基于声发射信号的铝合金材料损伤表征识别

随着高速铁路的不断提速,高铁轻量化设计中广泛采用高强铝合金材料,但高速列车齿轮箱体服役安全评价亟待完善.本文针对高速列车齿轮箱体使用的铝合金材料服役特性,搭建了声发射检测拉伸试验系统,运用BP神经网络算法对声发射信号进行训练与识别,实现对箱体材料拉伸损伤表征识别与材料服役状态的安全预警.本研究为材料损伤状态的无损实时识别提供了一种识别与预警方法.     

基于声发射信号的铝合金材料损伤表征识别

随着高速铁路的不断提速,高铁轻量化设计中广泛采用高强铝合金材料,但高速列车齿轮箱体服役安全评价亟待完善.本文针对高速列车齿轮箱体使用的铝合金材料服役特性,搭建了声发射检测拉伸试验系统,运用BP神经网络算法对声发射信号进行训练与识别,实现对箱体材料拉伸损伤表征识别与材料服役状态的安全预警.本研究为材料损伤状态的无损实时识别提供了一种识别与预警方法.     

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。     

基于改进的BP神经网络的钢桁梁桥损伤识别

文章对某钢桁梁黄河大桥进行了损伤数值模拟,提取其固有频率作为BP神经网络的输入参数来训练网络,对桥梁整体的损伤进行诊断,并根据实桥损伤诊断的结果提出了一种改进的BP神经网络方法,它能够解决传统BP算法的梯度下降速度,从而提高运算速度,通过自调节保证学习过程中每一时刻具有较大的Sigmoid函数值,避免了局部极小。     

基于协同神经网络的系统状态识别

现代机械加工对安全性和效率的要求越来越高,声发射以高灵敏度、高可靠性、高安全性等优点,成为机械加工动态监测中最具前景的监测方法之一。声发射现象在机械加工中广泛存在,通过研究声发射技术的基本原理可以明确声发射信号的变化规律。基于协同神经网络的机械加工工作状态识别的实现过程包括学习训练阶段和迭代识别阶段。网络实现过程首先将输入待识别模式的特征向量进行去均值归一化等预处理,求出序参量的初始值,然后根据序参量的动力学方程进行演化,只有一个序参量演化的值达到稳定,最终模式类在竞争中胜出,网络识别结果是把待识别模式归类为相应的初始训练模式类。     

遗传算法-神经网络方法的结构损伤识别

应用人工神经网络技术，提取结构的固有频率的变化为特征参数，建立结构损伤识别模型，提出用遗传算法来调整神经网络的权值，并对一个框架模型进行了损伤数值模拟计算，即基于遗传算法一神经网络方法的结构损伤识别的研究。该方法弥补了传统的种经网络BP网络收敛速度慢，易陷入局部极小点等缺陷．结构表明，该方法具有收敛速度快和识别精度高的特点。     

BP神经网络和曲率模态理论在桥梁损伤识别中的应用

目的 研究桥梁结构损伤识别指标,探讨结合BP神经网络理论开发程序对桥梁结构损伤位置及损伤程度智能输出的可行性.方法 对桥梁数值模拟,建立有限元模型并进行模态分析,得到损伤前后的模态数据;将模态数据曲率化后结合桥梁结构的损伤指标作为输入及输出变量,以输入变量与输出变量建立非线性映射关系;将大量损伤模态数据随机构成训练集及...     

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。     

遗传算法–神经网络方法的结构损伤识别

应用人工神经网络技术,提取结构的固有频率的变化为特征参数,建立结构损伤识别模型,提出用遗传算法来调整神经网络的权值,并对一个框架模型进行了损伤数值模拟计算,即基于遗传算法-神经网络方法的结构损伤识别的研究。该方法弥补了传统的神经网络 BP 网络收敛速度慢,易陷入局部极小点等缺陷. 结构表明,该方法具有收敛速度快和识别精度高的特点。     

基于广义局部曲率模态信息熵和BP神经网络的结构损伤识别方法

针对曲率模态对振型节点较不敏感且无法定量估计损伤的问题,在广义局部信息熵的基础上引入曲率模态,推导出广义局部曲率模态信息熵的公式,并建立相应的损伤指标.利用有限元软件Midas civil建立一简支梁桥损伤模型,提取并处理该简支梁的动力参数,将一阶曲率模态和广义局部曲率模态信息熵分别作为神经网络的输入参数,对损伤进行识...     

基于IPSO-BP神经网络的结构损伤识别

为了准确评估结构健康状况．将改进的粒子群算法与BP算法有机结合来训练人工神经网络,并用于结构损伤识别．以国际结构控制协会与美国土木工程学会（IASC-ASCE）提出的健康监测第二阶段Benchmark模型结构为例．对4种不同损伤模式进行了损伤定位．研究结果表明,在模型误差、测量噪声等因素的影响下,该方法能够取得令人满意的损伤识别结果．     

基于BP神经网络的车削力试验研究

利用正交试验法选取样本在CAK3675数控车床上进行车削40Cr的车削力测量试验,得出切削速度、进给量、切削深度与主车削力之间的对应关系.借助Matlab神经网络工具箱的NNTool功能,应用动量梯度下降法训练BP神经网络,建立了主车削力预测模型并进行了仿真验证.分析了切削用量对主车削力的影响效应.     

基于BP神经网络的钛合金切削力研究

由于切削力预报与控制直接影响切削加工的质量和成本,为了节省大量的切削试验成本与精力,提高建模效率,本文提出在进行少量的切削钛合金试验,获取一定的样本数据的条件下,建立基于BP神经网络对切削钛合金切削力预报,获得较好的预测精度,精度误差控制在4%以内.     

基于 BP 神经网络的叠前流体识别方法

探讨塔里木盆地桑塔木地区三叠系辫状河三角洲沉积储层流体识别方法。该地区储层横向变化大,流体类型复杂。本文提出利用 BP 神经网络的信息整合模式识别功能来进行储层流体识别的方法,通过叠前反演得到对流体敏感的弹性参数数据体和电测解释结果标定建模样本,采取随机抽样形成建模样本集与测试样本集,选取26口井的700个样本作为学习样本,62个作为测试样本,建立 BP 神经网络模型。预测结果和实钻结果吻合程度高,正确率达90％以上。该方法可以很好地对桑塔木地区储层中所含流体进行识别。     

基于小波包BP网络的超声检测缺陷类型识别

针对A型反射超声波检测仪难以准确识别缺陷类型的问题,探讨了基于小波包和BP神经网络相结合的超声检测缺陷类型识别方法。对检测的多组超声缺陷信号分别进行3层小波包分解,提取小波包频谱能量特征,归一化后构造了各缺陷信号的特征向量,并分别组成训练样本集和测试样本集,用于3层BP神经网络的训练和网络识别效果检验。实验结果表明该方法能准确快速地识别出超声检测缺陷类型。     

基于BP网络的Al-Cu-Mg-Sc-Zr合金均匀化电导率预测

采用电导率测量、X线衍射物相分析研究不同均匀化处理条件下Al-Cu-Mg-Sc-Zr合金的电导率和组织变化规律。研究结果表明:Al-Cu-Mg-Sc-Zr铸态合金中固溶体过饱和程度较高,电导率较低;在360℃以下均匀化,亚稳的过饱和固溶体析出平衡相θ和S,基体固溶体过饱和程度下降,电导率上升;在360℃以上均匀化,平衡相逐渐回溶入固溶体基体,基体固溶体过饱和程度上升,电导率下降。在此基础上,采用Levenberg-Marquardt算法对权值和阈值进行训练,建立以均匀化热处理温度和时间与电导率高度非线性BP神经网络预测模型。该模型能较好地反映均匀化工艺参数与电导率之间的内在规律,泛化检测点电导率相对误差为-0.006～0.006,表明该神经网络模型具有较高的预测精度和较强的泛化能力。     

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。