基于粒子群蛙跳算法优化BP神经网络的滚动轴承故障诊断方法

针对滚动轴承故障诊断方法存在的局限性及缺陷,在利用小波分析提取滚动轴承故障信号特征向量基础上,提出基于粒子群 蛙跳算法优化的BP神经网络滚动轴承故障诊断方法。该方法采用粒子群 蛙跳算法优化BP神经网络结构参数,利用改进BP算法和样本数据训练BP神经网络,实现滚动轴承运行正常和4种不同故障状态的诊断。实验验证结果表明,基于粒子群 蛙跳算法的BP神经网络方法诊断误差最大值仅为005,为未优化的神经网络诊断误差的1/16;与其他算法相比,基于粒子群 蛙跳算法优化的BP神经网络方法的训练时间、训练误差和诊断精度各项指标均为最优,可实现滚动轴承故障的快速、准确、有效诊断。     

基于改进粒子群算法的BP神经网络优化研究

研究了基于粒子群算法的BP神经网络优化问题,将改进的粒子群优化算法用于BP神经网络的学习训练,并与传统的BP网络进行了比较.结果表明,将改进粒子群优化算法用于BP神经网络优化,不仅能更快地收敛于最优解,而且很大程度地提高了结果的精度.     

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.     

克隆选择粒子群优化BP神经网络电力需求预测

在普通BP算法基础上,引入克隆选择粒子群算法,建立电力需求预测模型.将当期国内生产总值、前期国内生产总值、人口、当期产业结构变化、前期产业结构变化等影响电力需求的因素作为网络输入,电力需求作为网络输出,同时选择合适的隐层节点数,确定模型的网络结构.利用克隆选择粒子群算法反复优化BP网络的权值组合,将优化后的权值作为BP神经网络的初始值,进行BP算法,直至网络达到训练指标.利用近几年相关输入输出变量年度数据,对建立的模型进行电力需求实证预测分析,并同普通BP神经网络预测结果进行对比.结果表明:基于克隆选择粒子群优化的BP神经网络不仅训练速度快,而且误差小,预测精度明显提高,说明该模型对于电力需求预测的有效性.     

改进粒子群算法在BP神经网络拟合非线性函数方面的应用

为解决BP神经网络拟合非线性函数的预测结果误差较大问题,笔者将标准粒子群算法进行改进,形成基于免疫接种的粒子群算法(IPSO);然后将该算法与BP神经网络理论相结合,实现基于IPSO算法优化的BP神经网络非线性函数拟合算法。新的拟合算法首先确定BP神经网络结构,然后用IPSO算法优化初始权值和阈值,最后进行BP神经网络预测。数值实验表明,本文提出的IPSO算法提高了BP神经网络的拟合能力,减小了拟合误差,提高了拟合精度。     

基于粒子群优化支持向量回归机的黄金价格预测模型

为了克服神经网络存在的收敛速度慢、容易陷入局部极值等缺点,提出基于粒子群优化支持向量机(PSO-SVM)的黄金价格预测方法,以影响黄金价格的美元走势、世界黄金储备、石油价格等因素为输入,黄金价格为输出.用粒子群优化算法选择合适的支持向量机参数,对支持向量回归机进行训练.应用训练完成的支持向量回归机预测下一年的黄金价格.结果证明,PSO-SVM的预测精度高于BP神经网络,PSO-SVM适用于黄金价格预测.     

人工智能在故障诊断中的应用研究

针对神经网络存在的缺点和不足,主要分析神经网络和粗糙集、支持向量机、粒子群、小波相结合使用的方法.粗糙集和神经网络相结合用于故障诊断,可以通过粗糙集的知识约简功能大量消除训练样本中的冗余信息,减少神经网络的输入层节点,简化网络结构,缩短训练时间;基于神经网络和支持向量机的复合故障诊断技术不但可以进一步提高个体模型预测精度,而且可以使故障诊断模型始终处于最优识别状态;粒子群优化神经网络能够加快网络收敛速度,提高训练精度;小波神经网络能够很好地对故障进行分类,具有较高的识别精度.     

基于层次分析与BP神经网络的电梯安全评价模型

为高效评价在用电梯运行状态的安全性,提出基于层次分析法和BP神经网络的电梯安全评价模型。通过层次分析法建立电梯系统安全评价指标体系,采用BP神经网络构建电梯系统安全评价模型;通过改进粒子群算法和改进BP算法分别优化、训练BP神经网络;最后进行仿真验证。仿真结果表明,经过改进粒子群算法优化的BP神经网络模型训练速度最快,训练时间比BP算法快8.45 s,比粒子群算法快5.17 s;评价准确度最高,达92.3%,分别比BP算法和粒子群算法提到了11.7%、6.8%;而训练误差最小,仅为0.020 6。     

基于多因素粒子群－神经网络算法的短期电价预测

本文提出在神经网络训练中引入基于全局随机优化思想的粒子群优化（PSO）算法,先利用PSO优化BP神经网络的初始权值,然后采用神经网络完成给定精度的学习,建立了粒子群-BP神经网络模型。对美国PJM电力市场的实际电价（LMP）进行预测．与传统BP神经网络相比,该方法收敛速度快、所需历史数据少、预报精度高,验证了该方法的有效性和可行性。     

粒子群算法优化BP神经网络

现实生活中绝大数系统都是非线性的,BP神经网络通过训练能否达到局部最优值、能否收敛以及训练的时间长短与初始值和阈值的选取关系密切.为此采用了具有动态惯性权重的粒子群算法对BP神经网络初始值进行优化.实验表明具有动态惯性权重的粒子群算法优化BP神经网络预测误差很小,能够跳出局部极小值,得到更优的结果.     

结合环的约当微商

设R是一个结合环,满足由2x=0,x∈R,可推出x=0,N是R的一个非零理,D_1,D_2是R的二个约当微商,使D_1(N)和D_2(N)分别含有R的一个交换子正则元,且对任意a,b∈N,都有D_1(a)D_2(b)=D_2(b)D_1(a),则R是交换环。     

基于PowerBuilder的图形界面设计

详细论述用ＰｏｗｅｒＢｕｉｌｄｅｒ开发图形界面的基本原理和一般方法。     

关于区间上的双正交小波基*

本文利用多尺度分析框架和折叠法得到了Ｌ＾２［０，１］的一族具有解析表达式和任意有限阶正则性的双正交小波基，它包含一族半正交小波基为其特例。     

关于图多项式的一个问题

本文利用图的邻接矩阵的最小多项式,定出了两类只有平凡的多项式图的图。为解答文献[3]提出的一个问题,给出了两个充分条件。     

刚竹毒蛾Pantana phyllostachysae防治指标的研究

刚竹毒蛾Pantana phyllostachysae Chao防治指标研究结果表明:损叶50％以下为轻度为害,损叶51—75%为中度为害,损叶75%以上为严重为害,并根据害虫损叶量和毛竹产最损失的关系,提出了刚竹毒蛾的防治指标。     

虚拟企业研究述评

发达国家和地区已经进入知识经济时代，其虚拟经济和虚拟企业已较为发达，我国正在迅速工业化，部分发达地区正处于进入知识经济的准备阶段，因此，分析虚拟企业这种新型组织形式对我国企业的发展具有十分重要的意义。在综合与评价近年来有关虚拟企业论述的基础上，对虚拟企业的发展趋势提出了自己的见解。     

基于模块化设计的相扑机器人研究

在深入研究相扑机器人比赛的基础上,对相扑比赛机器人的控制系统结构、模块功能和软件策略等方面进行了研究,并提出相扑机器人控制系统的模块化设计方案。     

面向医院的激励机制研究

通过对医、患 、保三方关系的分析，指出医方在医疗保险体系中具有核心地位，并根据委托代理理论和激励机制理论，建立了面向医院的激励机制，以促进医疗服务质量的提高和有效控制医疗费用的过快增长；另一方面，根据按服务项付费可能导致的医患合谋现象，建立了防范医患同谋的激励机制，指出防范医患同谋的关键在于提高医生的保留效用，改善医生收入。     

2-乙氧基噻唑的合成研究

摘要本文报导的是经2-澳代噻唑合成2-乙氧基噻唑,并测定了它的核磁共振谱和质谱.2-乙氧噻唑具有一种强的坚果香味,它是一种新型的食用香料.