基于遗传神经网络的环境质量评价

介绍了基于遗传神经网络的环境质量评价方法.这一算法克服了BP算法收敛速度慢、易陷入局部极小等缺陷,环境质量评价实例证明提高了预测精度.阐述该方法的评价结果比传统的专家评价法的评价结果更加准确,为环境质量评价提供了一种新的研究思路和分析方法.     

两种新的对数似然比简化算法及其在LDPC码上的应用

通常用取最小绝对值方法对若干比特模二和的对数似然比(LLR)进行简化,该方法存在误差积累问题,因而不是最有效的.为此,提出了两种新的LLR简化算法:正比例函数拟和修正法和逐点平均值曲线修正法,并用这两种算法替代了低密度奇偶校验(LDPC)码归一化最有效可信传播(UMP-BP)译码中的LLR计算,使其在降低译码复杂度的情况下误码率更低.仿真结果表明,对于码长1 024 bits的LDPC码,采用所提出的LLR简化算法后性能较UMP-BP译码方法有0.4 dB提高,并与最优的可信传播算法接近,计算复杂度也有明显下降.     

磨煤机振声信号分析及基于BP网的料位识别

对磨煤机振声信号进行了频谱和功率谱分析,分析表明:低频分量携带磨煤机的料位信息,而高频分量则是由高速电机旋转噪声、排风机噪声以及磨煤机筒体混响噪声引起的;低频料位信号与高频噪声信号是调制关系.利用希尔伯特变换对振声信号进行了解析化处理,分解出低频料位信息,并以振声解析信号的包络为对象,进行料位特征的提取.利用BP神经元网络,建立了磨煤机料位与振声信号的关系模型,从而实现磨煤机料位的自动识别.将模型的计算结果与实测值进行比较,结果表明,料位识别精度在±1.5%之内.     

基于BP神经网络的运动目标红外图像仿真

针对国内外红外图像仿真中采用热力学方法对物体温度场建模的不足,将基于BP神经网络的机器学习算法应用到物体的红外图像仿真中。根据车辆的红外特性将其表面划分为若干区域,并对所划区域的表面温度进行多次测量,得到训练样本集合,然后运用神经网络建立车辆的温度场模型,并对车辆在设定气候条件下的静止和运动状态进行仿真。根据仿真结果分析,此模型能够根据所设定的气候条件较准确地实时仿真运动目标的红外图像。     

空间望远镜分块式主镜面形控制系统建模

新一代空间望远镜采用分块式主镜方案,以多个旁瓣子镜背后布置的若干致动器为控制手段,对主镜面形进行高精度控制,是一个复杂的控制系统。应用BP神经网络的方法建立了以致动器作用力为输入、镜面形变的Zernike多项式拟合系数为输出的镜面形变模型,并利用镜面形变的有限元分析的大量数据,对BP模型进行离线训练和模型预测效果的检验。仿真结果表明所建BP模型接近有限元分析的精度,并可以满足空间望远镜在线控制的实时性要求。     

基于BP神经网络的变压器气相色谱分析法

介绍了利用BP神经网络对变压器进行气相色谱分析的原理,给出了训练样本,在对典型样本进行训练的同时,进一步对误差曲线的仿真结果进行了分析。最后以测试样本为例,说明了该分析方法的准确性与有效性。     

基于神经网络方法的大型电网短期负荷预报

电力系统负荷预报研究现状,介绍了神经网络方法应用于电力系统短期负荷预报的可行性及存在的问题。详细讨论了应用BP神经网络、共轭梯度算法改进BP神经网络方法进行电力系统短期负荷预报的算法,及在预报过程中对电网负荷数据进行预处理方法。分别应用二种方法对东北电力系统进行了72小时短期负荷预报仿真。仿真结果表明,BP神经网络训练时间长,预报精度低;而共轭梯度算法改进BP神经网络算法训练步数大大减小,缩短了网络训练时间,而且提高了预报精度。该方法可行,可用于电力系统短期负荷在线预报。     

基于BP网络的我国工伤事故死亡率预测模型

应用MATLAB软件的神经网络工具箱建立BP网络模型,通过基于时间序列分析方法对1974～2003年全国工业企业事故死亡率进行预测模型的建立和检验.结果表明,用人工神经网络建立的预测模型预测我国工伤事故死亡率符合度高,效果较好.     

基于Elman网络的无人直升机航向的预测建模

为了实现无人直升机的自主飞行,需要首先建立起准确的动力学模型,文中设置了无人直升机的飞行试验平台,采集了大量试验数据。通过对数据的分析,抽取其中有效的数据对,提出了应用Elman网络来建立无人直升机的航向预测模型的方法,并同其它的分析方法进行了对比。最后运用实验仿真验证了方法的可行性和优越性。     

一种神经网络非线性噪声消除方法

针对阶数的增加,Volterra滤波器的滤波系数个数呈几何级数增长,实现困难的问题,提出采用基于Levenberg-Marquardt(LM)算法的BP神经网络逼近Volterra滤波器,实现神经网络非线性滤波,使计算简化。采用的方法是,先离线调整Volterra滤波器的系数,再用调整好的Volterra滤波器监督训练LM-BP神经网络,然后用训练好的LM-BP神经网络进行非线性自适应滤波。仿真实验结果表明,LM-BP神经网络滤波器较其学习导师———Volterra滤波器具有更好的噪声滤除效果。