戴识别模型的精度,引入遗传算法对其权值和阈值进行优化,建立基于GA-BP的安全带佩戴识别模型;最后通过具体实例验证.结果表明:该方法合理有效,能较好地对安全带的不同佩戴状态进行识别,具有较好的实用性和推广性.

基于神经网络的简支梁桥预应力衰减评估模型

以后张法室内模型梁受弯全过程试验采集的数据为样本,研究了预应力混凝土桥梁有效预应力与各主要影响因素之间复杂的非线性关系,应用改进BP神经网络建立了混凝土桥梁服役期内预应力衰减的神经网络评估模型。该模型以受弯梁全过程P-Δ理论曲线为依据,构造了基频衰减率(IFDETR)、变形指标(IDISP)、混凝土应变变化率(ICSV)、钢筋应变变化率(IRSV)4种归一化指标作为网络输入值,以计入时变效应的预应力衰减率指标(IEPDR)作为网络输出值。测试样本的评估结果表明,误差小于1%的测试样本数在样本集中所占的比例大于85%,且误差均小于单因素回归方法。

基于BP神经网络的输油管道能耗预测方法

为准确预测输油管道运行过程中的能源消耗,通过分析输油管道运行报表,确定评价输油生产过程中的主要能耗指标,利用BP神经网络,建立了输油管道能耗预测模型。用某输油管道运行能耗数据做样本,对所建立的能耗预测模型进行训练与测试。预测结果表明,该模型能准确地预测输油管道的能耗,预测平均相对偏差不超过4%。该方法为输油管道能耗预测提供了一种新思路,有较高的使用价值。

船舶自动识别系统数据修复和预测算法研究

针对船舶AIS数据丢失或错误等问题,本文借助分段三次Hermite插值实现AIS数据初步修复或预测,建立神经网络训练集和测试集,开展单点和连续多点AIS数据修复和预测;对比分析了BP神经网络与三次样条插值、分段三次Hermite插值方法以及组合算法在船舶AIS数据修复和预测中的精度。以重庆弯曲河段和武汉顺直河段为例,分析了航道平面形态、算法组合等对于船舶AIS数据修复和预测精度的影响。结果表明:联合算法有效提升了船舶AIS数据修复精度;在船舶AIS预测中,神经网络模型表现最优。研究成果可为船舶行为特征分析、建模等相关领域的研究提供借鉴。

基于EMD平均能量法的滚动轴承故障诊断

文中提出了一种用于滚动轴承故障诊断的系统—基于EMD和BP神经网络相结合的诊断系统。该方法首先对原始振动信号进行小波包预处理,提高信噪比,从而得到更适合研究的故障振动信号,然后再对信号进行EMD,分解得到IMF分量,对几个感兴趣的IMF进行分析,获得每个IMF分量的平均能量,作为BP神经网络的输入向量,由此训练神经网络,实现了对滚动轴承故障的智能诊断,并用实际的滚动轴承故障数据进行了验证。

基于粒子群优化的BP神经网络模型参考自适应控制系统

将粒子群优化的BP神经网络作为模型,参考自适应控制系统的控制器,把参考模型输出与系统实际输出的均方误差作为PSO-BP神经网络的适应函数,通过PSO算法强大的搜索性能使自适应控制系统的均方误差最小化。仿真实例结果表明,基于粒子群优化算法的BP神经网络自适应控制系统收敛快、精度高,有较好的网络的泛化和适应能力,能够很好地控制系统的输出跟随参考模型的输出。

正则化参数求解方法研究

针对BP神经网络算法训练过程中出现的过拟合问题,提出了利用一阶原点矩,二阶原点矩,方差和极大似然估计概念的推广来计算L2正则化中正则化参数λ值的方法。该方法通过对算法数据集[X,Y]中的X矩阵进行运算得到的四个λ值,BP神经网络算法训练时通常采用的是贝叶斯正则化方法,贝叶斯正则化方法存在着对先验分布和数据分布依赖等问题,而利用上述概念的推广计算的参数代入L2正则化的方法简便没有应用条件限制;在BP神经网络手写数字识别的实验中,将该方法与贝叶斯正则化方法应用到实验中后的算法识别结果进行比较,正确率提高了1.14-1.50个百分点;因而计算得到的λ值应用到L2正则化方法与贝叶斯正则化方法相比更能使得BP神经网络算法的泛化能力强,证明了该算法的有效性。

BP＋GA算法在再制造零部件精度分配中的应用

再制造零部件精度参数的分配问题是关系到再制造机床性能和再制造成本的重要问题。本文提出了利用BP+GA算法优化分配再制造零部件的精度参数。利用BP神经网络建立零部件精度参数与再制造机床空间误差之间的非线性映射模型,用正交设计法得到训练样本数据并训练网络,再用BP+GA算法确定再制造零部件的精度参数。仿真结果表明了该算法是解决复杂精度分配问题的一种理想方法。

基于BP神经网络的汽车车身拉延油的研制

由于拉延油内涉及的添加剂品种多,其性能指标与添加剂间的相互关系又很复杂,所以普通数学方法很难做到在不考虑这个复杂关系的前提下寻找出最优配方组成。BP神经网络是一个优秀的并行数据处理方法,具有暗箱操作性、以及强大的学习能力和推广能力。本文使用BP神经网络计算出最佳添加剂加量,并研制出具有很好极压性、清洗性、防锈性和安全性的拉延油。

基于BP神经网络的公交周转时间预测研究

公交周转时间是制定公交行车作业计划的关键参数,公交周转时间的精确预测也是提高公交服务水平的重要保证。文章基于公交运行的动态随机性,运用数据挖掘有序样本聚类算法,研究了对公交周转时间影响较大的动态因素,分析了全天时段每个时间窗内周转时间的分布特征,建立了基于BP神经网络的公交周转时间预测模型;通过实例分析验证了模型的有效性和精度。结果表明:公交周转时间的分布特征主要受时段、天气状况、节假日或大型活动、星期、季节月份等动态因素的影响,通过划分时间窗可知,同一时间窗内的公交转时间近似呈正态分布;BP神经网络预测模型可有效地揭示公交周转时间和各动态因素之间的非线性关系,通过实例分析,预测公交周转时间的平均绝对百分比误差为5.69%,具有较高的预测精度。

基于BP人工神经网络的湖南省汽车保有量预测

文章在具体分析影响湖南省汽车保有量的各相关因素及主导因素的基础上 ,应用BP神经网络预测湖南省 2 0 0 5年的汽车保有量。预测结果表明 ,与传统的预测方法相比 ,BP神经网络的精确度更高 ,这表明BP神经网络具有很强的学习与泛化能力。

丁家河磷矿地下开采山体稳定性综合分析

针对山区地下开采引起自然坡稳定影响因素的复杂多变及不确定性,根据现场统计的实测资料,确定了对边坡稳定性影响较为重要的6项因素,建立了改进的BP神经网络模型和最大似然方程,对丁家河磷矿自然边坡稳定性进行综合分析。通过与工程实际情况对比分析发现,本文所提出的综合分析方法(包括BP神经网络法,最大似然法和极限平衡法)对山区磷矿开采山体稳定性预测分析具有较大的参考价值。

基于数据融合技术的智能压力传感器研究

随着科学技术的发展,智能传感器系统已成为计算机测控系统新的研究方向,而信息融合技术又为开发多功能传感器系统开辟了途径。在此采用ADuC812单片机设计硬件电路,实现信号处理,利用多维回归分析法消除多参数状态下复合灵敏度的影响,提高传感器的精度,并通过MAX232收发器实现PC机与传感器测量系统之间的通信,完成数据转换、数据处理和打印等功能,使测量系统更加完善。实验结果表明,该系统具有体积小,携带方便,精度高和功能强的特点,适合航空、宇航、海洋和化学等场所的应用。

基于BP神经网络的信息融合发动机故障诊断的研究

本文为了解决发动机喷油器故障诊断中基于单传感器信息的方法诊断精度低的缺点。在神经网络分析的基础上,提出了一种基于气缸压和,缸盖振动信号和燃油压力等多传感器信息融合的喷油器故障诊断新方法该方法能有效地提高其故障诊断精度。