一种基于人工神经网络的旋转机械故障监测方法

把神经网络与数字信号处理相结合，提出并实现了一种基于神经网络的旋转机械在线故障监测系统，主要用于识别旋转机械的一些常见故障如转子不平衡振动、转子零部件松动、油膜涡动等等。系统主要由数字信号采集、数字信号预处理和Ｂ－Ｐ神经网络几部分组成。在神经网络中采用批处理加动量项的梯度下降算法学习。仿真结果表明该故障监测系统在故障识别率等各方面性能指标均优于传统的基于知识的工况监测与故障诊断系统。     

汽轮发电机组振动故障诊断的模糊输入方法

针对汽轮发电机组振动故障的特点,构造了一模糊神经网络（ＦＮＮ）诊断模型,讨论了网络的多种模糊化输入,输出方式,并对两种模糊输入方法进行了对比分析。最后运用该诊断方法与传统的ＢＰ网络诊断方法进行比较。结果表明：模糊神经网络诊断方法对汽轮发电机组振动故障的识别是有效的,且在分类模糊边界数据时优于ＢＰ网络诊断方法。     

基于 BP 网络的二维不变性目标识别

为识别坦克等较复杂的目标，描述了一种神经网络分类方法；利用傅立叶描述器提取目标的形状特征，它具有不变性特性；利用多层ＢＰ网络进行分类。讨论了网络结构及模拟实验结果，认为ＢＰ网络对２Ｄ不变性目标识别具有良好的鲁棒性；它的分类结果优于传统的近邻域分类器     

多层神经网络BP算法的改进

多层神经网络ＢＰ算法的改进姚瑞波孙国雄汤崇熙（东南大学机械工程系，南京２１００１８）目前，前馈型多层神经网络模型已广泛应用于模式识别、语音识别、数据压缩等领域．ＢＰ算法作为其学习方式有效地解决了ＸＯＲ、Ｔ－Ｃ匹配问题，但ＢＰ网络的学习过程是对一个高...     

神经网络在储层横向预测中的应用

传统的冯·诺依曼程序存储式计算机擅长于数据处理，但在类似于面貌及声音识别这样一些简单的认知问题方面，与人类相差很大，这种差异推动神经网络的研究，本文讨论误差反向传播网络（ＢＰ）。给出了ＢＰ网络在储层横向预测测方面的应用。     

神经网络在储层横向预测中的应用

传统的冯·诺依曼程序存储式计算机擅长于数据处理，但是在类似于面貌及声音识别这样一些简单的认知问题方面，与人类相差很大．这种差异推动了神经网络的研究．本文讨论了误差反向传播网络（ＢＰ）．给出了ＢＰ网络在储层横向预测测方面的应用．     

BP神经网络在磨削烧伤诊断中的应用

用磨屑热辐射流温度信号作为信号源，运用ＢＰ神经网络对磨削烧伤状态的智能辨识进行探讨，结果表明，利用ＢＰ网络的高度非线性射表达能力，实现了样本特征值空间的模式空间的映射，对训练样本及测试样本进行了正确识别，且识别正确率较高。     

地震属性参数神经网络油气预测应用研究

论述了油田区块开发前期和中期的油气预测的方法及实际应用问题．主要利用三维地震资料提取地震属性参数,并采用模糊神经网络技术,即将模糊概念和ＢＰ神经网络结合一体进行预测．为使ＢＰ神经网络尽快收敛,减小振荡,增强网络的可靠性,还提出了两种主要修正ＢＰ网络的方法,其一为动态调节学习率;其二为动态调整权系数参数．通过实例分析认为：该方法的精度和可靠性较高,其预测结果为油田开发区块增产上储提供了较可靠的依据．     

自适应模糊神经网络的优化辨识及仿真

利用优化理论对自适应模糊神经网络的辨识问题进行了研究，提出了基于共轭梯度法的网络辨识算法，通过与ＢＰ算法进行的比较仿真表明本方法切实可行。     

有限元单刚矩阵计算的神经网络法

固体力学有限元计算问题可以采用神经网络进行实时求解，神经网络可用改进的Ｈｏｐｆｉｅｌｄ网络。求解之前必须确定信号网络的联接权矩阵（相应结构刚度矩阵）。分析了单元刚度矩阵的组成，提出用ＢＰ网络来实现单刚矩阵的实时计算方法。分别用传统有限元法和ＢＰ网络法求解了一三角形单元的单刚矩阵元素，结果表明ＢＰ网络法计算具有实时性，精度满足工程要求。     

颜色空间转换的模糊神经网络辨识算法

为了提高颜色在不同成像设备之间传递的准确性,以RGB颜色空间与CIE L*a*b*颜色转换为例,提出采用颜色空间转换模糊模型将输入颜色空间划分为多个子空间,在子空间内采用神经网络模型对输入值进行输出,利用神经网络优化颜色空间模糊转换模型,得到了基于模糊神经系统的颜色空间转换模型.研究结果表明,该模型转化精度相对于单一的颜色空间模糊转换模型有很大提高,并解决了BP神经网络颜色空间转换模型由于空间采样点数目过多而引起的训练难度增加问题.     

用BP网求解模糊控制器输入量的隶属函数

在模糊控制器设计中,需要对输入数据进行模糊化处理,用隶属函数描述;模糊变量隶属函数的选取对模糊推理有很大影响.利用BP网的分类性可以将采集到的清晰数据集广义地分成模糊类.选取具有一个隐层的PB网,输入层和隐层变换函数采用S函数,输出层用线性变换函数,在MATLAB环境下采用动量算法和自适应学习速率,调用trainbpx函数,对BP网进行训练,在训练时最后一层的输出越接近目标值越好.利用训练好的神经网可以对具体的输入数据求解对应于不同模糊区间的隶属值.用这种方法,速度快,误差小.     

应用模糊神经网络反演大坝弹性模量

根据大坝实测位移资料，应用模糊神经网络反演坝体和坝基的弹性模量，其中两种水位下的位移的水压发量差值作为网络输入矢量，待求的坝体和坝基的弹性模量作为网络输出矢量，计算结果表明，应用模糊神经网络反演大坝弹性模量，具有精度高、速度快的优点。     

交通拥堵情况下一种基于模糊神经网络的路径选择方案

在确立了交通拥堵情况下路径选择指标体系的基础上,建立了基于模糊神经网络的交通拥堵路径评估模型。该网络具有五个因子输入,一个衡量路径花费时间的输出,总共三层的结构,且输入层具有对输入参数进行模糊化的能力。利用实际样本数据进行实证分析,训练结果表明网络预测误差小。     

基于模糊神经网络的AGV避障路径研究

通过对AGV运动学模型进行分析,针对AGV在未知环境中的避障问题,将模糊控制与神经网络相结合,形成模糊神经网络控制器,对AGV行驶环境进行分析,将障碍物信息输入控制器,从控制器输出数据中找出避障最佳路径,利用模糊神经网络自学习和自适应能力,提高AGV避障的成功率。     

自组织模糊神经网络的结构辨识算法

针对自组织模糊神经网络,提出了一种新的结构辨识算法.通过建立输入和输出相似性准则,提出一个用于提取模糊规则的新型聚类算法.所提方法的显著优点是克服了传统神经网络的维度灾难问题.     

用模糊神经网络建立模糊模型方法的推广

本文利用文献 [1 ]中提出的五层前馈式模糊神经网络及其修剪和调整方法 ,将单输入单输出网络推广到二输入一输出系统 ,仿真结果表明效果良好。图 5 ,参 5。     

高炉煤粉喷吹系统的动态辨识

高炉煤粉喷吹是一个时变、非线性复杂系统,采用常规方法无法建立起精确的数学模型·通过对煤粉喷吹系统的研究,提出一种带可调因子的模糊神经网络(AFNN),它通过调节可调因子的大小,实现喷吹对象的动态辨识·实验结果表明,该网络具有快速的学习能力和较强的自适应性能·     

交通事故Pi-Sigma模糊神经网络预测模型

提出了基于Pi-Sigma模糊神经网络的交通事故预测模型,选用Takagi-Sugeno型模糊推理系统和BP神经网络,以年平均日交通量、交通负荷、设计速度、车道宽度为输入,以每公里年均事故次数为输出,利用哈尔滨市133条主次干道的道路交通条件数据和5年的交通事故数据对模型进行了训练和检验,并将该模型与模糊逻辑模型、BP神经网络模型进行了对比分析.结果表明,交通事故Pi-Sigma模糊神经网络预测模型在预测精度及计算效率上总体优于其他两种模型,较适合于大样本条件下交通事故的快速预测.     

一种递归模糊神经网络的广义预测控制方法

提出了一种递归模糊神经网络(RFNN),通过加入向量调节层,提高了网络对输入信息的处理能力。基于所设计的递归模糊神经网络,建立非线性系统的离散数学多步模糊预测模型,根据这一模型对系统的输出进行预测,然后利用预测控制算法得到相应的预测控制规律。仿真结果表明该方法具有较高的控制精度以及一定的抗干扰能力。