BP神经网络在润滑油摩擦改进剂复配性研究中的应用

研制润滑油的关键问题之一是研究其中多种添加剂间的相互作用和添加剂间的最佳复配比.以正交试验设计为基础的直现分析和回归分析可以探讨添加剂间的相互作用,而基于上述方法的最佳复配比的计算往往误差较大.采用BP神经网络计算最佳复配比,并与前两种方法作比较,发现BP神经网络在计算最优复配比时,结论可靠,精度高,是研制最佳润滑油配方的优秀数学工具.     

润滑油智能分析系统

探讨了专家系统及神经网络技术在润滑油研制中的应用。以各种添加剂及其特性和有关的配比与润滑油的特性建立知识库,运用专家系统为研制油选择合适的添加剂,并向神经网络输入初始数据。运用初始数据,按照研制油的要求,从神经网络推导出合适的配比,并将推算的结果添加到知识库。     

双路输入多层神经网络计算模型研究

建立了润滑油摩擦特性影响规律的ＢＰ神经网络模型，该网络具有两种输入，两个神经隐层，可较准确地计算磨损自补偿状态下润滑油粘度和添加剂含量对４５钢／铜摩擦副摩擦系数的影响规律，为摩擦学设计的程序化计算和分析提供方便具有效的工具。     

润滑油膜防护性能与润滑添加剂分子间相互作用能的关系研究

从吸附分子间侧向相互作用出发，基于Ｔｅｍｋｉｎ吸附等温式，运用统计热力学方法，提出了摩尔吸附分子间相互作用能的概念及求解方法，分析了吸附分子相互作用对油膜极化电阻（或油膜防护性能）的影响，并通过实验和理论计算考察了常用润滑添加剂的最大油膜极化电阻和摩尔吸附分子间相互作用能．研究表明：添加剂摩尔吸附分子间相互作用能越小，则含该添加剂油膜的油膜极化电阻越大，油膜对金属腐蚀的防护性能越好．图２，表１，参８．     

BP神经网络用于饮用水管网细菌总数预测

为保障饮用水管网细菌学水质安全，并实现对细菌总数指标的预测，选定北方某市实验小区饮用水管网为研究对象，应用Matlab软件建立BP神经网络的细菌总数预测模型．结果表明，BP神经网络方法能较好地模拟复杂系统，模型精度较高；同时，建立BP神经网络模型，对水质指标间的相互作用进行模拟，拟合效果较好，并针对该实验管网给出了某些指标的限值．     

一种润滑油中粘度添加剂的定性定量分析

用溶剂萃取和柱层析方法从一种进口金属塑性加工润滑油中分离出粘度添加剂，并结合红外光谱、核磁共振、凝胶色谱等多种分析手段，对该粘度添加剂进行了定性定量分析，为我国粘度添加剂的研制与应用提供了参考．     

添加剂对轴承减摩抗磨性能影响试验研究

轴承系统是某旋转机械的关键部件,其寿命直接关系机器的寿命,摩擦磨损是影响轴承系统寿命的主要因素,为此需提高轴承系统的抗磨损性能.改善润滑油性能是提高轴承减摩抗磨性能较为行之有效的方法,加入少量添加剂能够改善润滑油使用性能,从而提高轴承的减摩抗磨性能.在试样试验基础上,对最佳复配添加剂、目前所使用润滑油及基础油三种油品分别在相同径向承载下进行了比较试验,确定出最佳的润滑油添加剂.并对试验后的轴承进行了电镜观察和能谱分析,对添加剂的作用机理和影响因素进行了分析.     

正交设计与神经网络相结合的混输泵优化设计

以自主研制的第三代YQH-100气液混输泵增压单元为优化对象,采用正交实验设计方法设计优化方案,以提高混输泵效率为最终优化目标进行优化设计.利用Fluent软件对部分实验方案进行数值计算,预测混输泵的相对扬程和效率.针对数值模拟计算量大等问题,分别采用BP神经网络及粒子群优化BP神经网络,建立目标函数与优化变量间的复杂...     

基于BP神经网络模型的机床大件结构动态优化方法及其应用研究

将BP神经网络理论与有限元建模方法相结合，提出了采用BP神经网络建立机床整机主要部件的动力学模型，并应用大型有限元分析软件ANSYS的APDL进行BP神经网络样本的快速采样的方法，根据所提出的方法，建立了机床双W筋板床身的筋板位置，厚度与床身前5阶频率之间的BP神经网络模型，并以床身第1阶固有频率最高为目标进行了设计变量的自动搜索寻优计算且获得了满意的结果，表明神经网络理论与传统的数值方法相结合应用于实体结构的动态分析计算具有重要的现实意义。     

材料非线性问题的遗传算法与神经网络耦合分析

基于遗传算法的全局最优化功能以及BP网络的非线性映射功能，提出了用于结构非线性分析的遗传算法与神经网络耦合分析方法。该方法是利用遗传算法的全局优化功能搜索BP网络各神经元之间的连接权值。以受内压的厚壁圆筒为数值算例，利用建立的遗传算法与神经网络的耦合分析方法进行弹塑性分析。计算结果表明该方法是有效的，具有较高的计算精度和计算效率。     

BP神经网络在住宅区片价评估中的应用

针对传统住宅区片价评估方法的不足,将BP神经网络应用于住宅区片价评估,并将其评估结果与回归分析模型结果进行比较,结果表明基于人工神经网络的评估优于回归分析模型,将神经网络模型应用于住宅区片价的评估是可行的。     

BP神经网络的改进及其应用

在分析BP神经网络建模步骤的基础上,针对BP神经网络某些不足,提出了几点改进措施。首先对原始数据进行了非线性规格化;其次,提出了记忆式初始权值和阀值;最后以确定性系数最大为依据进行参数优选,并将改进后的BP神经网络应用于需水量预测。结果表明,改进后的BP神经网络不仅提高了BP神经网络预测的精度,而且加快了BP网络运行时的收敛速度。     

基于径向基网络的表面肌电信号处理

利用AR模型对实验所采集到的原始二通道表面肌电信号（SEMG）加以分析,提取AR系数作为特征值,将其作为训练样本输入到RBF神经网络进行训练,用此网络对前臂的伸臂和曲臂两种运动模式的表面肌电信号进行模式分类。实验表明,基于径向基函数RBF神经网络分类准确率比BP神经网络更高,具有较强的鲁棒性和自适应能力,可以有效识别肌肉的单动作模式。     

基于改进的BP神经网络算法的控制系统在线辨识方法

 讨论了以计算机虚拟仪器为核心器件,搭建了动态测试与系统辨识硬件平台,使用Delphi语言编写辨识模块,实现对控制系统的在线辨识。在非线性系统辨识方面,针对BP神经网络算法中存在的收敛速度比较慢和辨识精度不高的问题,提出一种基于降低网络灵敏度的MBP神经网络辨识算法和一种基于小波分析的神经网络辨识算法,实现了对控制系统的状态进行预测估计。并以“防空武器半实物仿真系统”中的三轴稳定平台为对象,试验验证了算法的正确性。     

BP神经网络主成分分析在试飞数据预测中的应用

本文采用主成分分析与BP神经网络相结合的方法对试飞数据进行了预测,同时还对BP神经网络主成分分析法与全要素BP神经网络分析法进行了比较．结果表明BP神经网络主成分分析法具有精度更高、收敛速度更快等特点。     

分支前馈神经网络的研究

在BP算法的基础上，提出了一种用于模式分类的人工神经网络模型-分支前馈神经网络，并给出了相应的算法，对模式分类的几个典型例子进行了计算机仿真研究，仿真结果表明，与一般BP网络相比较，分支前馈神经网络显著地减少了训练时间，且分类效果更好。     

BP神经网络在字符识别中的设计改进

BP网络模型是最早被提出来的人工神经网络模型之一,它是一种简单而且非常有效的算法.在数字字符识别系统中,为了克服BP神经网络的易陷入局部极小、收敛速度慢等缺点,本文对传统的BP算法进行了多方面的改进,使得算法更加有效.     

基于RS-BPNN理论的边坡稳定性预测及应用

从文献资料中收集并整理了45组各类危险边坡数据实例,结合粗糙集理论的数据挖掘功能和BP神经网络理论的非线性映射功能,建立了基于粗糙集-BP神经网络(RS-BPNN)理论的边坡稳定性预测模型.利用粗糙集对离散化后的数据进行了属性约简,利用神经网络对约简前后的数据进行了网络训练和仿真,并对其中五组边坡的安全系数和稳定状态进行了预测.结果表明,未经约简的BP网络安全系数预测的平均误差率为14.51%,约简后的RS-BP网络预测的平均误差率为7.24%,且经过粗糙集约简后边坡的预测状态与边坡的实际状态更加吻合.     

基于小波神经网络的实际业务流预测方法

针对无线传感器网络传输过程中容易受到噪音干扰的问题,提出了一种新的业务流预测算法AWNNP(Ant colony-based Wavelet Neural Network Prediction).该算法首先利用小波变换对业务流进行分解,并将其小波系数和尺度系数作为样本数据.其次,结合蚁群算法和神经网络来训练样本数据,采用小波模型重构进行重构,以此获得业务流的预测数据.同时,通过仿真实验对比,并分析了小波神经网络预测算法和BP神经网络预测算法,实验结果表明,AWNNP算法性能较优,其误差为16.21%.     

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。