基于特征提取的调制识别方法研究

基于特征提取的调制识别是通过分析信号在时域、频域或其他变换域的差异来提取信号的特征并对信号进行识别分类.针对调制信号载有信息的特点,从信号的瞬变信息、缓变信息以及提取方式等方面对特征提取方法进行研究,并对一些经典的信号特征以及基于时频分析的特征进行了分析,最后研究了两种分类器(神经网络和基于支持向量机)在基于特征提取的调制识别领域的应用.     

一种基于附加动量法的改进BP算法

本文研究了基本BP算法的工作原理,分析了导致基本BP算法学习效率低的原因,提出了基于附加动量法的改进BP算法。经过理论分析和实验验证,在基本BP算法中加入附加动量的方法,可以加快BP神经网络的学习速度,提高BP神经网络的学习效率。     

共轭方向搜索逼近的裂纹信号定量分析方法

建立V形裂纹磁荷模型和测量方程,采用共轭方向搜索逼近的优化方法对裂纹进行定量分析,解决了漏磁定量分析中的不适定问题,通过试验证明该算法能够快速收敛于真实解,是一种实现缺陷定量检测有效的无损检测方法.     

基于BP神经网络的油浸式变压器故障诊断

本文研究了一种基于BP神经网络的变压器故障诊断方法,利用油中气体含量分析的方法,收集整理变压器故障信息作为训练和诊断样本,建立了基于BP神经网络的变压器故障诊断模型,准确率最高达到95%,具有较高的实际应用价值。     

基于BP神经网络的油浸式变压器故障诊断

本文研究了一种基于BP神经网络的变压器故障诊断方法,利用油中气体含量分析的方法,收集整理变压器故障信息作为训练和诊断样本,建立了基于BP神经网络的变压器故障诊断模型,准确率最高达到95%,具有较高的实际应用价值。     

基于BP人工神经网络的变压器故障诊断

电力变压器是电网中最重要的电力设备,对变压器故障及时和准确的预测是确保电网安全稳定运行的必要前提。本文针对变压器故障的特点和类型,利用油中气体含量分析的方法,通过对其故障数据的采集,使用BP人工神经网络方法对变压器进行故障诊断。最后,通过实例仿真,验证了BP神经网络可以有效地运用到变压器故障诊断中。     

基于小波变换的高速公路机电系统短路故障检测方法

针对机电系统短路故障检测方法中存在检测精度低的问题,该文提出一种基于小波变换的高速公路机电系统短路故障检测方法.首先分析机电系统短路故障类型,将其划分为暂时性、固定性、机械性、人为性、系统性五种,不同故障类型具有不同信号特征,使用小波变换提取短路信号特征,并将故障信号波动范围控制在合理范围之内,在此基础上,对采集到的数据进行归一化处理,完成高速公路机电系统短路故障检测.实验结果表明:采用所提方法对高速公路机电系统短路故障测距的精度更高.     

基于BP神经网络的集中监测系统故障诊断

铁路信号集中监测系统通过采集信号设备开关量、模拟量并记录分析,实现了设备工作状态监测、故障报警等功能。为了进一步实现集中监测系统对设备故障原因的分析,讨论基于BP神经网络的集中监测故障诊断流程,对信号设备故障机理的分析确定特征参量,再利用集中监测系统功能获取故障数据,将故障数据作为训练样本对神经网络进行训练,从而获取其中的映射关系。集中监测系统实时监测特征参量的异常变化,将测试的信号设备特征参量作为待诊断样本输入神经网络。结果表明,网络将会输出最匹配的诊断结果,实现集中监测系统的故障诊断功能。     

基于粒子群优化的BP神经网络预测方法及其应用研究

本文提出了一种基于粒子群优化的BP神经网络预测方法.该方法利用粒子群优化算法全局搜索BP神经网络的权值和阈值,并利用优化后的BP网络建立预测模型对经济指标进行预测.仿真实验结果表明,该方法克服了传统BP神经网络本身所存在的局部最小值和训练速度慢等不足,能够较好应用于定量经济指标预测,有效提高了预测的精度.     

基于改进BP神经网络算法的云环境异常检测技术研究

为提高云计算环境异常检测的准确率,改进算法性能,提出一种基于分组梯度下降以及变动学习速率的BP神经网络算法。通过将样本按照一定规律分组,改进梯度下降法的表现,再自动调整学习速率以加快收敛速度。实验表明,该算法可有效提高神经网络学习速度,能准确将云环境异常检测数据分类,具有较高的检测率和较低的误报率。     

基于改进BP神经网络算法的云环境异常检测技术研究

为提高云计算环境异常检测的准确率,改进算法性能,提出一种基于分组梯度下降以及变动学习速率的BP神经网络算法。通过将样本按照一定规律分组,改进梯度下降法的表现,再自动调整学习速率以加快收敛速度。实验表明,该算法可有效提高神经网络学习速度,能准确将云环境异常检测数据分类,具有较高的检测率和较低的误报率。     

基于BP神经网络的串联塘水质综合评价模型

介绍BP神经网络模型的结构原理和算法,分析了在建模过程中可能出现的问题并提出了解决方案,根据国家环保总局发布的地表水环境质量标准和串联塘修复水质的实测数据,建立了具有较好泛化能力的三层BP神经网络,为评价污水净化效率及串联塘的合理规划提供了科学的依据.同时表明,由于BP神经网络模型高度非线性以及输出结果以连续函数形式表达,其对水质进行的综合评价更客观.     

桥梁混凝土表层缺陷的修补方法

混凝土桥梁结构,往往由于设计考虑不周、施工不当、养护管理不善以及混凝土本身老化等方面的因素,致使结构引起不同程度的缺陷。文章简单的分析了混凝土表层缺陷产生的类型及原因,并介绍了混凝土的表层缺陷修补的方法。     

电流模电路的小波神经网络测试研究

提出一种基于多尺度小波分解及神经网络映射归纳的测试电流模电路故障缺陷的方法.针对CMOS器件典型故障建立了测试所需的故障模型,给电路节点加入故障模型进行故障响应测试.对故障信号进行时域采样,采用小波多尺度分解对故障相应信号进行频域多尺度分解,然后将处理数据作为神经网络训练样本,对各类缺陷响应结果进行分类、识别,最后根据可接受偏差范围确定信号为故障或非故障.给出了6类故障的故障覆盖率测试结果.     

基于纹理特征和Hu不变矩的KELM滤光片缺陷识别研究

为提高滤光片缺陷识别的精度,提出一种基于纹理特征和Hu不变矩的核极限学习机(KELM)滤光片缺陷识别算法。通过提取能量、熵、对比度和局部均匀性以及7阶Hu不变矩特征组成联合特征向量,将联合特征作为KELM的输入,滤光片缺陷类别作为KELM的输出,建立KELM的滤光片缺陷识别模型。通过KELM和极限学习机(ELM)、支持向量机(SVM)、BP神经网络(BPNN)的对比发现,算法KELM具有更高的识别准确率,提高了滤光片缺陷识别的精度,同时为滤光片缺陷识别研究和应用提供了新的方法。     

铝合金脱粘缺陷的红外热像无损检测及图像分析

针对CFRP加固铝合金脱粘的缺陷检测,构建了红外热成像检测实验系统,对含不同类型内部脱粘缺陷的试件进行实验研究。采用瞬态热激励方法,获得了不同类型缺陷下试件表面的热像图,并对实验过程中序列热像图随时间的变化进行了观察和分析。研究结果表明,采用红外热成像技术对CFRP加固铝合金的脱粘进行检测是完全可行的,对检测到的图像进行图像分析可以直观准确地反映缺陷状况,与实际实验结果相吻合。     

基于PSO的BP神经网络纱线条干CV值预测研究

本文简要介绍了BP神经网络所用的BP算法,针对BP算法的不足之处,采用粒子群优化算法作为BP网络的学习训练函数,优化BP网络的训练速度和精度,建立了基于PSO的BP网络模型。同时,将这种优化后的BP网络模型应用于纱线条干CV值预测技术中,验证了该网络模型的性能。     

一种基于神经网络的RSSI定位算法

针对商场、地下室等室内环境GPS室内信号较弱、定位误差较大的问题,本文提出了一种基于神经网络的RSSI定位算法,通过对基本的BP算法加以改进,优化其功能,最后进行实验验证。     

基于一种改进K-means算法的入侵检测系统研究

为了提高入侵检测系统的实时性和可靠性,基于传统的K-means算法应用于入侵检测系统的有效性和由于随机初始聚类中心而存在的缺陷,基于此缺陷而改进为选取已经初始化的聚类中心距离乘积最大的点为初始聚类中心,并将其运用到入侵检测领域。这种方法可以有效检测出不同类型的入侵行为,并且在KDDCUP99数据集的实验中取得了预期的效果。     

基于粒子群算法优化BP神经网络的CO_2通量预测

针对现有准确地预测CO_2通量方法的不足,提出了一种以粒子群算法和反向传播(BP)神经网络相结合的预测模型。为了防止粒子种群的快速趋同效应,引入了自适应变异算子。通过对陷入局部最优的粒子进行变异操作,提高了算法的寻优性能。利用粒子群算法得到BP神经网络的初始权值和阈值,对优化后的BP神经网络和普通的BP神经网络分别创建CO_2通量预测模型。实验结果表明,基于粒子群改进BP神经网络模型能较好表达CO_2通量与主要因素之间的非线性关系,相对于一般BP神经网络具有更好的非线性拟合能力和更高的预测准确性。