基于BP神经网络的结构损伤识别研究

针对结构的损伤识别进行了研究,选取结构固有频率平方变化比作为特征参数,建立12×25×1BP网络结构,采用均方误差函数目标误差函数,学习函数选取梯度下降动量学习函数和L-M优化算法,对四层钢框架结构的损伤进行了检测.     

基于BP神经网络的船舶号灯识别模型与仿真

建立基于误差反传神经网络的船舶号灯智能识别模型,在众多的号灯识别参数中进行优化分析,确定了能见度、号灯亮度、背景亮度和眩光4个重要输入参数;利用这4个参数,基于误差反传神经网络对船舶号灯的可识别性进行建模和仿真,比较利用Levenberg-Marquart(L-M)、动量梯度下降、变学习率动量梯度下降和弹性反向传播等学习算法建立的误差反传神经网络模型,并确定L-M算法具有最优结果.通过号灯识别的仿真结果表明,识别结果与航海专家评估的结果一致.本模型实现了复杂光环境下船舶号灯可识别性的预报和影响因素分析,对保障船舶的夜航安全有着重要意义.     

基于BP神经网络的切削力预报

切削力预报与控制直接影响切削加工的质量和成本.以多层前馈神经网络为基本结构,以误差反向传播算法(BP算法)为网络训练方法,借助VC 语言建立了切削力预报程序.通过引入共轭梯度法和拟牛顿法优化方法,解决了网络训练中局部最小和过早饱和问题,提高了神经网络的收敛速度和精度,实现了对切削加工过程中切削力的预报和仿真.通过对以两种难加工材料的铣削和磨削试验数据为基础的预报计算,发现传统经验公式方法预报误差偏大,最大相对误差达24.9%,而神经网络方法预报结果最大相对误差为2.01%,证明基于BP神经网络的切削力预报研究具有一定参考和应用价值.     

基于模糊控制的高精度数控恒流源设计

针对传统数控恒流源恒流校正方法复杂、调整时间较长等缺点,在线性负反馈恒流源基础上,设计了一种新的数控高精度恒流源。该恒流源使用新型微处理器对电流源负载电流进行采样,使用模糊逻辑控制在数字域对采样数据进行处理,将处理结果转换为模拟信号,反馈到恒流源调整器,实现快速数字闭环反馈控制。测试结果表明,在输出电流10mA～2010mA范围内,电流纹波≤0.06mA,输出电流与设定电流相对误差≤1%,电流调节最小步进值为1mA。     

主流区风口模型在CFD模拟中的应用

提出主流区风口模型计算气流温度和速度的特性公式,并研究其在工程中的实际应用情况．利用主流区风口模型、基本模型、盒子模型、N点动量模型分别模拟了送风口气流分布情况．结果表明,基本模型与盒子模型对于结构复杂的送风口模拟失效;基于N点动量模型和主流区模型的流体速度在工作区的模拟值与实测值的相对误差小于20％;在主流区模型中,送风口附近的气体速度模拟值与实测值的最大相对误差小于15％．     

各向异性介质中地震波参数反演及其在隧道不良地质预报中的应用

以HTI(horizontal transverse isotropy)介质中的动校正速度、慢度向量及走时方程为基础,通过坐标旋转,推导EDA(extensive dilatancy anisotropy)裂隙诱导介质中动校正速度的射线参数表达式;通过对地震广角反射勘探数据进行速度分析,获取动校正速度;基于拟牛顿法的最优化射线追踪法,确定地层界面最佳几何参数。研究结果表明:采用射线参数反演的速度与理论计算速度相对误差小于5%;利用动校正速度的各向异性特征可确定EDA介质的裂隙发育方位;通过射线追踪及多项式拟合可确定多层倾斜地层界面;当加入噪声时,反演的裂隙方位角和各向异性参数相对误差均在5%以内,加入高斯噪声后,裂隙方位角和各向异性参数相对误差均在10%以内,其余参数相对误差在5%以内;速度谱与衰减分析结果一致;裂隙走向反演结果误差为±5°;所提出的反演方法可应用于隧道裂隙发育及富水区预报,具有较高预报精度。     

一种基于多基点自适应高精度电流测量校正算法

针对故障指示器中平直状开环磁路测量电流精度低的问题,提出一种改进的半环形电流测量磁路和基于改进磁路的多基点自适应电流测量校正算法。该算法将电流测量量程划分为多个区间,每个区间均采用最小二乘法二次校正所测电流值。实际检测结果表明,改进后的磁路和相应电流测量算法对提高电流测量的精度有显著性改善,校正后的测量精度可以达到±1.2%以内,满足现场使用要求。     

一种低复杂度的DVB-T定时同步方法

提出了一种低复杂度的定时同步方法,采用基于循环前缀的最大似然联合估计算法完成符号粗同步;采用估算同一符号的导频点数据相位差的算法完成符号细同步;采用估算相邻符号的导频点数据相位差的算法完成采样频偏同步.仿真结果表明,在DVB-T给定的多径衰落信道条件下,整个定时同步环路能准确定时,最大能纠正相对误差为330×10-6的采样频偏.较传统的Wallace Tree方法实现符号粗同步,降低了53.2%的硬件复杂度,整个定时同步环路节省了约26%的逻辑电路资源.     

一个基于固有光学特性的透明度半分析算法适用性探讨

利用52组中国海实测透明度(Zsd)与遥感反射率(Rrs)数据,检验一个最新的基于固有光学特性的透明度算法(简称IOP算法)的适用性.结果表明,该IOP算法在Zsd实测值6m的站位,反演Zsd与实测值相对一致,偏差(Bias)为-0.67m,相对误差(ε)为28.6%,对数均方根误差(RMSE)为0.197,仅存在一定程度的低估现象;但在实测值≥6m的站位存在明显的高估,Bias为7.95m,ε为53.7%,RMSE为0.212.进一步的分析发现该IOP算法对颗粒后向散射系数(bbp)和颗粒散射系数(bp)二者间的关系十分敏感,算法中所采用的bbp-bp经验关系,在中国海并不完全适用.     

一种自适应步长的复合梯度加速优化算法

自适应步长加速(Adam)类算法由于其计算效率高、兼容性好的特点，成为近期相关领域的研究热点.针对Adam收敛速度慢的问题，本文基于当前梯度、预测梯度以及历史动量梯度，提出一种新型Adam类一阶优化算法——复合梯度下降法(C-Adam)，并对其收敛性进行了理论证明.与其他加速算法的区别之处在于，C-Adam将预测梯度与历史动量区别开，通过一次真实的梯度更新找到下一次迭代更精准的搜索方向.利用两组常用测试数据集及45钢静拉伸破坏实验的实验数据对所提算法进行验证，实验结果表明C-Adam与其他流行算法相比较具有更快的收敛速度及更小的训练损失.     

人工神经网络及其在电力短期负荷预测中的应用研究

电力系统负荷预测的精度将直接影响电力系统的经济效益和用电的安全和稳定.通过讨论短期负荷预测,来阐述Levenberg-Marquardt算法优于传统BP算法.并分别用BP算法和Levenberg-Marquardt算法对绥龙110 kV变电局所属供电网络远动采集来的负荷数据进行预测,来说明Levenberg-Marquardt算法优于传统BP算法.     

基于灰色前馈神经网络的流行色预测

提出结合灰色理论和前馈神经网络的流行色预测模型GLMBPNN(Gray Levenberg-Marquardt Back Propagation Neural Network),并利用Levenberg-Marquardt算法提高传统BP(Back Propagation)神经网络模型的学习速率.运用灰色理论学习历史数据的变化规律,对数据进行灰化处理,再对比目标值与BP网络的初始输出值,不断进行逆向反馈修正,训练完毕后通过仿真、白化处理得出流行色预测值.研究表明,GLMBPNN模型预测所得的流行值比灰色模型方法所得值的精度高,且比传统BP神经网络的收敛速度快.     

CSAMT一维全区Levenberg-Marquardt反演方法

本文将Levenberg-Marquardt这一全新反演方法引入CSAMT勘探的全区数据反演,提高了CSAMT勘探的深度,避免了测深数据的浪费。Levenberg-Marquardt反演的核心是引入变阻尼的思想,在反演的过程中根据向量各个分量的收敛速度的不同,给定不同的阻尼因子,实现反演的自适应化,这样就大大增加了整个反演的收敛速度和反演精度。反演中采用改进的Bostick变换作为初始模型,减少了反演的迭代次数。     

逐一混合遗传算法在大坝变形预报中应用

建立了大坝变形预报的逐一混合遗传模型,并将其与整体遗传模型、逐一Levenberg-Marquardt (LM)模型、整体LM模型进行了比较. 工程实例表明,在建模样本相同,预报因子相同,且结构参数不变的条件下,逐一混合遗传模型和整体遗传模型的预报精度分别高于逐一LM模型和整体LM模型,且预报结果稳定;逐一混合遗传模型和逐一LM模型的预报精度分别高于整体遗传模型和整体LM模型;随着样本的积累,逐一混合遗传模型的预报精度不断提高, 并具有实时性的优点, 可以准确、有效地应用于大坝变形监测量的实时预报.     

基于神经网络的GPS坐标转换方法研究

全球定位系统(GPS)与地理信息系统(GIS)结合是湿地研究的关键技术之一.将神经网络方法用于GPS全球坐标系统和地方坐标系统之间数据坐标转换研究中,建立了三层前馈神经网络模型.训练方法采用Levenberg-Marquardt算法,并改进其性能函数以提高网络的泛化能力.对神经网络模型的建立、网络的训练方法、仿真曲线、神经网络的输出结果进行了详细的讨论.仿真结果证明改进的Levenberg-Marquardt算法适用于GPS数据坐标转换问题.选择松辽流域为研究区域,以流域内扎龙湿地为中心进行了考查.结果表明,神经网络方法能够建立坐标转换的复杂模型,是一种效率高、准确性高的方法,在湿地保护的动态数据分析方面具有一定的意义.     

基于非线性拟合的汽车动态称重数据处理新方法

针对影响汽车动态称重精度的低频动态载荷问题,提出了基于非线性拟合的数据处理新方法.根据称重信号的特点,以Levenberg-Marquardt算法为基础,进行了去除低频动态载荷的仿真试验和实际信号试验.结果表明,该方法可以有效地降低低频动态载荷对称重精度的影响,车速小于14.5 km/h时的最大相对误差为3.46%.     

求解随机线性互补问题的Levenberg-Marquardt型算法

针对随机线性互补问题的期望残差极小化模型,利用蒙特卡罗方法将其转化为有限个样本的近似问题.基于投影Levenberg-Marquardt算法,给出了求解近似问题的1种Levenberg-Marquardt型算法,证明了算法在一定条件下是全局收敛的.数值实验表明算法是有效的.     

带有弹性边界支撑梁的多宗量反问题数值求解

利用有限元方法,建立了求解带有弹性边界支撑梁的多宗量反问题的数值模型,可对弹性支撑与本构参数进行单一/组合反演.由正演模型可方便地进行位移对支撑及本构参数的敏度分析,反问题采用Levenberg-Marquardt算法进行求解.数值验证结果表明,所提出的模型与方法考虑了噪声和测点位置的影响,是正确可行的.     

双目立体视觉系统摄像机标定

对摄像机参数标定是三维定位的关键．制作了平面式标定板,将标定板中圆的当量中心作为标定用参考点,这样可以有效避免测量误差．采用线性和非线性结合的方法标定摄像机参数,首先利用直接线性转换模型（DLT）得到投影矩阵,通过约束条件分解参数矩阵,分别求出摄像机内部参数;然后将得到的标定参数作为初值,代入非线性方程进行优化,得到精确的标定参数．非线性优化采用Levenberg—Marquardt迭代法．试验表明,标定参数与出厂参数有一定差异,但和实际情况完全吻合．     

一个解非光滑方程组的Levenberg-Marquardt算法

给出了一个求解非光滑约束方程组的Levenberg-Marquardt算法,每一步迭代中只需求解一个严格凸的二次规划问题．首先,利用松弛变量的绝对值函数将原问题转化成一个无约束方程组;然后,结合光滑化技术设计Levenberg—Marquardt算法．此算法具有全局收敛性,并且在弱于非奇异性的局部误差界条件下,具有局部二次收敛性质．初步的数值试验结果表明,此算法实际计算效果良好．