一种改进型BP网络在汽轮发电机组故障诊断中的应用

在标准BP网络基础上,提出一种加优先权值的改进BP网络模型,给出该网络模型的结构、具体的学习训练算法和反馈算法,并阐述输入层与输出层神经元部分连接的依据及其连接优先权值的确定问题。结合汽轮发电机组故障诊断实例,从单故障识别和多故障识别两个角度证明了该模型具有较强的故障识别能力,其诊断结果也更符合故障实际情况。

基于改进型BP神经网络的瓦斯传感器的非线性校正

提出了一种基于改进型BP神经网络的瓦斯传感器的非线性校正方法,利用神经网络良好的非线性映射能力,逼近反非线性函数完成非线行校正。仿真实验结果表明:与传统的分段线性与BP算法相比,改进型的BP神经网络收敛速度快、逼近精度高,准确度由原来分段线性校正的±5.020%提高到现在的±0.130%,且易于动态调校。

基于改进型BP神经网络的湿重软测量

针对制浆造纸工业中湿重无法在线测量的难题 ,分析了湿重值与进浆流量、打浆浓度、打浆电流及原湿重值等参数的关系 ,提出了基于改进型BP神经网络的湿重软测量技术 。

基于改进型BP神经网络的并联机构位置正解研究

采用了一种改进型的BP神经网络方法对3-RSR并联机构的位置正解进行了研究,首先通过理论方法对3-RSR并联机构的位置逆解进行求解,然后采用改进型BP神经网络对通过位置逆解得到的数据进行了网络训练,神经网络训练结果与理论结果对比,验证了该方法的合理性。而且,对比改进后的BP神经网络结果与普通BP神经网络结果,发现两种方法均具有非常高的计算效率,且有效避免了复杂的推导和演算,但改进型BP神经网络方法得到的结果精度更高,因而在高精度的工程领域,采用改进型BP神经网络方法更具合理性。

改进型BP神经网络的非线性多模型自适应控制

针对一类参数未知的非线性离散系统,提出一种基于改进型BP神经网络的多模型控制方法。首先将非线性系统表示为线性部分和非线性部分。当非线性部分对系统影响较小时,则直接采用基于固定模型和自适应模型而设计的鲁棒控制器对系统进行控制;而当非线性部分对系统影响较大时,则采用基于改进的BP神经网络的自适应控制。其次,利用切换准则对控制输入进行平滑切换并给出了稳定性证明。最后,仿真结果表明所提方法能提高系统控制品质、减少控制信号的振荡。

基于改进型BP神经网络的瓦斯传感器的非线性校正

提出了一种基于改进型 BP 神经网络的瓦斯传感器的非线性校正方法,利用神经网络良好的非线性映射能力,逼近反非线性函数完成非线性校正。仿真实验结果表明:与分段线性校正和传统 BP 算法相比,改进型的 BP 神经网络收敛速度快、逼近精度高,准确度由原来分段线性校正的±5.02%提高到现在的±0.130%,且易于动态调校。

基于改进型BP神经网络在列车异物检测中的研究

提出了B P神经网络学习算法上存在收敛速度慢,容易陷入局部极小的问题,现通过惯性校正方法及重新构造响应函数法来克服这两个问题,对B P网络学习算法进行了改进。利用小波多尺度边缘检测对列车异物图像进行分割和特征提取,并将列车异物特征向量作为训练样本对改进后的B P网络进行反复训练,直到获得最佳的映射结果,提高识别的精确度,提高了列车异物自动识别的速度,为实际的异物检测应用奠定了重要的参考价值理论与实验基础。

基于改进型BP神经网络的火电机组初压优化

将先验知识和理论分析与热耗率相关联的参数作为BP神经网络的输入层参数,用灰色关联度模型进行验证;对比改进型BP神经网络与标准BP神经网络,发现改进型BP神经网络在收敛速度和误差方面比标准BP神经网络好。应用改进型BP神经网络建立起某600MW火电机组的历史数据边界参数与热耗率的非线性映射。在可行初压范围内找出了各机组负荷下的最优初压,绘制出最优初压曲线,为操作人员提供指导。

基于改进型BP神经网络的多变量时序预测方法

传统的线性模型难以解决多变量或多输入问题,而神经网络擅长于处理多变量的问题,本文提出一种基于改进型BP神经网络的多变量时间序列预测方法。该方法对多变量时序数据建模预测能力较强,能够在有效减少训练时间的前提下,提高数据预测的精度。最后,使用这种方法对公开数据集中某地电力负荷值进行预测,最终证明基于改进型BP神经网络的多变量时序预测方法预测精准,误差较低。

改进型BP神经网络MRAS控制系统

在常规BP神经网络模型参考自适应控制器基础上采用改进型BP神经网络作为辨识器和控制器,组成新的模型参考神经网络自适应控制系统,利用改进型BP神经网络的优点弥补传统自适应方法的不足,使系统具有更强的鲁棒性,收敛更快,逼近精度更高的优点。仿真结果表明,该系统比传统BP神经网络模型参考自适应系统具有更好的稳定性和更快的响应速度。

基于改进型BP神经网络的铁路货运量预测方法研究

科学、精确地预测铁路货运量，对于我国铁路运输行业发展规划具有重要的指导意义。分析了传统的BP神经网络算法，在此基础上提出了一种基于Levenberg—Marquardt（L-M）优化算法的改进型BP神经网络的铁路货运量预测方法。经过实验验证，该方法可以在运输需求与影响因素存在复杂的非线性关系的情况下，准确预测铁路货运量并有效提高预测计算速度。

基于改进型反向传播网络预测电压稳定裕度的计算

针对系统电压稳定裕度问题,提出一种基于反向传播(back-propagation,BP)网络算法的新算法——自适应学习速率-附加动量法和弹性BP算法相结合的改进型BP算法,该方法利用了BP算法的非线性处理性,模拟出负荷节点的P-U曲线,并根据曲线计算出电压稳定裕度和电压稳定薄弱点。改进型BP算法加快了BP算法的收敛速度,提高了算法的计算速度,减少了计算时间。最后以IEEE5节点系统为例,准确计算出电压稳定裕度和电压稳定薄弱节点,表明了基于改进型BP网络预测电压稳定裕度计算法的准确性。

基于改进型BP神经网络的模型参考自适应控制系统

在常规BP神经网络模型参考自适应控制器基础上采用改进型BP神经网络作为辨识器和控制器,组成新的模型参考神经网络自适应控制系统,利用改进型BP神经网络的优点弥补传统自适应方法的不足,使系统具有更强的鲁棒性,收敛更快,逼近精度更高的优点。仿真结果表明,该系统比传统BP神经网络模型参考自适应系统具有更好的稳定性和更快的响应速度。

改进型B-P神经网络优选木耳牛奶发酵酸乳工艺参数的研究

在木耳酸乳工艺参数设计中,使用自适应调节学习步长修正BP神经网络,模拟参数试验,用计算机取代全面试验和寻找最佳工艺参数的方法,并建立数学模型。其最佳工艺参数为:木耳浸提液用量为7%,蔗糖、琼脂添加量分别为6%和0.4%,接种量为5%,发酵温度为42℃,发酵时间7h。通过对比实验,最终优选出工艺参数所得出的结果符合实际实验情况。

基于遗传神经网络模型的水质综合评价

建立了用于水质综合评价的遗传神经网络模型。该模型运用遗传算法优化改进型BP神经网络的初始权值和阈值,具有快速学习网络权重和全局搜索的能力,有效解决了BP神经网络容易陷入局部极小点和训练结果不稳定的问题。采用苏帕河梯级电站的水质监测数据对该模型进行了测试,并与其他方法进行了比较。结果表明,该方法用于水质综合评价客观、合理、准确,有其独特的优越性。

基于神经网络的简支梁损伤检测研究

理论分析表明结构损伤前后的固有频率的变化包含了结构损伤位置和程度的信息 .在此理论基础上 ,对一个简支梁模型进行了损伤数值模拟 ,提取固有频率的变化并采取合适的方法构造改进型BP神经网络的输入参数 ,并应用简支梁损伤前后的模态实验数据输入训练好的神经网络来判断结构损伤 .检测表明 ,该方法在结构损伤检测中具有较好的应用前景 .

基于神经网络的柴油机燃油系统故障诊断

柴油机燃油系统是汽车柴油机的重要组成部分,其工作状态的好坏将直接影响汽车柴油机运行的安全性和经济性,它是汽车柴油机故障的主要来源。采用神经网络的方法,使用改进型的BP神经网络,对汽车柴油机燃油系统进行故障诊断,诊断结果表明该方法可行,适合于实时检测的场合。

采用小波变换与RBF神经网络优化的电机故障模糊诊断系统

针对特征信号淹没于噪声信号的情况,采用Morlet小波分析实现了对原始电流特征信号的降噪。同时,采用基于RBF神经网络的最优化插值与具有频谱细化特性的CZT分析,提升了频谱分辨率,充分展现了发生故障时电流特征信号的频谱细节,为电机故障诊断系统提供了可靠的诊断依据。建立了基于改进型BP神经网络的电机故障模糊诊断系统,抽象出了偏心故障的诊断规则。实测结果表明,该系统能够可靠地诊断电机的偏心故障。

铜闪速熔炼过程操作参数预测模型及应用

基于某厂实际铜闪速熔炼工艺和控制过程,对神经网络模型在铜闪速熔炼过程在线控制进行了研究。在分析影响溶剂率、熔炼氧单耗、反应塔总风量操作参数因素的基础上,提出一种基于BP神经网络的操作参数的预测方法,分别建立了输入向量只包含主要元素和考虑杂质元素的BP神经网络模型。网络的训练和测试结果表明,两种神经网络的输出值与实际值的最大相对误差均小于1.0%,输出值与实际样本值吻合得较好,模型输入参数中包括杂质元素时具有更高的计算精度。

提升管二次风对循环流率影响的试验及预测模型研究

设计并搭建双循环流化床冷态试验台,通过试验分析提升管二次风风量、二次风送风方式、二次风口高度和二次风口数目对颗粒循环流率的影响。建立BP神经网络预测模型,采用3种算法对颗粒循环流率进行预测,通过对比找出最优预测模型——基于LM算法的改进型BP神经网络预测模型。该预测模型很好地预测了二次风特性对颗粒循环流率的影响,试验值与模型预测值的平均绝对误差为0.23kg/(m2·s),平均相对误差仅为1.37%;最大偏差为1.23kg/(m2·s),最大相对误差5.75%。