通径12.5 mm新型2D数字伺服阀实验研究

针对原有2D数字伺服阀存在加工困难等问题,文章设计了新型的通径12.5 mm 2D数字伺服阀。分析了12.5 mm通径斜槽型2D数字伺服阀的工作原理、结构特性,设计了斜槽型的导控机构,不仅方便加工,而且使伺服阀的整体 性能得到很大提高。在此基础上设计并搭建了实验平台,在21 MPa的系统压力下对阀进行静动态实验研究。实验结果 表明该阀的线性度约为4. 1%,滞环约为1.9%,不对称度为3.1%,零位泄露量为5.60 L．min-1导控级的零位泄漏量为 0. 64 L．min-l,频宽为175 Hz（对应25%额定流量）。较之同样级别的伺服阀具有更好的动静态特性,结构更加紧凑。     

射流管阀伺服系统分析方法的研究

本文在介绍现有射流管阀伺服系统分析理论的基础上,根据其气路等效桥路修正公式,讨论了射流管阀伺服控制系统的线性化分析方法,给出了气动伺服系统线性化关键参数——起始压力、压力增益和流量放大系数,在不同流动状态条件下的计算公式,同时给出了判断流动状态的准则,阀结构参数的函数。     

新型压力控制阀的研究

本文针对现有压力伺服阀的不足之处 ,利用毛细阻尼管的调压原理和滑阀阀芯的双自由度运动设计制造了一种新型差压式液压控制阀。该阀具有结构简单、抗污染能力强、成本低等特点 ,并能实现数字控制     

基于改进的BP网络数字字符识别

提出了一种基于改进的BP网络方法来实现数字字符识别.通过对BP网络的神经元的研究与学习,设计了一种结构合理,收敛速率快的BP网络.试验测试结果表明,改进的BP网络方法对印刷体数字的识别率达到了100%,对手写数字的识别率达到了98%以上.     

BP网络的泛化能力改进方法及应用

在人工神经网络的使用中，BP神经网络是使用比较多的网络结构，简要介绍了BP网络的基本结构和BP算法，分析BP网络存在的缺陷，介绍了两种改进BP网络泛化能力的方法，并通过例子分析了两种方法的适用性。     

基于BP神经网络的资产经营绩效评估模型

针对传统资产经营绩效评估模型的缺陷,提出使用BP神经网络对企业的资产经营进行绩效评 估,并对传统的BP网络进行了优化。其中自适应学习机制优化了学习率,动量项加速机制加 速了传统BP网络的收敛速度,遗传算法用于选择BP网络的初始参数。最后,采用500家工业 企业的资产经营绩效数据对模型的有效性进行了初步验证。     

基于模拟退火遗传算法优化的BP网络在质量预测中的应用

翘曲量预测精度是注塑成形优化的难点。文章以某零件翘曲量为对象,选取注射温度、模具温度、保压压力、保压时间、注射速度等参数,进行数值模拟实验,建立BP神经网络的翘曲量预测模型。针对BP神经网络易陷入局部最优解的缺陷,设计一种基于模拟退火遗传算法优化的BP网络模型,与BP网络的预测精度对比。结果表明,基于模拟退火遗传算法优化的BP网络模型预测精度高于BP网络模型,同时加快收敛速度,增强全局搜索能力。     

改进的BP网络在隧道锚喷支护参数设计中的应用

建立了隧道锚喷支护设计参数选择的BP网络模型，并对BP算法中的不足之处加以改进。对隧道锚喷支护的影响因素进行了分析研究，结合我国隧道的实际情况，确定了神经元网络的输入参数。同时根据计算时BP网络对于数据取值范围的要求，对输入输出参数进行了必要的变换处理。结果表明，用改进的BP网络方法选择隧道锚喷支护设计参数的效果是良好的，设计误差能够满足工程实际的需要。     

震灾网络舆情风险监测指标及其评估方法

为科学构建震灾网络舆情风险评估体系,在舆情监测指标构建基础上提出基于加速遗传算法的BP神经网络（AGABP）风险评估方法。依据网络舆情演化理论,围绕震灾网络舆情的物理属性和社会属性提出2个维度、4个二级指标和10个三级指标的震灾网络舆情风险监测指标体系。在评估方法上,针对常规评估系统对非线性、高维度和非正态评估问题的局限性,利用BP网络能够以任意均方差的精度逼近任意平方可积非线性连续函数的优势,将BP网络用于震灾网络舆情风险监测评估中,并用加速遗传算法（AGA）对BP网络参数进行优化,以解决常规BP网络存在训练速度慢和容易过早收敛的问题。通过随机样本数据对AGABP模型进行自学习训练,并用实际样本数据验证,结果表明：与BP神经网络、逻辑斯蒂曲线相比,本研究所构建的AGABP模型在收敛速度、评估准确度上有明显优势,能够用于震灾网络舆情风险管理实践中。     

基于BP神经网络的函数逼近的MATLAB实现

BP神经网络由于它的学习能力和非线性特性,使其能够对非线性函数进行很好的逼近。通过对BP神经网络结构和MATLAB软件及其BP神经网络工具箱的应用研究,利用BP神经网络工具箱设计BP神经网络,用于对非线性函数的逼近,通过网络的训练、测试达到了预期的效果。