基于BP神经网络的滚动轴承智能诊断技术

人工神经网络的应用与研究是近几年迅速发展起来的一个国际性前沿研究课题.介绍了人工神经网络及BP神经网络算法,并对传统的BP算法进行改进.建立了基于BP神经网络动车组传动系统滚动轴承智能诊断系统方法,进行了状态识别神经网络训练与测试.通过对外环、内环、滚动体故障和正常情况下数据的计算、仿真和对比,分析了四种情况下在不同网络设计中的识别效率.基于BP神经网络测试的实际输出与期望输出值非常接近,该网络具有良好的识别性能.     

径向水平井校直器的BP设计法

根据径向水平钻井井下斜向器校直机构的设计要求 ,提出了具体的设计原则。运用反向传播多层神经网络 (BP网络 )对校直机构的滚轮位置进行了计算 ,同时利用BP网络优选了校直器阻力最小时的设计方案。结果证明 ,利用BP神经网络进行设计可显著地减少校直器设计与调试中的盲目性。     

径向水平井校直器的BP设计法

根据径向水平钻井井下斜向器校直机构的设计要求,提出了具体的设计原则。运用反向传播多层神经网络（BP网络）对校直机构的流轮位置进行了计算,同时利用BP网络优选了校直器阻力最小时的设计方案,结果证明,利用BP神经网络进行设计可显著地减少校直器设计与调试中的盲目性。     

BP神经网络的双重优化的改进研究

目前,在交通、农业以及相关数据挖掘等领域应用最为广泛的BP网络模型是较为重要的一种神经网络算法模型,但其性能一直达不到理想状态。BP神经网络收敛性、预测精度一般,并且容易陷入局部最优解,这些缺点需不断改善。针对上述提到问题提出采用动态自学习影响因子和改进网络激活函数两者相结合的一种改进BP网络算法。实验表明,提出改进BP网络方案能够大幅度提升BP神经网络的收敛效率以及精度。     

非线性、大滞后系统神经网络辨识研究

基于神经网络的非线性、大滞后系统辨识是当前研究的热点之一,介绍了神经网络辨识的基本原理,研究了BP与RBF神经网络两种典型网络的设计和算法,最后通过MATLAB进行了仿真分析与比较。仿真结果表明:一致性方面RBF优于BP神经网络,RBF神经网络收敛速度更快,辨识效果更好;泛化性能方面RBF网络较差,不如BP网络。由此得出两种网络各自的优缺点,在实际应用中可以此作为神经网络模型辨识的参考。     

浅谈利用BP神经网络进行系统预测的方法

BP神经网络体现了人工神经网络最精华的部分,利用BP神经网络可以实现系统预测功能,本文就工程实际中利用BP神经网络进行预测的问题进行阐述.为BP网络的实际应用做了铺垫.     

一种基于优化小波神经网络的语音识别

在以往的BP小波神经网络中,最常用的学习算法是BP算法,BP算法实质上就是梯度下降法,是一种局部搜索算法,梯度下降法使得网络极易陷入局部最小值,从而使得网络训练结果不尽人意,搜索成功概率低.取代传统的梯度下降法,利用粒子群算法对小波神经网络中的参数进行优化.然后利用基于粒子群优化(PSO)的小波神经网络进行抗噪声语音识别实验,仿真结果表明,与BP网络相比,PSO算法在迭代次数、函数逼近误差、网络性能方面均优于BP网络,系统的识别率也得到较大的提高.     

基于BP神经网络的机场旅客吞吐量预测

利用BP神经网络对非线性系统的函数所具有的以任意精度逼近的良好特性,设计了具有成都双流国际机场特点的、低成本的机场旅客吞吐量的BP神经网络预测模型,经过BP网络预测软件运行检验,证明在该机场应用BP网络预测方法不仅可行,而且有更好的预测精度。     

非线性系统的改进BP神经网络状态观测器设计

针对活性污泥污水处理非线性系统中,由于某些状态变量不能在线检测时状态观测器的设计问题,本文采用了一种基于改进激励函数的变步长BP神经网络状态观测器设计方法,设计了改进BP神经网络状态观测器,并进行了容错性实验以验证该观测器的实用性和可靠性.     

基于小波神经网络的风速预测及置信区间估计

小波神经网络是在小波变换理论和人工神经网络的基础上建立的一种新型网络模型,综合了两者的优点,克服了BP神经网络易陷入局部极小点和训练速度慢的缺点.本文建立了小波神经网络模型,采用最陡梯度下降法训练网络,将该网络用于对风电场小时风速的预测,并对预测置信区间进行计算.预测结果表明小波神经网络在训练速度和预测精度方面均优于BP神经网络.     

基于BP神经网络和随机森林的织物图像疵点判别网络

设计了一种基于3个两层BP神经网络和随机森林的织物图像疵点判别网络.借助频谱图滤波、灰度共生矩阵和局部二值模式提取织物图像的3个特征向量,经过3个独立的两层BP神经网络进行训练和测试,利用BP神经网络测试结果并结合随机森林得到最终的判别结果.试验结果表明,设计的网络判别能力强,准确率达到99.9％.     

基于遗传BP神经网络的非平稳时间序列预测

BP网是神经网络时间序列预测方法中最常用的网络。针对BP算法局部搜索能力强,而遗传算法全局搜索优势突出的特点,将二者结合构造遗传BP神经网络,用于非平稳时间序列预测。仿真结果表明,该混合算法不仅提高了学习效率,而且对太阳黑子数预测的准确性高于BP算法、传统统计学预测方法。     

基于BP神经网络的行人和自行车交通识别方法

研究了基于BP神经网络的行人和自行车识别方法.首先对图像提取4个特征,形成特征向量作为BP神经网络的输入;然后设计BP神经网络的结构,网络输出为对行人和自行车的识别;为了确定BP神经网络合理的隐层神经元数目,分别对不同隐层神经元数目的神经网络进行了实验分析.最后利用实测的数据对BP神经网络进行训练、仿真实验,并对实验结果进行分析;结果表明:最佳网络的正确识别率为84%,行人和自行车的正确识别率分别为89%和71%.     

基于FPGA的神经网络硬件可重构实现

针对软件实现神经网络速度慢的缺点,介绍了一种神经网络在FPGA上可重构实现的设计方法.设计中依据成熟的BP算法公式,以一个三层的BP网络为例,利用Verilog HDL硬件语言自顶向下设计各个模块,使网络训练时将前向模块、误差反传模块和相应的控制模块同时配置到FPGA中进行网络训练;而当训练好的网络正常工作时,只在FPGA中配置前向模块和相应的控制模块就可以高速运行该神经网络.实验结果表明,该系统结构能极大地提高BP网络的学习速度.     

基于BP神经网络的网络安全态势评估研究

随着网络攻击行为事件的频繁发生,互联网安全受到了人们的持续关注,人们对于网络安全日益重视。网络安全态势感知评估模型可以提升评估网络安全性能,并提升网络安全预警精确性。通过分析当前网络安全情况,设计了攻击指标因子来全面的反应网络攻击行为。此外了更好地解决收敛速度较低,训练效率差等问题,应用遗传算法来优化BP神经网络训练过程权值,提升了训练效率,并基于优化后的BP神经网络构建了网络态势评估模型指标体系,实时统计监控分析网络安全状态。实验结果表明文章提出的基于BP神经网络安全态势评估模型中具备较好的训练集以及收敛速度,评估效率也更符合预期值。     

基于GA优化BP神经网络的WSN数据融合技术研究

为减少无线传感器网络中节点的数据通讯量,降低能量消耗,达到数据融合的目的,设计了一种基于遗传算法优化BP神经网络的数据融合算法(BPGA),阐述了数据融合原理、BP神经网络和遗传算法,介绍了遗传算法优化BP神经网络的数据融合方法,利用遗传算法优化神经网络的权值、阀值及隐含层结构,然后通过优化后的神经网络提取无线传感器网络中原始数据的特征信息,并将特征信息发送给汇聚节点,从而提高网络数据采集效率,延长网络生命周期。最后通过与LEACH、BPNDA算法进行仿真实验比较,证明了其有效性。     

基于粗糙集与BP神经网络的分布式数据挖掘算法

利用数据挖掘来提高网络中能量利用率是无线传感器网络(WSN)的一个重要研究方向.本文构建了基于粗糙集与神经网络相结合的无线传感器网络分布式数据挖掘算法.该算法用粗糙集对节点内的原始数据进行离散化与属性约简后得到的最简决策表训练BP神经网络,再将构造好的BP神经网络集成在每个传感器节点上.仿真结果表明,该算法可以降低数据维数,消除冗余数据、减少网络通信量、延长网络寿命.     

可变结构神经网络在未来水质参数预测中的应用

介绍BP神经网络预测水质参数的基础上,结合变结构网络设计的思维方法,给出了可变结构BP神经网络在水质参数预测中的应用过程.并且,对两种预测算法作了比较,结果显示,变结构BP神经网络的预测精度更高.     

基于改进BP神经网络理论的算法研究

研究了改进标准BP神经网络的方法,特别是研究加快标准BP神经网络收敛速度的方法。针对标准BP神经网络的收敛速度慢,分别采用3种方法修改网络的学习速率,然后建立了相应的改进BP网络模型,并把模型应用到实际生活中。和标准BP网络相比,提出的3种改进模犁都具有收敛速度快、精度高的优点。     

BP神经网络在液相传质系数中的应用

根据BP(Back-Propagation)神经网络原理,以气、液表观流率为输入变量,液相传质系数为输出变量,建立神经网络模型,并利用改进的LM(Levenberg-Marquardt)算法对网络进行了训练和优化。结果表明,BP神经网络能够较好地预测滴流状态下H2O吸收CO2液相传质系数。