船舶管子加工CAPP系统关键技术的研究

针对船舶管子加工工艺设计的特点,对TRIBON数据提取、工艺设计神经网络模型等进行了研究,设计了基于BP网络的管子加工CAPP系统,解决了管子加工小票和加工明细表自动生成问题.提出的数据提取方法能够满足CAPP系统信息自动输入的需要,知识推理模型准确地表示了管子加工工艺知识,便于运用神经网络进行工艺决策,BP网络结构模型设计合理,克服了以专家系统为理论基础的智能型CAPP的缺点.     

基于Petri网的柔性工艺规划

论述了产品制造过程中的柔性工艺产生的原因及其工艺柔性存在的意义。在分析了CAPP中的柔性工艺与Petri网之间存在的相同特性关系、柔性工艺Petri网与生产调度Petri网之间的融合关系的基础上，推出了基于Petri网的柔性工艺模型，并对模型与关联矩阵的转换进行了描述。这种方法为CAPP与生产计划调度的一体化集成提供了一种新的途径。     

基于特征的液压集成块CAPP系统建模

针对传统CAPP系统难以与CAD系统有效集成，设计信息和知识难以重用等问题，提出了基于特征的液压集成块CAPP建模方法．该方法在对液压集成块设计制造特点进行深入分析的基础上，采用了面向制造的特征映射技术，其特点为将特征映射分解为工艺映射和加工映射．工艺映射实现单个设计特征的工艺创成，加工映射则实现工艺特征中特征工步的操作具体化，然后通过工序重组实现整个液压集成块的工序和工步创成，最后通过工序和工步排序完成最终的工艺规划．应用该方法所开发的液压集成块CAPP原型软件系统表明，该方法可有效降低传统特征映射技术的复杂度，使得CAPP系统更具阶段性和层次性，并充分重用了设计信息及知识，较显著地提高工艺设计效率．     

钣金件工艺过程自动编制方法

随着人工智能的发展和应用,不少研究人员采用专家系统、神经网络等方法探索创成式CAPP的研究,根据作者开发的钣金件计算机辅助工艺设计系统,详细地介绍了运用专家系统原理进行工艺过程自动设计的原理和方法,提出采用网络图来描述零件信息和表达工艺决策路线,并利用分层推理的方法和灵活的知识表达以解决CAPP系统开发的复杂性,实现了系统的实用性、开放性、智能性要求.     

神经网络在非线性系统参数辨识中应用

要对非线性系统进行控制，必须掌握其模型．介绍一种辨识非线性系统模型的方法，该方法利用多层神经网络可以逼近任何非线性函数这一理论，提出针对非线性系统构造神经网络模型，并给出一种实用的BP算法．最后通过仿真实验，证明该方法切实可行．     

铣削加工颤振稳定性可靠度的计算方法

铣削过程中的系统参数往往具有随机性,严重影响了铣削加工的稳定性.利用BP神经网络综合分析了随机因素对铣削加工过程的影响,提出了一种铣削加工再生型颤振稳定性可靠度计算方法.建立铣削加工再生型颤振动力学模型,使用全离散法获取铣削稳定性叶瓣图.利用神经网络拟合极限轴向切深的函数表达式,再分别使用蒙特卡罗法和一次二阶矩法进行可靠度计算.结果表明,基于BP神经网络的方法兼具高效和精确的优点.     

精密车削中心热误差鲁棒建模与实时补偿

为了减小数控机床的热误差.提高数控机床的加工精度,使用BP神经网络和遗传算法相结合的方法建立了热误差模型,并基于所建模型开发了数控机床热误差实时补偿系统.基于对数控机床热动态过程的分析,利用4个关键温度点,建立BP神经网络热误差模型.用遗传算法优化BP神经网络连接权值和阈值,提高了模型的预测精度和收敛时间.试验结果表明:对精密车削中心进行实时补偿后,加工误差从32 μm降低到大约8 μm,明显提高了数控机床的加工精度.     

利用遗传算法优化人工神经网络权值

遗传算法是一种新的、基于自然选择和基因遗传学原理的随机搜索算法．针对神经网络中BP算法学习效率低且收敛速度慢以及容易陷入局部最优等不足，文章提出利用遗传算法对BP神经网络中的神经元间的连接权值进行优化的方法．试验结果表明，用遗传算法优化BP神经网络的连接权值后收敛速度快，并有效的解决了BP算法容易陷入局部最优的问题．     

基于神经网络的开关磁阻电机自适应控制

针对开关磁阻电机显著的非线性特性，将具有非线性映射能力及自适应能力的误差反向传播（BP）神经网络应用于开关磁阻电机驱动系统（SRD），并结合传统比例、积分和微分（PID）控制的优点，提出一种基于BP神经网络的开关磁阻电机在线辨识与自适应PID控制方法．该方法利用BP神经网络实时观测系统输出，优化PID控制参数，对于解决开关磁阻电机由于非线性严重而导致控制困难的问题具有较强的针对性．实验结果证明了该方法的有效性，且系统适应性强，稳定性好，响应速度和控制精度均令人满意。     

基于BP神经网络特定学习的单级倒立摆控制方法

利用BP神经网络的特定学习算法，以单级倒立摆为控制对象设计一个四输入／单输出、包含5个隐层单元的3层BP神经网络控制器，提出一种新的单级倒立摆控制方法，然后通过Matlab6．5数值计算软件对这种新的单级倒立摆控制方法进行仿真．仿真结果表明，该方法具有较好的收敛性，是一种有效的控制方法．     

用于BP网络的样本添加法

提出了一种改善ＢＰ网络学习能力的样尊添加法，它是根据人类学习知识时存在遗忘现象而设计的。首先阐明其工作原理与学习算法；接着将它用于ＢＰ网络之中，以处理三倍冗 表决问题。     

BP网络的统计意义及实例分析

作为计算机理论与技术发展的产物之一－神经网络,对它的研究正方兴未艾,其中,BP网络的应用研究越来越广泛。从软件工程学的角度,BP网络是一个“黑匣子”,但事实上,它具有深刻的数学意义。本推导了BP网络是传统回归模型的推广,具有广阔的应用前景,并给出了应用实例,进一步揭示了BP网络具有传统统计方法不可替代的作用。     

利用BP算法实现集装箱编号识别

研究集装箱字符识别,采用数字图像处理,模式识别与神经网络技术及改良BP算法实现集装箱编号的自动识别,该方法有较强的适应性,可在不同的光照条件下工作,在识别倾斜,变形,磨损,污染的集装箱时表现出较强的抗干扰能力,改良BP算法具有分类功能,可以实现字符的识别,并且具有较强的鲁棒性。     

基于管件编码和ART2神经网络聚类的船舶管件加工族构造

针对船舶管件加工族构造问题,提出一种基于编码和ART2神经网络的聚类方法。在管件编码中,综合考虑管件的托盘集配时间和结构工艺的特征,采用ART2神经网络实现对管件的自动聚类,形成合理的管件加工族。结果表明,ART2网络聚类方法对处理船舶管件加工族构造问题具有良好的适应性和稳定的分类能力。     

基于BP网络与Mahalanobis距离的图像识别技术(英文)

提出基于BP人工神经网络与Mahalanobis距离的图像识别技术.在对IC芯片图像进行二维小波分析后,通过Mahalanobis距离在图像的低频小波系数矩阵上进行目标图元的区域搜索与位置标定,而后根据待定目标图元像素分布特征建立特征参数向量,建立BP网络对目标图元进行模式识别.实验证明此方法能够有效地对IC图像进行目标图元的位置标定与模式识别,获得准确的IC标定识别结果.     

基于人工神经网络的遥感图像分类研究

随着人工神经网络系统理论的发展,神经网络技术日益成为遥感图像分类处理的有效手段,并有逐步取代最大似然法的趋势。本文重点讨论了遥感图像分类处理研究中应用效果显著的BP神经网络方法,并在MATLAB平台下对基于BP神经网络的分类算法进行了研究,最后将它的分类结果与最大似然法的分类结果进行了精度比较分析。结果表明基于BP神经网络的遥感图像分类效果是较好的,是一种有效的图像分类方法。     

一种基于人工神经网络的内模控制方法

对SISO反馈线性化系统的自适应自校正神经控制进行改造,提出了一种基于BP网络的内模控制新方法,克服了原系统设计方案的理想化,提高了系统的鲁棒性,使该方法具有实用性。同时有只要建立被控过程的内部模型即可得到内模控制器模型的特点。     

基于人工神经网络遥感图像分类的应用研究

阐述了遥感图像分类处理中应用BP神经网络的方法,在ENVI平台下,对基于BP神经网络的分类方法进行了研究。结果表明：基于BP网络神经的遥感图像分类效果是相当突出的,是一种非常有效地处理遥感图像的方法。     

基于量子逻辑线路神经网络的说话人识别方法

 由于说话人的语音信号具有时变性、随机性,其特征参数也呈现出高维及相邻帧变化较大等特点。从量子信息处理理论出发,将一帧语音信号视为一个量子态,在传统神经网络的基础上,利用量子逻辑线路构造神经网络,实现说话人语音信号的有效聚类,探索一种基于量子逻辑线路神经网络的说话人识别模型与方法。利用模型固有的大量全局吸引子,可有效降低语音信号处理的时间及复杂度。通过在经典计算机上模拟仿真,并与BP神经网络说话人识别模型进行对比,表明该方法能够加快说话人识别模型的收敛速率,对参数变化具有更好的鲁棒性,且其系统识别率比BP神经网络方法平均提高了3.34%。