基于GA-BP-Garson模型的市政污泥干燥过程含水率预测

市政污泥干燥过程中内部水分检测困难,为准确预测市政污泥热风干燥过程中内部水分的变化规律,将干燥时间、干燥温度、泥层厚度、流量压差作为输入变量,含水率作为输出变量,采用BP神经网络以及GA-BP神经网络分别建立市政污泥热风干燥过程的水分预测模型;对GA-BP神经网络进行敏感性分析,研究了4个输入变量对预测结果的影响。结果表明,BP和GA-BP 2种水分预测模型测试集的决定系数(R^(2))分别为0.99955和0.99964,均方根误差(RMSE)分别为0.51317和0.45523,即GA-BP预测模型的预测效果更佳,能更准确地预测市政污泥干燥过程中含水率的动态变化。敏感性分析表明,干燥时间对GA-BP含水率预测模型的影响最为显著。研究结果可为污泥干燥工艺和过程的优化提供理论依据,为污泥资源化利用提供参考。

基于改进BAS-BP模型的水平受荷桩承载力预测方法研究

水平受荷桩在高速道路、桥梁和抗震等工程中广泛使用,其设计中存在的重要问题之一为承载力的预测。影响水平受荷桩承载力的因素较多,而现有的相关计算理论未能考虑岩土参数的变异性,难以反映实际使用时的工程情况,从而使得承载力的预测误差较大。采用自适应惯性权重和最小步长策略改进了BAS算法,优化了神经网络模型参数,建立了水平受荷桩承载力预测模型。预测结果表明,改进BAS算法可以显著改善神经网络的泛化能力、收敛速度和预测精度,预测模型对水平受荷桩承载力预测具有良好的适用性。采用连接权重法对水平受荷桩承载力进行了敏感性分析。结果表明:Su为最重要输入参数,其次为e,而L和D对单桩水平承载力的影响较小。该预测方法计算简便、高效,预测精度相对较高。且此方法可进一步考虑荷载、桩体和土体类型等相关因素的影响,适用范围广、包容性较强。

基于BP神经网络的水产健康养殖专家系统设计与实现

针对传统专家系统的知识获取困难、推理能力弱、智能水平低和实用性差等缺点,阐述了BP神经网络运用于水产健康养殖专家系统的设计思想,对水产养殖中的饲养、水环境调控、疾病诊断的模糊描述进行量化,从系统模型和实现流程上说明本专家系统的特点,并以水质评价子系统为例,对平台功能和性能进行测试.实验数据表明,误差小于1%.该平台克服了完全依靠专家经验的主观性,诊断效率高,具有较高的实用性、通用性和灵活性.

基于BP神经网络模型的电机故障诊断专家系统

针对传统机械设备故障诊断专家系统存在知识获取能力弱、求解有一定局限性等问题 ,介绍了BP神经网络旋转机械故障诊断专家系统 ,对单位BP算法 ,BP神经网络的建立、训练及应用作了具体说明。该系统学习效率高 ,故障诊断准确 ,已成功应用于铁路机车走行部的轮对电机在线故障诊断。

基于改进BP神经网络的某型装备故障诊断专家系统

分析神经网络和专家系统的特点,提出基于BP神经网络与专家系统结合的某型装备的故障诊断方法,构造BP神经网络的装备故障诊断专家系统的诊断模型,克服传统专家系统在知识获取和表达的薄弱环节,并用某型装备的故障实际数据进行验证,结果表明神经网络与专家系统结合是一种有效的诊断方法。

基于动量因子技术的BP神经网络改进算法及应用

介绍了基于动量因子技术的改进BP网络训练算法,并将其应用于飞机电气设备故障诊断。以飞机交流异步电动机为例,建立了故障诊断模型,仿真结果表明该算法的应用具有可行性,有较强的推广前景。

BP神经网络改进算法在电气故障诊断系统中的应用

文章将人工神经网络技术、基于动量因子技术的改进BP网络训练算法应用于飞机电气设备故障诊断。以飞机交流异步电动机为例,建立了故障诊断模型。仿真结果表明该算法的应用是可行的,具有较强的推广前景。

BP神经网络专家系统在故障诊断中的应用

介绍了一种基于BP神经网络故障诊断专家系统 ,给出了系统的结构 ,具体描述了神经网络专家系统的基本原理。并以船舶柴油机冷却系统故障诊断为例说明了神经网络故障诊断的推理过程。诊断结果表明了该方法的有效性。

专家系统与BP神经网络相结合的短期负荷预测

研究了专家系统结合神经网络BP算法在短期电力负荷预测中的应用。对神经网络BP算法进行改进,使用BP算法对咸阳电网实际负荷数据进行预测,并将预测值与实际负荷值进行比较,总结其长期的发展变化规律。同时汲取有关专家学者和专业预测人员的经验知识,形成一系列的规则集,从而模拟人类专家的决策过程进行推理和判断,形成一个专家系统,以此来改进采用单一BP算法进行预测的种种不足。结果表明,经验知识越成熟,推理规则越完备,对提高预测精度越有利,对神经网络BP算法的预测值进一步修正的可能性越大。

基于MEA-BP算法的IGBT结温预测模型

针对IGBT芯片被封装在模块内部,芯片结温无法直接测量的问题,提出了基于思维进化算法(MEA)优化的反向传播(BP)(MEA-BP)神经网络算法的IGBT结温预测算法模型。首先,利用温敏电参数(TSEP)法搭建IGBT模块饱和压降实验平台;然后,从实验数据中提取338组饱和压降与集电极电流数据作为TSEP,表征其与IGBT模块结温的关系;最后,利用MEA-BP神经网络算法将提取出的电气参数建立结温预测模型,对结温进行预测。实验结果表明,MEA-BP神经网络算法的结温预测值平均绝对百分比误差在集电极电流小于临界电流时为0.114,在大于临界电流时为0.062,比遗传算法(GA)优化的BP(GA-BP)神经网络算法以及经典BP神经网络算法能更准确预测IGBT结温。

基于BP神经网络和遗传算法的补燃室优化设计

影响火箭冲压发动机补燃室燃烧效率的因素很多,且很难找到各因素与燃烧效率之间的精确表达式。文中在数值模拟的基础上,采用BP神经网络对补燃室各因素和燃烧效率的关系进行了拟合,再利用遗传算法对补燃室进行了优化,得到最佳的因素配置。利用敏感度分析方法分析了影响补燃室燃烧效率的各因素的重要程度。

基于BP神经网络的多电飞机电气系统故障诊断研究

针对未来多电飞机电气系统结构复杂、故障原因多的特点,基于理论上较为成熟的BP神经网络,文章对BP神经网络在多电飞机电气系统故障诊断方面的应用进行了研究,介绍了BP神经网络的模型、BP算法的基本原理以及编程实现的过程。在此基础上,采用VC++与MATLAB混合编程的方法,应用基本的BP算法进行了多电飞机电气系统故障诊断的仿真研究。

基于SSA优化BP神经网络的故障诊断系统研究

针对煤矿井下防爆电动无轨胶轮车故障问题,提出了一种基于麻雀搜索算法(SSA)优化BP神经网络的电动无轨胶轮车故障诊断方法。以电动无轨胶轮车永磁驱动电机为例,通过提取电机不同运行状态下的振动信号特征参数,将特征参数用BP神经网络和SSA-BP神经网络进行训练、仿真测试。测试效果表明:基于SSA-BP神经网络的电动无轨胶轮车故障诊断方法具有较高的准确率,适合作为专家系统中的神经网络模块参与胶轮车的诊断与故障监测。最后采用Matlab神经网络工具箱、C#程序语言、SQL Server数据库实现故障诊断专家系统软件设计。

基于SSA–BP方法土冻胀率影响因素敏感性分析

土体冻胀率影响因素敏感性分析是人工冻土重要研究内容之一,对工程建设具有重要意义。人工冻土冻胀率影响因素众多,且各影响因素彼此耦合。选用甘肃地区砂壤土、黏土、壤土的实验数据,采用麻雀搜索算法优化反向传播算法(back propagation, BP)神经网络建立预测模型,在此基础上提出一种冻胀率影响因素敏感性计算方法。结果表明优化预测模型的预测精度远高于传统BP神经网络预测模型,且冻胀率各影响因素在砂壤土、黏土、壤土中最敏感的分别为冻结速率、初始干容重、初始含水率,为防范工程冻胀危害提供了重要参考。

基于遗传算法优化BP神经网络的石漠化区土壤水分动态预测模型

云南省建水县为典型的岩溶断陷盆地地貌,是我国喀斯特石漠化综合治理的重要类型区,对该地区土壤水分动态变化过程及其影响因素的揭示是水土保持和生态恢复工作的必要条件。收集云南建水县石漠化治理区2006年4月16日—2020年12月1日的逐日气象资料和轻度和中度2个石漠化区的土壤水分资料,分层建立BP(back propagation)神经网络土壤水分预测模型,并利用遗传算法对模型的权值和偏置进行优化。结果表明:1)经遗传算法优化后轻度石漠化区和中度石漠化区样地平均相对误差分别提升45%和63%,均方根误差分别提升3%和12%,R^(2)分别提升约27%和17%,但随着土层深度的增加,预测精度呈降低趋势;2)应用敏感性分析确定影响该地区土壤水分动态的主要气象因子为降水和气温,但随着土层深度增加,对气象因子的响应程度降低,遗传算法优化BP神经网络模型更适合对中度石漠化样地进行土壤水分预测。基于遗传算法优化的神经网络预测模型精度较高,能更好地实现该区域的预测。

基于BP神经网络的传感器交叉敏感性抑制

多传感器系统通常都存在交叉敏感性问题,传感器静态性不仅受某一个环境参量的影响,有时甚至受多个非目标参量的影响,致使测量精度低。提出一种基于BP神经网络的传感器的交叉敏感性抑制的方法,并应用到实际的检测系统中。通过对应用神经网络前后的数据进行比较分析,表明该方法大大降低了交叉干扰,提高了测量精度,达到了预期效果。

基于共轭梯度法和BP神经网络的火山灰云顶高度反演研究

对于火山灰云顶高度的反演问题本质上是一个不确定性反演问题,不论是一维变分的方法还是线性统计回归方法,在复杂气象条件下无法获得高精度解。为了减少对热红外辐射传输模式、物理反演方法以及辅助气象数据的依赖,提出了一种基于BP神经网络的火山灰云高度遥感反演方法。以2010年5月8日发生在冰岛的艾雅法拉火山爆发为例,利用覆盖研究区域的Meteosat-8卫星的SEVIRI仪器数据资料和美国NOAA开发的GOES-R火山灰云顶高度算法反演的火山灰云高度作为训练样本,建立了基于共轭梯度法和L-M法两种训练方法的优化神经网络反演方法体系。研究结果表明:在迭代次数相同的条件下,利用共轭梯度法的反演结果均方误差要优于L-M算法。我国新一代静止气象卫星风云四号成像仪具有与SEVIRI仪器相似的红外通道设置,本研究对建立基于我国新一代静止气象卫星FY-4数据的火山灰云顶高度定量反演模型也具有重要的借鉴意义。

基于GA-BP的电涡流传感器称重系统的温度补偿

针对电涡流传感器在称重系统中的温度漂移问题,该文提出了基于遗传算法优化BP神经网络(GA-BP)算法对电涡流传感器进行温度补偿修正模型。通过对电涡流传感器做标定试验,并且利用LM35温度传感器监测其工作温度,建立GA-BP神经网络模型。该模型用遗传算法对BP神经网络的权、阈值进行全局的优化,克服了易陷入局部最优的缺陷。研究结果表明,补偿后的零位温度系数由2.723×10^(-3)/℃提高到1.099×10^(-4)/℃,灵敏度温度系数由2.956× 10^(-3)/℃提高到6.877×10^(-4)/℃,均提高了2个数量级,满量程的相对误差由8.43%提高到1.93%,提高了1个数量级。成功实现了温度补偿的目的。

一种基于GA-BP学习的神经网络推理机制的研究

为了克服基于规则专家系统推理适应性差、学习能力差等缺点,本文对基于GA算法与BP算法的神经网络专家系统推理进行了研究,给出了一种基于GA-BP学习的神经网络推理模型及实现算法。使用UCI标准数据集进行仿真实验,同其他典型的四种推理算法进行了比较研究,得出基于GA-BP模型的推理具有学习速度快,实时性和准确性高的优点。

基于GA-BP神经网络与敏感性分析的带钢厚度预测

为提高带钢厚度预测精度,构建了融合GA-BP神经网络和敏感性分析的T-GA-BP预测模型。首先通过循环迭代方式确定较优的BP神经网络隐含层的层数与节点数,再采用遗传算法对BP网络的权阈值进行优化。在此基础上,利用Tchaban算法进行敏感性分析,研究输入层中各工艺参数对带钢厚度的影响程度,筛选出重要参数作为新的输入样本来训练T-GA-BP神经网络模型,以降低网络复杂度。采用实际生产数据进行测试,结果表明,T-GA-BP模型的带钢厚度预测精度要高于BP、GA-BP、RBF、Elman神经网络等其他优化模型。同时,工艺参数敏感性分析结果可为轧制工艺调控方案的制定提供参考。