利用修正的BP神经网络进行框架结构损伤诊断

提出了一种基于修正的BP神经网络方法的结构损伤诊断方法,该方法通过基于误差曲面调整权值以及引入动量因子算法来避免出现局部极小,并通过自适应调整学习速率来提高学习效率,从而解决了传统BP神经网络在实际应用中存在的收敛速度慢和存在局部极小的问题.算例表明,该方法能够不仅较为准确的检测出结构的不同程度损伤,而且提高了计算效率,同时具有较强的鲁棒性.     

利用GA—BP算法对模糊神经网络进行优化

分析了ＢＰ算法和遗传算法（ＧｅｎｅｔｉｅＡｌｇｏｒｉｔｈｍｓ,以下简称ＧＡ）各自的优缺点,将改进的ＧＡ与ＢＰ算法相结合,提出了一种新的ＧＡ－ＢＰ算法,并将其应用于模糊神经网络的参数优化,仿真结果验了本算法的有效性。     

基于遗传算法和BP神经网络的结构损伤识别

鉴于BP神经网络需要较长的训练时间、易陷入局部极小值、网络权值和阈值难确定等不足。运用遗传算法全局寻优的特点对BP网络的权值和阈值进行优化。同时运用遗传算法进行网络训练,避免网络收敛于局部极小值。通过对一根单梁实验数据的识别,结果表明两者的结合能对结构进行准确的识别。     

基于光纤光栅和BP神经网络的结构损伤识别

以光纤光栅为传感元件,四边简支板为研究对象,BP神经网络为信号处理手段,研究了光纤光栅传感器和BP神经网络在结构损伤识别中的应用,实验表明,光纤光栅传感器具有灵敏度高、稳定性好的特点,是结构损伤识别中的一种新的信号采集工具。采用光纤光栅作为传感元件,不仅可使BP神经网络成功地实现对四边简支板的损伤识别。而且提高了结构损伤识别的精度。     

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.     

基于BP神经网络诊断桥梁结构故障

改进BP算法加快其收敛速度,将其应用于诊断悬梁板的故障.通过仿真实验验证该算法可行有效,可实现故障裂纹位置的预测,提高故障识别率28.01%.     

基于BP神经网络的结构损伤检测

介绍了BP神经网络的学习算法,通过对一个钢筋混凝土简支梁模型进行了损伤数值模拟,提取固有频率作为BP神经网络的输入参数,并应用简支梁损伤前后的数据输入训练好的神经网络来判断结构损伤。检测表明,该方法在结构损伤检测中具有较好的应用前景。     

基于BP神经网络的皮肤病诊断方法

自动诊断系统是当前人工智能研究中的一个重要课题,有着十分广泛的应用前景。本文提出了基于BP神经网络的皮肤病诊断方法,讨论了网络隐含层神经元数选取问题、网络输入矢量的标准化处理问题以及网络连接权值的初值选取问题。对366名皮肤病患者的数据做了自动诊断识别实验,实验结果表明,文中所设计的神经网络诊断方法比常用的最近邻方法更有效地降低了诊断错误率。     

BP神经网络算法的研究

给出了BP神经网络的原理、结构、模型、算法及特性,提出了BP算法中值得改进的几个方面.     

基于神经网络的结构边界条件识别和损伤诊断

结构边界条件识别和损伤诊断,对于实验室条件下研究结构的动力特性具有重要的实用价值,本文提出了以子网为基础的分区组合式神经网络模型,并以钢筋混凝土梁在静力作用下的挠度作为特征参数,实现了结构的边界条件识别和损伤诊断。     

BP神经网络在煤矿本质安全评价模型中的应用

煤矿井下是一个复杂多变的人-机-环境-管理系统.运用人-机-环境-管理系统理论,以煤矿人、机、环境、管理4个单要素和系统整体为研究对象,对煤矿本质安全的评价和持续改进开展了系统分析和研究.在人的行为理论分析基础上,建立人因素本质安全评价模型;对设备进行了人机工程学分析,利用可靠性原理建立了设备本质安全评价的指标体系;在将煤矿井下环境归类为作业环境和地质环境的基础上,建立了环境本质安全评价的指标体系;根据职业健康安全管理原理,以国家本质安全管理体系为指导,建立了煤矿本质安全管理体系指标体系;根据人-机-环境-管理4个子要素建立了煤矿本质安全评价综合指标体系.最后以陕西某煤矿为研究对象,利用BP神经网络评价模型展开分析研究,发现了煤矿本质安全建设的不足,进而提出改进措施,从而有效推进煤矿安全生产,最终实现煤矿的本质安全目标.     

基于SBDART和BP的夜间雾遥感检测和能见度反演

为了挖掘卫星影像中的雾信息为雾预测预报服务,利用双红外亮温差值作为雾与地物识别分类标志,建立基于SBDART辐射传输模型和BP神经网络的夜间雾遥感检测和能见度反演模型。对2007年11月24日我国华北地区的一次陆地辐射雾MODIS卫星数据进行雾检测,同时反演雾区能见度。根据陕西省气象局提供的地面气象观测数据对模型雾检测结果和能见度反演结果进行验证,该次实验夜间雾检测的准确率为79.2%,地面观测能见度和反演能见度一元线性回归分析方程斜率为1.006,相关系数为0.8498。实验结果表明,模型具有较高的雾识别率和雾能见度反演结果,可为夜间雾识别和生消发展规律探讨提供一定的帮助。     

基于BP神经网络的开关磁阻电动机非线性建模

为提高开关磁阻电动机（SRM）调速系统性能，在测取准确磁特性样本数据基础上，利用神经网络所具有的非线性映射能力，基于Levenberg-Marquardt算法的BP神经网络建立了SRM的非线性模型。该模型训练收敛快，泛化能力强，且网络规模小，便于实时控制，经与样机实测数据比较，验证了该模型的准确性，将所建模型与准线性模型对比，显示出神经网络模型优越。     

结合遗传算法和阻尼牛顿算法的小波神经网络入侵检测

小波神经网络结合了小波变换和神经网络的优点,具有很强的非线性映射能力和自适应、自学习能力,特别适合于入侵检测系统.但小波神经网络的也有易于陷入局部极小值、收敛速度慢的弱点.对此,本文引入遗传算法来优化产生小波神经网络的初始权值与阈值等,确定一个较好的搜索空间,从而克服小波神经网络易于陷入局部极小值的缺点;同时引入了阻尼牛顿算法,在遗传算法所确定了的搜索空间中对网络进行快速训练,解决传统小波神经网络收敛速度慢的问题,两者构成阻尼牛顿-遗传-小波神经网络.仿真结果表明该方法可行,使神经网络的逼近能力和泛化能力得到了显著提高.     

基于修正模态的混合遗传算法结构损伤识别

采用模态参数对结构进行损伤识别时,测试模态参数包含的误差使识别结果受到影响,严重时甚至不能反映结构的实际破损情况.结构损伤检测可以作为一优化问题.为此提出一种基于修正测试模态的损伤识别方法,即将基于测试频率和修正后的测试振型组成的函数作为优化目标,由具有鲁棒性及易于处理非确定性信息能力的遗传算法和局部搜索算法组成的混合遗传算法作为优化工具.基于桁架的分析结果表明,即使在测试数据包含误差的情况下,采用该方法也能获得满意的识别结果.     

基于神经网络方法对混凝土损伤特性研究

首先对混凝土立方体试件施加三轴受压荷载历史,卸载后测量其各个方向单轴抗压和劈拉强度,根据连续介质损伤力学理论,将混凝土的损佃分别定义成抗压强和抗拉强度的劣化;研究在经历不同荷载历史后混凝土损伤的演化规律,首次运用神经网络的理论和方法,分别建立了在不同荷载史作用下抗拉强度和抗压强劣化的神经网络模型,对混凝土经历荷载历史后的强度劣化特征,即损伤特征性进行了研究,从中可以看出,神经网络方法是研究混凝土损伤的一个崭新途径。     

基于神经网络的主动式红外结冰探测

针对飞机机翼结冰的特点,提出一种新型的主动式红外结冰探测方法.该方法采用红外激光直接照射物体的结冰表面,通过物体结冰表面反射回来的激光回波能量提取不同入射角和观测角下结冰表面的反射系数,利用光电探测器接受不同观测角下的结冰表面激光回波能量,光电探测器将光信号转换成电信号,通过放大和滤波电路对信号进行处理,经过A/D转换输入到计算机进行进一步的处理和分析.运用神经网络方法对其进行分类,最后给出物体表面结冰程度的信息.     

人工神经网络在结构振动控制中应用

对人工神经网络在结构工程振动控制中的应用做了综合评述 .简要介绍了人工神经网络的发展历程和基本性能 ;重点阐述了人工神经网络在结构振动控制中的应用情况 ,并对未来的发展方向进行了展望 .     

采用BP神经网络的基波高精度检测方法

提出一种基于BP(Back Propagation)神经网络的电网基波频率和幅值的高精度检测方法。正弦信号过零点两侧对称两点连线与时间轴的交点和频率满足单调关系,但并非严格的线性关系,而且与幅值无关,据此用BP神经网络建立该交点与频率的映射关系,并提出了对称点优化选取方法。仿真表明,提出的算法对频率的检测精度达到10-4,幅值的检测精度高达10-5,远远高于普通傅里叶变换(Fast Fourier Transfromation, FFT)算法和FFT加Hanning窗算法;随机噪声和谐波对该方法测量精度的影响很小,具有较强的抗干扰能力。