神经网络技术在电梯故障诊断中的应用

文中介绍了一种基于GCAQBP学习算法的神经网络模型,并将该模型应用于电梯故障诊断系统。阐述了该模型的基本原理、神经网络的结构、学习算法,并应用该模型对电梯的几种典型故障进行了实际的诊断运行。诊断结果表明,该算法具有较好的收敛速度、学习能力和鲁棒性,其诊断结果精度高,结论可靠。

基于神经网络的磨削参数智能选择

在用人工神经网络来确定磨削参数的过程中,在传统BP算法的基础上,采用改进了的GCAQBP算法。同时考虑了砂轮材料和粒度对磨削过程的影响,把它们增加为神经网络系统的输入参数;并对输入参数的编码进行了细化,最终建立了磨削参数智能选择系统。用样本进行训练后有效率达到了80%以上,与传统方法相比提高了磨削加工的效率和精度。

基于神经网络的全局寻优自适应BP学习算法

根据梯度算法中网络权值的演化规律,并基于终端吸引子,提出一种能全局寻优自适应的快速BP算法,该算法的基本思想是最小二乘算法,采用梯度搜索技术,以期使网络的实际输出值与期望值的误差的均方值为最小.同时,进行BP学习算法的稳定性和快速收敛问题分析研究.并进一步给出改善BP算法学习率修正、假饱和现象消除等训练结果的措施.

鞍山市燃气日负荷预测的研究

结合鞍山市燃气日负荷预测,论述了历史燃气负荷数据的处理方法。运用GCAQBP神经网络对鞍山市2002年燃气日负荷进行了预测,预测的平均相对误差为4.1%。研究表明,这种预测方法可行。