改进的BP网络在汽轮发电机组故障诊断中的应用

提出了一种恒误差修正率控制的网络学习率和动量系数自适应调整方法，克服了网络训练收敛时间长和陷入局部最优的缺点；并根据大型汽轮发电机组振动故障的特点，建立了改进的BP网络故障诊断模型，对一实际汽轮机发电机组振动故障事例的诊断结果表明，该方法有效地提高了故障诊断的精度和可靠度。     

粗糙集与神经网络集成在故障诊断中应用研究

提出了SOM网络－粗糙集－BP网络集成进行故障诊断的方案；首先应用SOM网络离散化故障诊断数据中的连续属性值；然后基于粗糙集理论计算诊断决策系统的约简，根据实际需要确定最优决策系统；最后在最优决策系统的基础上设计BP网络进行故障诊断，4135柴油机的实际诊断结果验证了所提出的民粗糙集理论相结合进行故障诊断的可行性，在数据充分的条件下，该方案可以推广应用于其他机械设备。     

网络故障诊断技术研究

随着网络规模的不断扩大和结构的日益复杂，网络故障诊断技术成为国内外研究的热点之一。本文介绍了网络故障诊断的内容以及基于不同推理机制的网络故障诊断专家系统，最后阐述了网络诊断技术的发展方向。     

基于神经网络多参数融合的钻井过程状态监测与故障诊断

复杂系统状态监测与故障诊断是系统安全运行过程中的重要保障,分析了钻井系统事故状态下特征参数的变化,给出了用神经网络进行故障诊断的流程,在利用样本数据对网络进行训练的基础上建立了稳定的神经网络诊断模型.输入各种状态下的新样本数据,能够得到正确的系统状态识别,通过改进网络算法改进了网络性能.对生产数据的处理结果表明,基于神经网络的多参数融合算法可以很好地识别钻井过程中的不同状态,能够实现状态检测与故障诊断.     

基于神经网络多参数融合的钻井过程状态监测与故障诊断

复杂系统状态监测与故障诊断是系统安全运行过程中的重要保障,分析了钻井系统事故状态下特征参数的变化,给出了用神经网络进行故障诊断的流程,在利用样本数据对网络进行训练的基础上建立了稳定的神经网络诊断模型。输入各种状态下的新样本数据,能够得到正确的系统状态识别,通过改进网络算法改进了网络性能。对生产数据的处理结果表明,基于神经网络的多参数融合算法可以很好地识别钻井过程中的不同状态,能够实现状态检测与故障诊断。     

挖掘机提升控制系统故障诊断的改进模糊算法

研究矿山挖掘机提升控制系统的故障诊断方法对减少其故障和由此带来的巨大经济损失具有重要意义。笔者首次提出了针对复杂控制系统的基于功能的故障描述和故障整理方法,并将控制领域中的改进模糊算法引入到故障诊断领域,建立了WK－4挖掘机提升控制系统电压负反馈回路的改进模糊诊断模型,并与传统模糊诊断模型进行了比较,验证了改进模糊诊断模型的有效性和先进性。该方法可广泛应用于矿山挖掘机各种控制系统的故障诊断中。     

具有容差电阻网络的K故障诊断法

本文给出一种具有容差的实际网络进行故障诊断的方法－－具有容差网络的Ｋ故障诊断法。     

基于BA模型高团聚性网络构造

介绍了复杂网络,指出BA模型在刻画真实网络上的不足,即团簇系数不高.在BA模型的基础上引入加边机制,提出了一种改进模型.数值模拟结果表明：在改进模型中,网络在保持BA模型无标度性质的同时,具有较高的团簇系数;网络的团簇系数C随改进模型中加边概率p的增大而增大,当p=1时,网络的团簇系数比同等规模的BA模型提高了约100倍.     

一种改进的线性容差电路的k－故障诊断

提出了一种改进的线性容差电路的ｋ－故障诊断方法。与现有方法相比，较多地利用了已知的统计特性，缩小了电路可能的故障范围。同时，还证明了故障诊断与信号解卷积模型的相似性，将信号处理领域的方法引入线性电路故障诊断中。计算机模拟实验证实了该方法的有效性。     

一种改进的线性容差电路的k—故障诊断

提出了一种改进的线性容差电路的Ｋ－故障诊断方法。与现有方法相比，较多地利用了已知的统计特性。缩小了电路可能的故障范围。同时，还证明了故障诊断与信号解卷积模型的相似性，将信号处理领域的方法引入线性电路故障诊断中。计算机模拟实验证实该方法的有效性。     

基于人工神经网络的汽车安全气囊点火控制算法

气囊点火控制是气囊系统的关键技术。点火控制算法要有抗干扰能力,要确定最佳的点火时刻。针对这一问题,提出了一种基于人工神经网络的汽车安全气囊点火控制算法。该方法利用减速度信号为输入,构造一种人工神经网络,使其输出表征汽车碰撞强度,从而实现准确点火。利用该方法有助于深入研究气囊控制规律,提取气囊点火控制规则。经过多次台车碰撞试验,证明了这种算法的有效性     

改进BP神经网络在流型智能识别中的应用

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,利用非线性最小二乘法对其进行了改进,改进后的ＢＰ神经网络的收敛速度提高了１￣２个数量级,同时利用压阻式压关器测得了水平管内油气水多相流压差信号,根据分形理论中的重要构相空间法提取出压差信号的特征向量,再将特征向量送入改进的ＢＰ神经网络中,从而完成对油气水多相流流型的智能识别,结果证明,改进的ＢＰ神经网络能有铲地自动识别出油气水多相流的流型。     

光纤分析的有力工具：改进的Galerkin法

提出一种基于Ｇａｌｅｒｋｉｎ方法的可对任意折射率剖面分布光纤的任意线偏振模计算的改进方法，文中给出了相应方法的详细理论推导，并对几个关键的光纤传输参量如传输常数、色散特性、模场半径等的数值计算方法作了改进，使运算效率有很大提高，这种方法可成为光纤分析与设计的有力工具。     

THz频段圆波导传输特性的特征方程分析法

针对THz频段采用金属电导率趋肤效应模型会引入传播常数误差的问题,提出了一种非理想导体圆波导传输特性的特征方程分析法.首先基于圆波导中的场方程及电磁场边界条件得到了关于传播常数的特征方程;其次在特征方程中采用非理想导体电导率的经典驰豫模型,通过数值求解得到了圆波导的传播常数.与采用变分法计算传播常数的结果相比,特征方程法可在全频段上精确表征圆波导的传输特性.仿真结果表明:与传统变分法相比,圆波导特征方程分析法得到的衰减常数相对误差在10 THz时可减小66％;与传统的金属电导率趋肤效应模型相比,特征方程分析法采用金属电导率经典弛豫效应模型得到的衰减常数相对误差在6 THz时可减小31％.     

一种改进的BP算法

为了克服BP算法易陷入局部极小、收敛速度慢等缺点,笔者利用非线性最小二乘法对其进行了改进.结果表明,采用改进后的BP算法来训练神经网络,能在一定程度上提高神经网络的收敛速度,具有学习速度快、识别能力强等优点.     

阶跃型多模光纤参数的理论误差及其修正方案

对波动理论和射线理论算得的散射图进行了比较,找出了特征散射角的差异.在后向散射区中找出了修正这种差异的经验公式,在前向散射区中找出了差异较小的区域。提出了综合利用前、后向散射图,测定阶跃型多模光纤结构参数的一种修正方案,理论误差较小,容易鉴别特征散射角。     

改进差分进化在前馈神经网络训练中的应用

分析了误差反传算法,将改进差分进化算法和神经网络结合,采用常数变异交叉与自适应变异交叉的混合策略对网络的权值和阈值进行训练.并用2个典型问题对该网络和误差反传网络进行仿真对比.结果表明：经改进差分进化算法训练的神经网络,收敛速度快、泛化性能好.     

基于样本修整和支持向量机算法的并网风电机组运行特性研究

针对并网风力机组运行时非线性、耦合性和大惯性的特点,提出了一种基于样本修整和支持向量机算法的系统辨识方法,并通过实例将该方法与单纯的支持向量机算法、BP(back propagation)神经网络算法进行比较.结果表明,样本修整后与修整前相比,训练速度和预测精度都有明显提高,基于样本修整和支持向量机算法的辨识方法具有明显的优越性.     

基于改进粒子群优化算法的灰色神经网络模型

根据灰色神经网络的参数随机选择类似于粒子群算法中的粒子初始空间位置,采用改进粒子群算法代替梯度修正法,对网络参数进行了处理,并通过寻找粒子群算法中的最优个体,建立了基于改进粒子群算法的灰色神经网络,提高了预测模型的稳健性和精度.通过解决短期订货量问题,与反向传播(BP)神经网络、灰色神经网络、没有改进的粒子群灰色神经网络算法和基于遗传算法的灰色神经网络等方法进行了比较.分析结果表明,基于改进粒子群算法的灰色神经网络计算更为方便,并具有更好的逼近能力和预测精度.为优化网络模型参数提供了一种新方法,并拓展了预测模型的研究思路.     

基于进化神经网络的曲面磨削表面粗糙度预测

将人工神经网络技术引入曲面磨削加工领域,介绍了利用BP算法建立的曲面磨削表面粗糙度随磨削用量变化的进化神经网络预测模型．针对BP算法存在收敛速度慢、容易陷入局部极小值及全局搜索能力弱等缺陷,采用遗传算法训练BP神经网络,取代了一些传统的学习算法,设计了基于进化神经网络的学习算法．实验和仿真结果表明,基于进化计算的BP神经网络不仅可以克服单纯使用BP网络易陷入局部极小等问题,而且预测精度较高。