改进的BP网络PID控制器在无刷直流电机中的应用

通过分析学习速率对BP算法的影响,提出一种分层调整学习速率的改进BP网络算法,并把该方法设计成PID控制器应用在无刷直流电机控制系统中,仿真结果验证了基于改进的BP网络的PID控制器具有响应速度快、精确性高和稳定性强等特点。

基于改进后的BP神经网络在混凝土桥梁损伤识别中的应用研究

混凝土桥梁的损伤识别与定位是目前的研究热点之一。本文在传统BP神经网络的基础上对其进行改进,并将改进后的BP神经网络应用在混凝土桥梁损伤定位与识别过程中。首先建立了识别桥梁的数值有限元模型,然后得到不同损伤情况下的桥梁自振频率和曲率模态值。将自振频率和曲率模态值作为改进后BP神经网络的输入参数,以有限元单模型中的损伤位置和损伤程度作为输出值,进而实现对桥梁结构的损伤定位和损伤识别。最后通过南京浦仪公路混凝土简支梁和连续梁为工程背景进行了验证。结果表明:采用改进后的BP神经网络可以很好的实现对桥梁的损伤定位和损伤程度的识别,并且具有很好的识别精度。即使在噪声存在的情况下,改进后的BP神经网络仍然可以达到很好的识别效果。

BP神经网络的改进算法及在大坝变形分析与预报中的应用

针对传统的BP算法收敛速度慢、精度较低的缺陷,本文以西津大坝26#点的50期观测数据为例,选择了4个变形因子,进行了改进的BP神经网络在大坝变形分析与预报中的应用与研究.在此基础上,比较了改进的BP神经网络与传统的BP神经网络的预报效果.结果表明:改进的BP神经网络无论在学习算法的收敛速度,还是在预报精度上,都得到了大幅度的提高,且有一定的推广意义.

改进BP网络用于水轮发电机组动载识别的探讨

应用改进的BP网络在时域内进行了水轮发电机组简化轴系统模型上的载荷识别。该方法与传统的频域方法相比,不需要计算模态矩阵、质量矩阵和刚度矩阵,计算简单。数值仿真算例证明该方法简单、有效,具有一定的工程实用价值。

改进的BP神经网络模型预测充填体强度

为了准确评价和预测充填体强度,采用改进的BP神经网络算法,利用实验室做的18组充填体单轴抗压强度试验结果,建立了充填体强度与影响因素之间的5-7-1网络模型结构(输入层为5个神经元,隐含层为7个神经元,输出层为1个神经元,输入为胶砂比及各胶凝材料掺量,输出为充填体28 d单轴抗压强度).结果表明,改进的BP神经网络对于充填体的强度具有良好的预测能力,建立的网络模型不仅收敛速度快而且训练精度高,对充填体强度的预测结果与训练数据和测试数据的最大相对误差仅为4.23%.

基于GA-改进BP神经网络算法在大电网短路电流预测中的应用

详细分析了目前我国电网的短路电流情况以及发展趋势,提出了基于遗传算法(GA)和改进的BP神经网络算法的三相短路电流预测方法,以一个实际的大区域电网为例,对其进行基于潮流的三相短路电流计算,找出短路电流水平薄弱点,并对较薄弱点的短路电流水平进行预测,仿真计算说明了本文所提出的算法的可行性和有效性。

基于改进的BP神经网络裸露地表土壤水分反演模型对比

土壤水分对于全球水循环十分重要,大面积、快速获取土壤水分信息具有重要意义。微波遥感数据可以用于反演土壤水分。以Matlab为平台建立BP神经网络,通过改进BP神经网络的权值、阈值和网络结构,对该算法进行了优化;在研究区范围,分别利用积分方程模型(integral equation model,IEM)、Oh模型、Shi模型生成模拟数据,训练改进的BP神经网络,构建裸露地表土壤水分反演模型,并用野外实测土壤水分数据对模型进行了验证。结果表明,改进后的BP神经网络算法反演精度明显提高,且Shi模型训练网络反演精度较其他2种模型更高,绝对误差为2.47 g/cm3,相对误差仅为7.78%。

改进的BP神经网络在风机故障诊断中的应用

采用动量法和学习速率自适应的改进BP神经网络建立风机故障诊断系统。在网络训练过程中分别采用标准训练样本和含有白噪声的训练样本来训练网络,使网络具有一定的容错性。最后通过仿真实验和风机的故障诊断实例表明:改进的BP神经网络减少训练次数,提高了学习效率,而且有效地抑制网络陷于局部极小,是风机故障诊断的有效方法。

改进的BP神经网络在风机故障诊断中的应用

采用动量法和学习速率自适应法的改进BP神经网络进行风机的故障诊断。根据风机的故障诊断特点,确定神经网络的结构与参数,并制作了相应的故障诊断界面,最后通过风机的故障诊断实例表明:改进的BP神经网络提高了学习速度,有效地抑制了网络陷于局部极小,缩短了学习时间,是风机故障诊断的有效方法。

改进的BP神经网络预测模型及其应用

针对传统BP神经网络算法在对预测问题中存在的网络具有易陷入局部极小、收敛速度慢的缺陷,引入附加动量法和自适应学习速率法改进BP神经网络预测模型.将改进后的预测方法应用于企业的市场需求预测问题,以某汽车制造企业过去12个月汽车销售量的实际数据为样本,分别采用基于时间序列和基于因素分析两种预测模型,对所提出的改进预测方法进行实证分析.结果表明:所提出的算法对销售量的预测精度较高,误差均小于8.8%,运算时间也有所降低,预测结果表明文中所提出的算法在处理网络易陷入局部极小、收敛速度慢的预测问题方面的有效性.

改进的BP神经网络在汽轮发电机组故障诊断中的应用

就BP网络的不足,提出了一种改进的BP神经网络模型,用于汽轮发电机组故障的诊断。经理论和实践证明:该方法有效地提高了故障诊断的精度和可靠度,为旋转机械故障诊断提供了有效方法。

基于改进的BP神经网络高层建筑物沉降规律分析

随着我国经济建设的不断发展,多层建筑物已经被高层和超高层建筑所替代。高层建筑物对单元地面所产生的压力骤然增加,建筑物自身所存在的荷载相应增加。本文主要利用数字水准仪对高层建筑H楼进行沉降观测,设置15个周期,主体施工阶段每2层观测一期数据,封顶之后观测了5期数据。取3个点作为实验分析数据,得出了沉降变化曲线。利用BP神经网络、改进BP神经网络,对沉降数据进行预测,取期间的沉降数据和期间累计沉降数据作为训练样本,根据两个沉降数据预测值的大小,选择合适的训练样本,提高预测精度。

基于改进BP神经网络的风机故障诊断研究

采用动量法和学习速率自适应的改进BP神经网络进行风机的故障诊断。根据风机的故障诊断特点,确定神经网络的结构与参数。在网络训练过程中同时采用标准训练样本和含有白噪声的训练样本,使网络具有一定的容错性。实例诊断表明,改进的BP神经网络缩短了学习时间,是风机故障诊断的有效方法。

基于改进BP神经网络铆接接头力学性能预测

针对钢铝材料的铆接接头优化设计和结构车身混合材料接头技术问题,使用改进的BP神经网络模型研究钣金材料厚度、硬度、接头底部直径等的接头技术参数与材料自身剪切力与剥离力强度等力学参数的映射关系。ALM算法被用来优化改进的BP神经网络预测模型连接权值,提高了神经网络模型的预测精度和泛化能力。对改进的神经网络的预测结果进行检验的结果表明,训练后的神经网络模型能够准确有效地预测铆接接头力学性能,证实了改进神经网络应用于铆接接头力学性能预测的可行性与可靠性。

一种改进的BP神经网络属性选择方法

提出一种改进的神经网络属性选择方法。该方法用敏感度分析法对初始属性集中的属性进行排序,剔除次要属性实现降维,用BP神经网络进行属性选择以找到最小属性集。仿真结果表明该方法效果良好。

基于改进BP神经网络的建筑施工安全评价

通过分析我国建筑施工安全生产的现状,在评价方法选择以及评价指标体系的建立方面,都在传统评价方法的基础上进行了改进,在BP神经网络的模型中引入了动量因子mc,从而克服了BP神经网络运算次数多,易陷入局部最优等缺点。利用改进的BP神经网络模型对建筑施工安全进行评价,找出施工中影响安全的主要因素,为建筑施工的危险辨识和制定相应控制措施提供依据,以指导人们有效地控制施工中的不安全因素,避免和减少施工中事故的发生。

基于改进的BP神经网络模型的防洪堤安全综合评价

针对全线监控堤防工程难度较大且失事后果严重等问题,文章从承灾体、孕灾环境及致灾因子3个层面选择24项具有代表性评价指标,构建了半结构性多目标、多层次的防洪堤安全综合评价体系。然后利用突变理论优化改进了BP神经网络,其中网络输入层参数为突变理论归一化处理后的指标值,中间层数值采用试错法确定,并以防洪堤安全综合评价值作为BP神经网络的输出层。以汀江防洪工程为例综合评价了其防洪堤安全,为进一步验证改进的BP网络的准确性与有效性,对比分析了层次分析、主成分分析与改进的网络模型评价结果。研究表明:改进的BP网络不仅具有简单实用、鲁棒性较强等优点,而且能够综合考虑防洪堤安全各因子之间的矛盾关系,可为堤防工程安全控制提供一定决策依据。

基于改进的BP神经网络的桥梁结构损伤诊断研究

采用改进后的BP神经网络对桥梁结构进行损伤诊断,通过与传统BP网络法的诊断结果进行对比,得出改进后的BP网络算法在实际应用中能克服传统BP网络算法收敛速度慢,存在局部极小的问题.改进后BP网络的桥梁结构损伤诊断具有较好的诊断效果,与传统的BP神经网络相比,不仅提高了计算速度,而且较大地提高了识别精度,具有较好的应用前景.

商场客流量中改进BP神经网络的应用

通过对商场客流量中行人的相关特征进行提取以及对获得的相应数据样本进行处理,利用改进的BP神经网络算法,建立了相应的BP网络模型,对客流量中行人出入商场的一些模式进行自动识别,并分析了隐含层神经元个数、学习速率等因素对网络训练的影响.实验表明该模型在实际项目中的应用是可行的.

基于改进的BP人工神经网络的物流配送中心选址问题研究

基于地质、交通、水文、通讯、经营环境、选地面积、选地价格和道路设施等八个指标建立了模糊评价矩阵,运用了优化的BP神经网络模型对十个已成熟运营的配送中心数据进行学习,训练出成熟的BP人工神经网络.利用训练得到的网络从定性和定量两个角度在十个备选方案中选出最优配送中心选址.结果表明,应用改进的BP人工神经网络对物流配送中心进行选址是科学有效的.