基于"透明"神经网络的模拟电路故障诊断

本文通过分析BP神经网络用于模拟电路故障诊断时的缺点,提出了一种新的神经网络．称为“透明”神经网络(TANN)．然后将TANN用于模拟电路子网络级故障诊断．并通过实例验证了该诊断方法的有效性．     

基于BP神经网络的模拟电路故障诊断研究

本文介绍BP神经网络在模拟电路故障诊断中的应用,对电路中的软故障进行诊断。对选定的待测电路在元件存在容差的条件下,仿真验证了BP神经网络应用于模拟电路故障诊断的可行性。     

基于优化VMD与BP神经网络结合的滚动轴承故障诊断方法研究

为解决滚动轴承微弱故障信号不明显、识别故障类型准确率不高及变分模态分解(VMD)分解时参数主要依靠人为设定的问题,提出一种基于麻雀搜索算法(SSA)优化VMD参数与BP神经网络相结合的故障诊断方法。首先,使用麻雀搜索算法对VMD分解的模态分解个数及惩罚因子进行优化,搜索全局得出最优参数组合;利用优化后的参数对故障信号进行VMD分解,将分解后的本征模态分量导入BP神经网络进行模式识别。结果表明：与EMD、未优化VMD相比,优化参数后的VMD具有更高的故障诊断率99.53%,使故障诊断效果进一步提升。     

模拟电路故障诊断的神经网络方法

提出了一种采用改进的ＢＰ快速算法实现模拟电路软故障诊断的方法。文中对构造神经网络交流故障字典的过程给出了详细说明，特别是隐层节点数确定，测试信号频率的优选及ＭＡＴＬＡＢ神经网络工具箱的使用。实例表明，人工神经网络技术可应用于有容差模拟电路的故障诊断。     

基于BP神经网络的建设工程造价预测方法

阐述了神经网络的基本概念、基本结构和算法原理,建立了基于BP神经网络的工程造价预测模型,并根据模型结合MATLAB神经网络工具箱对程序进行设计,最后通过案例分析对其具体应用作了详尽阐述。研究表明使用BP神经网络来进行工程造价预测是完全可行的。     

优化汽车故障诊断神经网络的改进遗传算法

为了优化汽车故障诊断神经网络的权值和网络结构,改进并设计了遗传算法.在保证种群多样性的条件下,将种群规模降低到最小;引入BP算子,与交叉和变异算子共同竞争,自适应调整运算概率;引入个体间的广义海明距离用于保持种群的多样性,引入连接权的敏感度用于优化网络结构.算法对比测试表明,改进后的遗传算法能够在优化权值的同时优化网络结构,减少了内存占用量,保证了种群的多样性,提高了算法的运行速度和收敛效果.     

基于BP神经网络的煤矿沉陷补偿模型

煤矿开采沉陷补偿以往传统的做法是专家评估的方法。把现代数学方法与煤矿沉陷补偿评估相结合提出新的模式,将BP神经网络理论应用于煤矿开采沉陷补偿评估预测中,在与目前常用的评估方法进行比较后,指出了用神经网络进行煤矿沉陷补偿预测的可行性和优势,讨论了网络的结构设计、学习算法,以及运用实例来进行验证。     

基于Java的面向对象的BP网络模型及故障诊断推理

用BP神经网络模型进行故障诊断在实际中有着广泛的应用,而面向对象的方法在计算机研究和应用中越来越显现出其强大的生命力.将一个人工智能的重要模型用面向对象的方法加以计算机化,使其使用更有效、更方便.     

基于神经网络方法的系统级故障诊断

在Malek模型下,构造了一个连续Hopfield神经网络来解多处理机系统中最可能的故障处理机集问题,并对此方法进行了仿真。     

基于BP网络的伺服阀故障诊断方法

介绍应用BP网络诊断伺服阀故障的原理和方法,在试验的基础上建立了用于伺服阀故障诊断的BP网络,并成功地实现了伺服阀状态的模式识别。     

基于BP神经网络的航空运输量短期预测模型

随着我国经济的发展,航空运输业也空前繁荣发展,航空运量受多方面的影响。本文运用误差反传神经网络,综合时间因素、实际进出空港的实际架次与飞机类型、进出空港旅客人数和货物量以及空港气象条件等,探索航空运量的短期预测模型。     

基于改进BP网络的企业绩效评价研究

为解决传统企业绩效评价过程中主观、不确定指标因素影响评价精度导致可操作性差的问题,本文将BP神经网络用于企业绩效评价中,构造了一个估价模型。同时对BP逆向算法局部收敛的缺陷,通过应用变尺度法(DFP法)进行改进,加快了传统网络算法的收敛速度,提高了估算精度。计算实例表明该模型是可行、有效的。     

基于联想记忆神经网络的控制方法

提出了一种新型联想记忆神经网络结构和学习算法,通过反馈通道将网络输出反馈至输入层,并在通道中引入联想记忆因子,提高了X寸非线性系统的辨识能力,能够简单有效的建立起电阻炉的数学模型。采用具有逆辨识结构的神经网络控制方法对电阻炉进行实际控制,逆控制器的参数通过神经网络逆辨识模型得到,神经网络采用3层2—8—1结构形式。与常规PID控制相比较表明,此方法对大滞后非线性系统具有良好的控制效果和较强的抗干扰能力。     

层次分析的神经网络集成方法

提出了基于层次分析法的神经网络集成方法;介绍了四种不同类型的神经网络,并用这四种不同类型的神经网络构造了五个独立并行处理的模式识别子系统,对每个子系统进行独立训练并分别进行模式识别,统计每一输入模式被各子系统识别成的模式及次数,按识别次数进行两两成对比较;计算各输入模式的识别结果与典型故障模式识别结果间的期望与方差的大小,进行两两成对比较并进行一致性检验。选取层次分析法中准则层对目标层的权重,综合各神经网络子系统的识别情况与输入模式和目标模式的差异大小计算输入模式对各典型故障模式的整体权值并以此作出决策。使用matlab软件进行仿真计算,得到的故障正确识别率。层次分析法神经网络集成方法取得了比相对多数集成方法好的识别效果,还可集成其他模式的识别方法。     

基于神经网络的预测拥塞控制算法

利用神经网络的方法,研究了Internet网络路由器中的拥塞控制问题.根据过去相邻两个时刻缓存器中队列长度值的变化量来预测下一时刻路由器中队列长度值,及时调整控制增益的大小以防止拥塞的发生,该方法可以使路由器中队列长度稳定在一个期望值附近.仿真表明,该控制方法可以有效地保证网络系统中信息的平稳传输.     

基于Dropout CNN的滚动轴承故障诊断研究

针对滚动轴承故障特征很难提取及传统故障诊断方法准确率偏低的问题,提出一种基于Dropout的改进卷积神经网络(Dropout CNN)结构,可以无需预先提取滚动轴承振动信号的故障特征,直接端到端的实现滚动轴承故障诊断。该方法以振动信号为监测信号,使用傅里叶变换生成振动 信号频谱图,以此作为整个系统的输入,利用卷积神经网络强大的特征提取能力可以自动完成故障特征提取以及故障识别。试验结果表明该方法平均诊断准确率 高达99.5%。该方法实现了大量样本下滚动轴承不同故障类型的故障特征自适应提取与故障状态的准确识别。     

基于模糊神经网络的自动驾驶仪的智能测试方法

目前大多数理论方法和技术手段对自动驾驶仪的软故障诊断问题显示出较大的局限性,因此本文提出一种基于模糊神经网络的自动驾驶仪的智能测试方法。测试表明：采用模糊神经网络技术对自动驾驶仪的软故障进行诊断是有效的,具有实际的工程价值。     

基于RBF神经网络的人脸识别方法

计算机模式识别是视觉领域中的研究热点之一,是指用生物特征比如人脸信息来识别和辨认某个人类个体.提出了一种基于RBF神经网络的人脸识别方法：采用主成分分析技术把样本维数降低,同时利用模糊聚类算法进行粗分,然后用ORL标准人脸数据库进行实验.实验结果表明,该方法大幅度提高了人脸识别的效果.