基于多因素的动物触电电流特征试验与分析

为研究触电通道、触电方式、体质量与动物触电电流的关系,在三相电压36 V、频率50 Hz条件下对体质量为26,32和39 kg的3只哈萨克羊,体质量为14,18和23 kg的3只新疆白猪分别进行触电试验,获得试验羊和试验猪在左前肢-左后肢、左前肢-右后肢、右前肢-左后肢、右前肢-右后肢4种触电通道,捆绑和点触2种触电方式下的触电电流信号,利用对比及多因素方差分析研究各因素与触电电流的相关性,通过快速傅里叶变换(fast Fourier transform,FFT)对触电电流信号进行频谱分析,研究各因素与触电电流成分的关系.结果表明:流经试验羊和猪体内的触电电流随体质量的增加而增大;捆绑触电方式下流经试验羊和猪体内的触电电流比点触触电方式的大;同侧触电通道下的触电电流较异侧触电通道下的触电电流大;各试验因素对试验羊和试验猪触电电流的影响显著性顺序为触电方式、体质量、触电通道;体质量、触电通道的改变对试验羊、猪的主要频率成分影响较小,触电方式对触电电流成分的影响较大.     

电子电器触电风险评估模型

电子电器在使用过程中,因元器件失效等导致的触电伤害在总伤害类型中占比高达59.6％.为了分析其触电伤害模式,评估风险程度,将熵权法和反向传播(back propagation,BP)神经网络法相结合,从电能意外释放角度分析触电风险的传递路径,构建了电子电器触电风险评估模型.通过对168组电子电器触电风险样本数据的训练及...     

基于VMD-LSTM的触电电流提取方法研究

为有效提取触电故障特征,实现从剩余电流中分离出触电电流,提出了一种基于变分模态分解(Variational Mode Decomposition,VMD)与长短期记忆神经网络(Long Short Term Memory,LSTM)相结合的触电电流提取方法.利用果蝇优化算法对VMD参数[K,α]寻优获得最优参数组合[6,280],以VMD分解的剩余电流最佳模态分量突变特性为依据,定义相邻周期电流幅值和的增长率η1、η2作为判别触电事故的特征量;以6层模态分量信号重构触电信号,构建基于LSTM网络的触电电流检测模型.240组触电信号研究结果表明:当η1、η2至少一个满足大于1％时,均发生触电,否则无触电事故发生;相比于VMD-BP、VMD-RBF检测模型,VMD-LSTM检测模型提取的触电电流与真实触电电流的相关系数平均值分别提高了6.2％、2.3％,均方根误差平均值分别降低了36.8％、27.1％,提出的方法具有更高的检测精度.研究结果为研发基于生物体触电电流动作的剩余电流保护装置提供了参考.     

基于BP网络的三相光学电流互感器的补偿

提出了一种全新的用于补偿三相光学电汉互感器线性双折射效应的方法,即从学习后的ＢＰ神经网络连接权重中,提取三相光学电汉互感器的输出电流值、衩测电流值与线性双折射效应之间联系的知识,讨论了网络的学习算法,论述了线性双折射疚的具体补偿方法,分析了网络隐含层节点数变化对补偿结果的影响对网络进行了验证,表明该方法具有很强的鲁棒性和适用性。     

基于头肩矩特征的人体识别研究

本文针对传统监控系统的不足,研究了智能监控系统中活动人体目标的自动检测与识别算法。通过建立人体头肩二维模型,将头肩轮廓矩特征向量输入BP神经网络完成人体目标的鉴别。采用人体局部轮廓形状特征而非整体特征,对解决实际应用场合中人体易受遮挡而产生属性丢失问题有较好的分类效果;采用误差反向传播（Back-Propagation,BP）神经网络分类器建立＂特征—类别＂映射关系以完成人体识别。实验结果表明了本方法的有效性和较强的鲁棒性。     

基于头肩矩特征的人体识别研究

本文针对传统监控系统的不足,研究了智能监控系统中活动人体目标的自动检测与识别算法。通过建立人体头肩二维模型,将头肩轮廓矩特征向量输入BP神经网络完成人体目标的鉴别。采用人体局部轮廓形状特征而非整体特征,对解决实际应用场合中人体易受遮挡而产生属性丢失问题有较好的分类效果;采用误差反向传播(Back-Propagation,BP)神经网络分类器建立"特征—类别"映射关系以完成人体识别。实验结果表明了本方法的有效性和较强的鲁棒性。     

监控视频中基于人体关键点的步态识别研究

步态识别作为一种行为特征识别技术,相对于人脸识别具有图像分辨率要求低、可远距离识别、可夜间识别等优点,在视频侦查领域有广阔的应用前景。本文提出一种基于监控视频中人体轮廓关键点与质心之间位置关系特征表示,利用BP神经网络进行分类的步态识别方法。基于CASIA Dataset B进行实验,实验结果验证了所选步态特征的可行性,实现了较高的步态识别效果。     

基于神经网络的NTC热敏电阻校正方程的试验研究

为了提高NTC热敏电阻的测温精度,采用BP神经网络对NTC热敏电阻传感器的Steinhart-Hart方程进行非线性校正,提高了测温精度。     

基于Simulink的BP神经网络实现研究

BP神经网络是人工神经网络中的一个典型代表,但利用BP神经网络解决实际问题时,经常涉及到大量的数值计算问题,而运用计算机高级语言编程对BP神经网络模型进行仿真和辅助设计是件十分麻烦的事情,为了解决这个矛盾,Matlab中的Simulink提供了大量的可用于实现BP网络的模块,本文通过应用Simulink中的模块构建了一个BP网络,并通过一实例验证了所构建的BP网络的可行性.从而使应用BP网络来解决许多领域的实际问题变得非常方便和有效.     

基于近红外光谱的人体血液酒精含量无创检测方法研究

研发一种人体血液酒精含量无创检测方法迫在眉睫.近些年来,随着近红外光谱在定量分析化学物质含量方面的迅速发展,以及人工神经网络在电子信息领域的延伸,可以利用近红外光谱的方法,在MATLAB软件环境下,用神经网络方法进行建模,然后将适当的样本数据训练后,最终预测人体血液酒精含量.就如何在BP神经网络和RBF神经网络建模的基础上,对人体血液酒精含量的数据处理作了详细论述.     

基于DCT的PCA及神经网络的人脸识别研究

PCA(Principal Component Analysis,也称为K-L变换)方法在许多人脸库的识别中取得了很好的效果,但运算量大;DCT(Discrete Cosine Transform)有较高的压缩性能并可通过快速算法来完成;集成的BP神经网络比单一BP网具有更好的泛化能力.针对上述特点,提出了一种新算法,首先用DCT处理原始人脸图像,然后用包含了原始图像大部分信息的少量DCT系数作PCA,最后用集成的BP神经网络进行识别.在ORL人脸库上的仿真试验结果表明,该方法是一种更为高效的识别方法.     

基于BP神经网络的学生分层算法研究

计算机网络已经渗透到各个领域,日常教学也广泛的使用到,利用网络所获取的有用信息快速对班上学生分层,从而进行因材施教有一定的实用价值;本文基于网络辅助教学系统,对学生利用网络上交作业信息进行挖掘分析,利用BP神经网络的自适应学习特点,于上交作业时间与上交作业的质量为基础,挖掘出与成绩的关系。     

基于神经网络的三维人体建模方法

利用扫描人体数据库,按特征点位置确定若干截面,对截面上的特征点重新识别和处理,获得胸部、脖子、腰部和臀部等特征部位截面环的训练样本,利用4层BP神经网络模型,通过编程分别训练得到人体胸部、颈部、腰部和臀部的神经网络权值参数,从而得到适用于一般人体的截面环自动生成模型,自动生成用户人体各个特征部位的截面环,最终生成三维人体网格模型.结果表明：该方法能很好地逼真实际人体特征曲线,是在只有用户人体参数信息,无扫描人体情况下的一种较好的人体建模方法.     

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.     

基于组合神经网络的教师评价模型研究

本文提出的基于组合神经网络的教师评价模型,可以弥补以往基于神经网络的教师评价模型的不足,不但可以给出教师的综合得分或所属类别,还可以给出教师在每个方面的得分.所使用的组合神经网络,由多个结构相同的BP神经网络组成;用构建的组合神经网络和传统BP神经网络分别进行实验.仿真实验表明,该模型相对误差较小,可以满足评价需求.     

基于动量BP神经网络的英文字符识别

英文字符识别已经广泛地应用于很多重要领域.已有的英文字符识别算法很多,一种典型的算法是BP神经网络算法.但是,BP神经网络算法有时不收敛,或陷入震荡.这就导致识别率下降.为此,本文研究了一种改进的称为动量BP神经网络算法用于英文字符识别.这种算法在BP神经网络算法的网络参数控制中添加一个动量系数和一个动量项.这样可以避免迭代的震荡,加快收敛速度.提高识别率.利用动量BP神经网络算法,对52个英文大小写字符进行了识别试验.实验结果表明,这种算法能获得满意的识别率.     

基于神经网络的树形识别系统研究

常规的施药方法,由于不考虑树与树之间的间距、树冠的大小与形状,大部分农药未能发挥效用,流失非常严重,喷撒出去的农药只有极少部分能到达要防治的靶标上,从而造成了巨大的农药浪费,且带来了农药安全、环境污染等诸多问题。笔者在分析农药的喷药量与树形之间关系的基础上,对原有的基于BP神经网络的树形识别系统进行了改进设计,重点对该网络的输入层、隐含层及输出层进行了理论分析和试验研究,最终确定了由15个节点组成输入层,分别代表树冠的形状特征和树木图像的分形维数特征;6个节点组成隐含层,6个节点组成输出层,分别代表要判断树形的种类。对16个样本实时处理的试验表明,除了1个样本因未能分割外,其他样本均可识别,而且稳定性有了很大提高,适合于农药的精确施用。     

基于神经网络推理器的自适应模糊控制器的仿真研究

在设计模糊控制器时,考虑到偏差和偏差变化在不同的控制阶段由不同的作用,利用神经网络对模糊控制器的参数进行调整,达到优化模糊控制器的作用.通过对具有纯滞后的二阶系统进行的仿真试验表明,与常规的模糊控制器相比,改进后的控制器对被控对象的参数的变化具有更强的适应性.     

基于BP神经网络的水质评价

将人工神经网络的理论和方法运用于各类水环境的评价,建立水质评价的BP神经网络模型.运用MATLAB丰富的神经网络工具箱函数设计仿真程序,并对多个水质样本进行等级评价,为防治水污染提供了科学依据.     

基于BP神经网络的人口预测

利用BP神经网络建立三层神经网络结构模型,以全国人口的出生率,死亡率,老年抚养率等5个指标作为输入样本,对全国总体人口进行预测.隐含层采用多种方法使人为因素降到最低,同时文中采用自适应学习速率和附加动量法相结合的方法,对网络进行训练和学习.将BP预测人口和其他数学方法做比较,预测结果显示该方法是可行的.