BPN组分粒径对Slapper-BPN型EFDI发火感度的影响

为了研究硼/硝酸钾(BPN)组分粒径对Slapper-BPN型爆炸箔爆燃点火器(EFDI)发火感度的影响,设计并制备了由不同粒径的硼粉和硝酸钾组成的多个BPN配方,采用激光粒度仪表征了硼粉的粒径,讨论了硼粉粒径数量分布和体积分布的特点;通过扫描电镜(SEM)获得硝酸钾粒径对BPN药剂界面形貌的影响;根据差示扫描量热法(DSC)数据,计算了不同配方BPN的指前因子、表观活化能、最低热解温度和热爆炸临界温度,分析了BPN组分粒径对其动力学性能的影响;根据兰利法获得了不同配方BPN的临界发火电压及标准误差,讨论了BPN动力学性能和药剂界面形貌对其发火感度的影响。结果表明,BPN组分粒径主要从BPN的热分解性能和药柱界面形貌影响EFDI发火感度;BPN组分粒径变大,会使BPN药剂的最低热解温度变高,从而降低了EFDI发火感度;BPN组分粒径变小,改变了BPN药柱界面形貌,会使BPN药柱颗粒堆积更密实,减小药剂颗粒空隙,阻碍BPN的传火传热通道,在低密度装药条件下,会明显降低EFDI发火感度。因此,硼粉粒径一致性对低密度BPN发火感度的标准差具有一定影响。

PLS-BPN法用于7005铝合金力学性能与工艺参数的定量研究

用偏最小二乘法(PLS)结合反向传播人工神经网络(BPN)方法对7005铝合金力学性能与工艺参数之间的关系进行定性分析和计算。结果表明:用PLS法对实验数据作模式识别优化处理的结果与实验很吻合,能够指明该合金工艺参数优化的方向;用BPN定量计算的结果与实验测定值符合也较好;将PLS与BPN法有机地联系起来,有利于克服过拟合,提高BPN预报的准确性。用留一(LOO)交叉验证法分别对3种模型PLS、BPN和PLS-BPN的合金性能预报结果进行验证,其中PLS-BPN模型预测的均方根误差(RMSE)和平均相对误差(MRE)均最低,更适合于7005铝合金性能预报。

基于BPN方法的电网故障诊断

针对电网发生故障时,故障信息不完整或不确定,难以得到正确结论,以及贝叶斯理论虽在解决不完整数据上具有优势但不能大规模建模的问题,定义了贝叶斯Petri网(BPN),提出了基于BPN方法的电网故障诊断算法。利用某电网对该算法进行验证,结果表明,该算法能够快速准确诊断故障元件,提高了诊断的容错性。

基于BPN和SPN模型的系统性能分析方法

本文讨论了ＢＰＮ的基本概念，给出了ＢＰＮ典型的Ｐｃｔｒｉ网模型、分析方法和分析性质，描述了由ＢＰＮ扩展的ＳＰＮ和ＤＴＳＰＮ的概念，结合ＳＰＮ和ＤＴＳＰＮ模型实例给出了它们同构的ＭａｒｋｏｖＣｈａｉｎ（ＭＣ）、标记概率和标志概率的计算结果。实践表明，ＳＰＮ能为具有随机过程的系统进行建模和定量分析，是扩展的ＢＰＮ中一种十分有用的分析工具．

基于BPN的作物栽培系统建模与优化方法

给出一种基于前馈神经网络BPN(back pronagation networks)的作物栽培系统建模与优化的方法.该网络经训练后能得到栽培系统的自变量与依变量之间的映射关系,且具有自联想推理功能.利用这一网络模型并通过单纯形法寻优可以获得各个目标和综合目标的最佳栽培技术方案.最后给出一个马铃薯栽培技术研究的应用实例.

基于BPN的舰载指控系统信息融合研究

在研究舰载指控系统数据融合方法的基础上,根据神经网络的特点,建立了基于误差反向传播神经网络(BPN)的舰载指控系统信息融合模型。神经网络具有并行处理、容错性等特点,适合于多传感器的信息融合,将神经网络应用于舰载指控系统,能为指挥员提供更为精准、详细的战场综合态势,并有一定的预测功能,能更好地辅助指挥员进行指挥决策。

CmⅠ偶宇称原子光谱的PLS-BPN方法研究

应用模式识别和人工神经网络相结合的PLS-BPN方法,重新研究了Cm1偶宇称原子光谱组态归属问题,解决了前人用KNN等早期模式识别方法以及CPN神经网络方法进行时的遗留问题.还就一个文献报导为已知的能级,对其组态归属提出了质疑.

基于AFSA-ACO-BPN算法的五轴机床动态误差模型

为了提高五轴机床的加工精度,提出一种基于AFSA-ACO-BPN算法的五轴机床动态误差模型。通过建立灰色关联分析模型完成了建模变量的优化选择,并进行了AFSA与ACO-BPN的动态融合。通过实验验证该方法的预测结果与测量结果吻合较好。该方法综合反映了不同切削加工条件的影响,提高了误差模型的鲁棒性,为提高机床加工精度提供了理论依据。

基于PCA-MLR和PCA-BPN的莱州湾南岸滨海平原土壤有机质高光谱预测研究

土壤有机质(SOM)含量是衡量土壤质量高低的重要指标,可以用高光谱快速测定。在以往研究中,估算模型多以特征波段与线性经验模型为基础进行构建,较少考虑波段间信息冗余和共线性,预测效果不很理想并难以进行推广。为最大化消除波段信息噪声,提高模型预测精度,选取莱州湾南岸滨海平原为研究区,系统采集了111个土壤样本和实测高光谱数据(325~1 075nm),并测试了土壤样本的有机质含量作为因变量;通过主成分分析(PCA)将实测光谱信息降维为6个主成分,并提取水分、植被光谱特征指数(DI),以此作为自变量;最后建立多元逐步线性回归(MLR)和BP神经网络(BPN)预测模型,分析不同模型对土壤有机质预测的效果。结果表明:(1)经过主成分的波段信息分析判别提取出6个主成分,可以表征叶绿素残留物、盐分、腐殖酸、物化矿渣和微地貌的光谱特征。(2)基于6个主成分作为自变量所建立的BPN模型预测精度优于MLR模型,他们的R2分别为0.704和0.643。将水分和植被光谱特征指数作为自变量增加到预测模型后,MLR和BPN的预测精度分别提高了6.1%和5.2%,R2达到0.712和0.764;(3)将光谱主成分和光谱特征指数作为自变量的BPN模型进行土壤有机质预测可得到精度较高的预测结果,在土壤有机质的预测与制图中具有一定的应用潜力。

沥青路面抗滑性能SFC值与BPN值换算研究

基于摆值BPN和横向力系数SFC两项路面抗滑指标检测原理和方法,提出一种SFC值与BPN值的换算方法。以福建省某道路路面抗滑性能实测数据为工程背景,经过对比分析、散点回归等研究进行验证,对换算关系式中的影响因素进行分析。结论表明,提出的换算方法具有较好适用性,可以应用于工程实际。

冰雪天气沥青路面抗滑性能的衰变及预测

为了定量表征冰雪天气沥青路面的抗滑性能,在气候实验室内模拟了结冰路面、积雪路面和积雪消融路面的状态,用摆式仪和T2GO摩擦系数测试仪分别测试了摆值(BPN)和摩擦系数,用维萨拉移动检测器检测了冰层、雪层和水膜的厚度;对于不同的冬季路面状态,基于引起抗滑性能衰变的主要因素提出了摩擦系数预测方法.结果表明:结冰路面的抗滑性能主要受冰层厚度的影响;积雪路面的抗滑性能受雪层内部层间滑动的影响;积雪消融过程中,雪层表面形成的薄冰层会使路面抗滑性能显著降低;结冰路面的摆值与摩擦系数存在较好的线性关系.

隧道复杂环境下沥青薄层罩面抗滑耐久性研究

为研究沥青薄层罩面在高速公路隧道复杂环境下的抗滑耐久性,分别制备高韧热拌薄层罩面(罩面A)、温拌沥青薄层罩面(罩面B)、高和易性薄层罩面(罩面C)与AC-13沥青混合料,在常规环境与模拟隧道复杂环境下进行轮碾磨耗试验。研究不同罩面类型、不同环境下磨耗次数对薄层罩面抗滑性能的影响。采用摆值初值变化、摆值衰减速率与指数预测模型评价不同罩面在常规环境与隧道环境下的对应抗滑衰变规律。试验结果表明,罩面A在隧道环境下摆值初值衰减最低,相较于罩面B减少15.2%、较罩面C减少28.4%、较AC-13沥青混合料减少33%。且其摆值衰减速率仅为0.292,较罩面B低36%,较罩面C低20.2%,较AC-13低29.4%,在隧道环境下表现出优异的抗滑耐久性。此外,AC-13、罩面B与罩面C在隧道环境下的磨耗中会出现“临时纹理”与油蚀现象,造成抗滑性能衰减的短暂延缓。

沥青路表纹理特性与抗滑性能相关关系研究

为研究沥青路面宏、微观纹理特性与抗滑性能的相关关系,选择营运中的沥青道路作为研究对象,采用激光纹理扫描小车进行沥青路面宏、微观纹理的像素值测定,使用Matlab软件重构了沥青路面的三维数据模型.同时,利用摆式摩擦测定仪测量沥青路面摆值.最后,计算沥青混凝土路面纹理构造参数并分析沥青路面构造参数和路面抗滑性能指标间的相关性.研究表明:相对于路面轮廓无规则方向,路面轮廓竖直方向的评价指标与抗滑指标的相关性更强;纹理指标中,平均断面深度MPD与路面轮廓算术平均偏差Ra与路面抗滑性能具有较好的正相关关系,其中路面轮廓算术平均偏差Ra与摆值的相关性大于平均断面深度MPD与摆值的相关性.

单粒级煅烧铝矾土集料高抗滑表层性能评价

试验选取煅烧铝矾土集料不同的撒布量(10,12,14 kg/m^(2)),胶结剂采用环氧树脂,且以沥青混合料与混凝土作为不同的基体,制备了1.18~2.36、2.36~4.75与4.75~9.5 mm三种单粒级的高抗滑表层试件.采用传统铺砂法取了不同基体表面高抗滑表层的构造深度、摆值、平均构造深度(MPD)与均方根高度(Rq)等指标,并得到各指标的三维分布图.同时,通过建立模型探究了高抗滑表层构造深度等指标间的相关性.结果表明:煅烧铝矾土集料路用性能显著优于普通集料.当环氧树脂用量为1.5 L/m^(3),煅烧铝矾土集料粒径选择为2.36~4.75 mm,且撒布量为12 kg/m^(2)时,单粒级高抗滑表层具有优异的抗滑性能.同时,高抗滑表层各评价指标之间具有良好的相关性.

沥青路面抗滑性能影响因素以及优化方法研究

为了改善公路沥青路面服务水平,从吸引力、微切削作用、黏滞力三方面总结了沥青路面抗滑性能产生机理,利用摆式摩擦仪测定了集料类型、污染物(水泥和机油)、降雨水膜厚度、轮胎花纹和压力等对沥青路面抗滑性能的具体影响。同时,对微表处、稀浆封层、抗滑雾封层、抛丸法、凿毛法等沥青路面抗滑性能优化工艺进行了综合对比,研究成果可供沥青路面养护借鉴。

5 DOF穿戴式上肢康复机器人控制方法研究

提出了一种面向偏瘫患者,可实现单关节和多关节运动的5自由度穿戴式上肢康复机器人的控制新方法.根据偏瘫患者上肢单侧受损的特点,该机器人利用偏瘫患者的健肢运动的表面肌电信号(sEMG)驱动康复机械臂辅助患者患肢实现康复训练.利用肌电绝对值积分(IAV)和自回归参数模型法(AR model)对选定的上肢四块肌肉运动产生的sEMG信号进行分析,所提取的特征分别作为基于Levenberg-Marquardt算法的反向传播神经网络的输入,6个上肢运动作为输出建立表面肌电信号与上肢康复动作之间的关系.试验结果表明该方法利用sEMG准确地完成了对上肢康复动作的识别.这一方法有利于提高患者运动积极性,保持正确运动的感觉,并为研究患者受损上肢表面肌电信号与肌肉运动的关系打下了基础.

基于模糊神经网络的电力变压器故障诊断

针对传统的故障诊断技术具有模型复杂,数据采集方法比较繁琐,模糊规则难以确定等问题,提出了将模糊逻辑和神经网络技术相结合的方法;首先针对变压器的故障的特点,利用模糊理论描述不确定性信息,然后采用TOPSIS方法通过对DGA的特征量数据进行模糊处理从而实现优劣的排序;最后根据优化的数据输入到BP网络中,对不同的故障状态进行识别和诊断;同时采用无线网络进行数据传输,实现了远程数据采集与故障诊断功能;分析表明,这种方法能够实现对不同故障的诊断,有效地提高了故障模式的识别能力,较传统诊断方法有较大的优势。

舰船综合电力系统智能保护方法研究

舰船综合电力系统在保护方面存在若干问题:多种工况导致断路器整定值难以选取;系统分级增多,时间原则下的保护延时大大增加;电缆长度较短,致使相邻两级故障难以区分。基于BP神经网络,提出一种电流、电压有效值作为输入,神经网络识别结果作为输出,并用输出结果来控制断路器的通断,实现舰船综合电力系统故障定位的智能保护方法。介绍PSCAD/EMTDC与C接口原理,对神经网络输入量选取原则及处理方法进行说明,并调用BP神经网络C程序进行了仿真验证,结果表明该智能保护方法是保护舰船综合电力系统,提高舰船战斗力和生命力的有效方法之一。

基于支持向量机的信用评估模型及风险评价

运用基于支持向量机理来建立一个新的个人信用评估预测模型,以期取得更好的预测分类能力.并对SVM分类结果与三层全连接BPN分类结果进行了比较.结果表明,在判别潜在的贷款申请者中支持向量的判别结果比神经网络的要好.为了减小训练集偏差及为了验证两种方法的鲁棒性,基于两种策略(平衡样本与非平衡样本)交叉验证来进一步评价SVM分类准确性,并对两种方法基于两种策略的误分类作了风险代价分析.

水电机组振动故障诊断的人工神经网络选择研究

引起水电机组振动的原因很复杂,而且水电机组的振动故障往往是多故障同时发生,使得故障诊断很困难,目前主要是应用基于模式识别的神经网络来进行故障分类,但如何选择故障诊断的神经网络一直是个难点。文章研究了3种人工神经网络,即反向传播网络(BPN)、概率神经网络(PNN)和学习矢量量化网络(LVQ)对水电机组振动故障诊断性能的影响。结果表明,人工神经网络的结构和算法,包括相关训练参数的选择对故障诊断性能有着重要影响。比较而言,学习矢量量化网络和概率神经网络在分类能力方面要比反向传播网络好一些,概率神经网络在计算负载方面比学习矢量量化网络要更胜一筹。