基于贝叶斯改进神经网络的电力无人机鲁棒姿态控制方法

针对电力无人机在工作状态下受到外部因素干扰导致无法精准控制运动姿态的问题,提出基于贝叶斯改进神经网络的电力无人机鲁棒姿态控制方法;综合考虑电力无人机的组成结构、运动以及动力原理,构建电力无人机数学模型,利用传感器设备检测电力无人机的实时位姿,采用飞行路线规划的方式确定姿态控制目标;在考虑风场威胁条件和故障状态的情况下,利用贝叶斯改进神经网络计算无人机的姿态控制量,以鲁棒姿态控制器作为硬件支持,实现鲁棒姿态控制;通过性能测试得出结论:优化设计方法的姿态角控制误差始终低于0.2°,且在3种不同风场工况下,控制误差的波动程度不高于0.5°,与传统方法相比,优化设计方法在姿态控制精度和鲁棒性方面具有明显优势。

基于改进神经网络的船舶航行速度估计数学模型

船舶航行速度直接影响船舶航行安全与路径规划效果,为此建立基于改进神经网络的船舶航行速度估计数学模型,提升船舶航行速度估计效果。利用位置编码机制,编码处理风速与波高等船舶航向速度相关数据;在编解码卷积神经网络内,引入自注意力机制,得到改进编解码卷积神经网络;利用编码后的船舶航速训练数据,训练改进神经网络,建立船舶航行速度估计数学模型;在该模型内,输入编码后的船舶航速测试数据,通过自注意力机制,提取船舶航速数据特征,并结合自注意力蒸馏剔除冗余特征;通过全连接层处理船舶航速数据特征,输出船舶航行速度估计结果。实验证明,该模型可有效提取船舶航速数据特征;该模型可精准估计船舶航行速度;在不同浪向下,该模型船舶航行速度估计的决定系数均较高,即估计精度较高。

基于改进神经网络的10 kV配电网相间短路故障自动化检测系统

为提高10 kV配电网相间短路故障自动化检测精度,设计了一种基于改进神经网络的10 kV配电网相间短路故障自动化检测系统。该系统由在线监测模块的探头装置,检测10 kV配电网线路电压、电流信号信息,通过短距离无线网与通信模块GPRS网络连接,发送至数据分析模块;数据分析模块由服务器、计算机端构成,电压、电流信号数据会实时缓存于服务器中,由计算机端使用基于改进神经网络的相间短路故障诊断模型,诊断电压、电流信号样本,是否属于10 kV配电网相间短路故障状态,完成10 kV配电网相间短路故障自动化检测。通过实验验证,该系统在10 kV配电网相间短路故障检测方面具有很高的准确性,无须人工操作,具有广泛的应用前景。

改进神经网络的船舶红外图像边缘检测方法

研究改进神经网络的船舶红外图像边缘检测方法,提升边缘检测抗噪声干扰能力。采用块匹配的主成分分析方法对船舶红外图像实施去噪处理后,经梯度算子将降噪后船舶红外图像转换为二值图像;以BP神经网络为基础,通过附加动量法-自适应学习速率调整BP神经网络权值,提高网络训练鲁棒性;将转换后舰船二值图像作为改进神经网络的输入,在实施网络训练后得出输出值,依据输出值和设置阈值的对比结果,获取船舶红外图像边缘点,实现船舶红外图像边缘检测。实验结果表明:该方法降噪后船舶红外图像的PSNR值全部高于40 dB,降噪效果较好;可有效提取船舶红外图像边缘特征且边缘检测结果清晰、连贯,能够达到船舶红外图像边缘检测标准。

基于改进神经网络算法的英语数字资源个性化推荐方法

为了有效解决英语数字资源的个性化推荐结果不准确等问题,文章提出一种基于改进神经网络算法的英语数字资源个性化推荐方法。计算时间序列内滑动窗口内的数据均值,获取起始序列向量;将用户行为加以分类处理,形成多个规格一致的时间片,采用取样法对用户群体进行统计,得到各类型用户的行为状态定性;将平均查询频率作为标准,观察用户的查询行为特征,得到用户行为特征挖掘结果。在改进神经网络中引入元数据概念,构建以数字资源为基础的英语数字资源本体,对用户偏好以及英语数字资源本体双重聚类后,匹配类之间的拟合关系,确定最终推荐的英语数字资源。应用结果表明,该方法可有效提升英语数字资源个性化推荐的质量,减少个性化推荐耗时。

基于改进神经网络的电力通信网络故障诊断策略研究

随着电网的日益复杂,传统的电力维护方法难以满足当前电网维护的需要。基于新智能电网通信系统维护的需求,本文提出了一种电力通信网络基于改进神经网络的维护方法网络。首先,建立电力通信模型网络故障,分析故障概率更大的模块,并提出一个量化模型来降低通信故障,并基于长短记忆深度神经网络,确定电网基于模型输出的通信战略设备维护,为智能通信网的建设做出理论基础。

基于改进神经网络的综合气象预测

为区域提供综合气象数据为目的,提出基于改进神经网络的综合气象预测方法。该方法利用GNSS接收机采集目标区域气象参数数据后,对其实施融合处理,并将融合处理后的气象参数数据作为输入,利用改进Elman神经网络模型输入综合气象预测结果。实验表明:该方法采集目标区域气象参数数据准确,可有效预测综合气象,预测结果极为准确。

基于改进神经网络算法的重型车辆NOx排放预测方法

针对传统方法在重型车辆NOx排放预测中应用效果不佳,均方根误差比较大的问题,文章提出了基于改进神经网络算法的重型车辆NOx排放预测方法。该方法利用无线传感器采集到重型车辆运行数据,包括排量、温度、马力、车速,建立预测样本数据集,然后采用小波阈值降噪技术对原始数据滤波处理,并利用改进后的神经网络算法确定各个变量与车辆NOx排放相关性,进而预测出重型车辆NOx排放量,以此完成基于改进神经网络算法的重型车辆NOx排放预测。实验结果表明,文章设计方法均方根误差在0.1以内,具有较高的预测精度。

基于改进神经网络的预应力锚杆布置间距

以山东省境内的 1 0 4国道界河立交桥加筋土挡土墙的失稳加固为实例 ,根据预应力锚杆在拉拔过程中 ,不同的距离范围内应力增量的变化试验 ,利用改进的 BP神经元网络对这一试验值进行了学习 ,经过检验发现网络的输出值与期望值之间的误差较小 ,所以网络具有比较强的推广能力。利用这一网络对试验数据作了进一步的推广得到了另一组试验数据。根据这一组数据 ,在给锚杆施加一定预应力的条件下 ,可以求出锚杆的作用范围。根据这一范围和挡土墙破坏状况以及外部载荷的分布情况 ,利用极限平衡理论得出了比较合理的锚杆布置间距。

改进神经网络在激光图像分割中的应用

由于多种因素影响,激光图像结构非常复杂,传统方法难以获得高精度的分割结果,为了提高激光图像的分割精度,提出一种改进神经网络的激光图像分割方法。首先对激光图像进行去噪处理,消除噪声对图像分割的不利影响,然后采用改进神经网络对激光图像进行分割,最后采用多幅激光图像进行仿真性能测试。实验结果表明,改进神经网络以较少时间准确分割出激光图像中的目标区域,可以有效抑制噪声对分割结果的干扰,且比当前经典激光图像分割算法具有明显的伟优势。

基于改进神经网络的光纤通信故障数据的自动识别

针对传统神经网络构建的光纤通信网络故障数据识别器,在训练进程中易出现局部突出极小值,导致故障数据识别不准确的问题。对光纤的内部结构和通信故障数据的自动识别问题进行研究,提出一种基于免疫识别的神经网络光纤通信网络故障自动识别模型,分析传统的神经网络在识别进程中的弊端,将改进的神经网络结构同免疫识别理论相结合重新构建神经网络自动识别器,并应用于光纤通信网络中,用给出的相应训练方法进行训练,把光纤通信网络的故障数据存储在识别器中,获取故障模式特征,依据识别器的激活状态自动识别光纤通信网络的故障点。实验结果表明,本文提出的基于免疫识别的神经网络光纤通信网络故障检测方法,可准确识别出光纤通信网络故障数据,其识别率明显高于传统的识别方法。

基于改进神经网络的光纤故障监测优化

随着光纤承载业务量的逐渐增加,光纤线路产生的故障数据越来越多,传统方法对光纤故障数据的采集过程复杂,不能快速得到故障信息,导致光纤故障监测实时性能差,无法及时发现故障,因此,提出基于改进神经网络的光纤故障监测方法,通过小波变换法对光纤OTDR曲线进行分析,得到光纤信号中的所有细节,获取故障光纤信号,利用小波包对故障光纤信号进行特征提取,将提取到的光纤故障向量作为神经网络的输入,通过前向计算过程、误差计算和误差反向传播过程完成神经网络的训练。针对BP神经网络收敛速度慢和学习率、惯性系数确定方法不合理的弊端,利用自适应学习速率动量梯度下降反向传播算法对神经网络进行改进,给出利用改进方法对光纤故障进行监测的实现过程。实验结果表明,所提方法具有很高的故障监测精度。

多指标体系和改进神经网络的绿色建筑设计方案评价模型

由于传统模型的评价指标不完整,使得绿色建筑设计方案评价结果不科学、误差大,为了提高绿色建筑设计方案评价精度,提出了多指标体系和改进神经网络的绿色建筑设计方案评价模型。首先分析了当前绿色建筑设计方案评价的研究进展,建立了全面、客观的绿色建筑设计方案评价指标体系,并通过灰色关联分析算法筛选绿色建筑设计评价指标;然后采集绿色建筑设计方案评价指标原始数据,组成绿色建筑设计方案评价的训练样本,引入神经网络刻画绿色建筑设计方案等级与评价指标之间的变化规律,建立绿色建筑设计方案评价模型,并引入蚁群算法解决神经网络的参数确定问题;最后采用绿色建筑设计数据集对模型的性能进行测试,所提模型的绿色建筑设计方案评价精度高达92%以上,而经典模型的绿色建筑设计方案评价精度低于88%,且所提模型大幅度减少了绿色建筑设计方案评价时间,获得了比经典模型更优的绿色建筑设计方案评价效率,可以为绿色建筑设计方案评价人员提供有价值的参考意见。

改进神经网络的电子商务客户流失估计

针对传统电子商务客户流失估计模型对RFM数值分析不准确,估计误差大的问题,提出基于改进神经网络的电子商务客户流失估计模型。利用改进神经网络分析历史数据,完成数据挖掘,分析客户活跃度以及再交易的可能性,考察客户潜在价值,建立贡献分析评价流程,采用RFM模型确定权重,建立基于改进神经网络的电子商务客户流失估计模型。实验结果表明,与传统方法相比,所提方法对RFM数值分析更加精准,使电子商务客户流失估计误差明显缩小,由此证明所提出的基于改进神经网络的电子商务客户流失估计模型更加有效。

基于改进神经网络的图像生物特征识别方法

在图像的固定生物特征识别过程中,传统的识别方法针对像素质量不高的问题,很难建立完整的寻优计算过程,识别效果不好。提出基于改进神经网络算法的图像特征识别方法。通过量子计算对神经网络进行优化,优化神经网络在特征识别中的阀值确定过程,完成图像识别。实验结果表明,利用改进的算法进行图像特征识别,能够极大的提高生物特征识别的准确性,扩展了应用的范围。

改进神经网络在预测评判油气田设备腐蚀分析中的应用

主要针对一般BP神经网络易陷入局部最小值、收敛速度慢、引起扬荡效应的缺点,提出用一种改进遗传算法对BP网络的权值、阈值进行训练,构建优化的混合算法神经网络模型。在华北油田某管道的腐蚀情况分析中,证明了该方法的正确性和优越性。

基于改进神经网络的网络入侵检测

随着计算机网络的高速发展,从20世纪90年代初至今的几十年中,网络安全问题日渐突出,计算机信息的安全和防御受到严重影响。传统非神经网络入侵检测包含着效率低、误差较大和收敛速度慢等问题。采用改进的遗传算法来使神经网络权值与BP算法结合,能够满足入侵检测分类识别的需求,利用给定的动态神经网络系统构建相应的网络入侵检测系统,能适应不同类型的入侵检测,有效地提高了网络的安全性。

基于改进神经网络的电网线损率预测模型分析

对神经网络输入层中的数据作归一化处理,通过优化神经网络可有效避免神经元出现饱和现象,从而提高对线损预测的准确性。因此,本研究利用改进神经网络设计了新的电网线损率预测模型。实验结果表明,该预测模型的预测时效性和预测准确率均较高,证明该模型具有较强的应用优势。

基于SOM聚类算法和灰色改进神经网络的粮仓温度预测

针对传统粮仓温度预测方法非线性度大、输入变量繁杂、精度不高的问题,提出利用SOM聚类算法降低模型非线性度、利用灰色关联分析法简化模型输入变量、利用灰色GM(1,N)模型和改进神经网络相结合提高精度的预测方法。结果表明,所用方法预测误差小、模型更稳定,为粮仓温度预测提供了一种有效研究方法。

基于改进神经网络的光通信组网抗毁技术研究

针对光通信组网对网络传输实时性不足的影响,以提高光通信组网的性能为目的,提出了基于改进神经网络的光通信组网抗毁技术研究。在改进神经网络的基础上,模拟网络节点在光通信组网中传输,运用节点的变化计算出组网节点的度参数,结合平均路径长度参数和介数参数,设计了光通信组网特征参数,利用光通信组网的路由策略,设计了光通信组网抗毁算法,最后通过重构光通信组网,实现了光通信组网的抗毁。实验结果表明,基于改进神经网络的光通信组网抗毁技术在网络鲁棒性和效率方面,都具有较强的网络优势,提高的光通信组网的性能。