一种基于自适应神经网络的航空发动机故障诊断方法

航空发动机在使用过程中,气路部件的性能不可避免地发生了蜕化,相应的故障诊断技术对发动机的健康管理系统具有重要意义.本文针对发动机在设计点的非线性部件级模型,借助PCC(Pearson correlation coefficient)相关分析方法,对神经网络的输入参数和输出参数的选取方式进行了优化.以前馈型神经网络为基础,针对常规BP(back propagation)神经网络收敛速度不稳定、且容易陷入极小值的缺陷,设计了一种新的自适应神经网络,准确估计了发动机部件的蜕化情况.这种算法融合了比例因子和动量因子,改善了网络的学习速率,提高了神经网络置信度和对发动机模型参数的泛化能力.结果表明,本文设计的自适应神经网络的精度优于常规BP神经网络,并且在训练样本数较少时,依然能够通过训练得到理想的网络,保证发动机健康参数的故障检测具有较高精度.     

基于PCA-GA-BP的回采工作面瓦斯涌出量预测模型研究

为进一步提高回采工作面瓦斯涌出量预测的准确性,建立了主成分分析法(PCA)、遗传算法(GA)、BP神经网络相结合的预测模型。该模型采用主成分分析法降维处理原始输入数据;将主成分分析结果作为BP神经网络的输入,消除冗余信息;然后采用遗传算法优化BP神经网络的初始权值和阈值,有效克服BP神经网络极易陷入局部最优的问题。选取某矿井回采工作面的实测数据进行分析,结果表明,该模型较单一BP神经网络预测精度高,能更有效地实现回采工作面瓦斯涌出量的高准确度预测。     

激活函数可调的神经元模型及其有监督学习与应用

提出一种激活函数可调的新神经元模型(tunableactivationfunction,简记为TAF)模型,并给出这类模型的一般形式.该模型用于多层前向神经网络MFNN时,其激活函数可借类似BP算法进行训练而求得.通过几个具体例子给出了对激活函数进行训练的算法.试验结果表明,采用TAF模型的多层前向神经网络的网络容量和性能,优于采用通常M-P模型的网络.     

利用AR模型参数和BP神经网络辨识微震信号

利用AR模型参数和BP神经网络,针对矿山微震信号具有频带较宽、谱成分丰富的特性,提出了时不同频率范围的信号和噪声进行滤波处理的方法.利用该方法可将噪声与信号分离以及将不同频段信号分解,从而达到滤波的目的.实验结果表明,利用AR模型参数和BP神经网络能够有效去除微震异常信号的噪声,可应用于微震信号的预处理和微震预测.     

输出-阈值耦合神经网络及基于此的最短路问题求解

通过建立神经元输出和与其相邻神经元阈值之间的相互耦合, 提出了一种输出-阈值耦合神经网络, 实现了对在通常脉冲耦合神经网络中所存在的自动波现象的模拟, 并基于它的自动波现象, 提出了一种用输出-阈值耦合神经网络求解最短路问题的方法, 该方法具有所需神经元数目少、神经元和网络的结构简单、大规模并行计算等特点, 可用于求解非对称赋权图单起点多终点的最短路问题, 其所需的计算量(迭代次数)仅正比于最短路的长度, 而与图的复杂程度、所存在的通路总数等无关. 最后给出了最短路求解的例子.     

基于小波阀值降噪和BP神经网络的超短期风电功率预测

针对超短期风电功率预测问题,考虑了风电场复杂的噪声背景和风电功率的波动性,提出了一种基于小波阀值降噪-BP神经网络的超短期风电功率预测方法。该方法采用近似对称光滑的紧支撑双正交小波db4（Daubechies函数）作为小波基,通过多分辨分析的Mallat算法对历史时序风电功率数据进行3尺度分解。根据Donoho阀值法对各层小波系数进行软阀值降噪处理,再通过小波逆变换重构历史时序风电功率,由BP神经网络对其进行训练,预测目的风电功率序列。仿真算例将该方法与普通BP神经网络方法进行了对比,比较结果证明其预测精度优于后者,具有很好鲁棒性和降噪性能,适用噪声复杂的风电场超短期风电功率在赣预测．     

基于BPNN的电液伺服扭振试验机PID控制算法研究

弹性轴类零件液压伺服扭转振动试验概在实验过程中,由于系统非线性及负载变化或干扰因素的影响,其控制系统参数及数学模型易发生改变,导致控制效果变差。针对该试验机的控制系统,提出了基于BP神经网络（BPNN）的PID自适应控制算法。利用MATLAB／Simulink工具箱对该算法进行仿真实验。结果表明：结合了神经网络特点的智能PID控制器具有响应快、精度高、鲁棒性好和抗干扰能力强等优点,改善了控制系统的动态性能。     

EPON网管系统通信接口回调功能的设计与实现

EPON网络管理系统客户端需要实时监视设备告警和性能数据.网管客户端获取这些实时数据的方式一般有两种,一种是主动取值方式,另一种是回调方式.主动取值方式需要不停的轮询服务端,会导致同步进行的其它访问操作效率低下、速度减慢.本文提出了一种基于JAVA语言的EPON网管系统通信接口回调功能方案.在此方案中,网管客户端利用回调方式实时获取设备告警和性能数据.具有回调功能的EPON网管系统能够同步客户端数据,并且能够减轻服务器端的负担.此方案在EPON网管系统中已经得到了很好的应用.     

基于BP神经网络的内部控制预警体系构建

定量的内部控制预测方法能够科学精确的判别企业内部控制状况,不受评价人员主观判断的影响。基于此,利用危机预警中广泛运用的BP神经网络方法建立内部控制评价的量化模型,通过构建内部控制评价指标,把描述企业内部控制的特征信息作为神经网络的输入向量,把内部控制状况量化为输出,并使用足够的样本来训练这个网络,最终构建了内部控制预警体系。通过与距离判别法的比较发现,BP神经网络在内部控制预警方面具有较好的准确性。     

激活函数可调的神经元模型及其有监督学习与应用

提出一种激活函数可调的新神经元模型（tunable act ivation function，简记为TAF）模型，并给出这类模型的一般形式，该模型用于多层前向神经网络MFNN时，其激活函数可借类似BP算法进行训练而求得，通过几个具体例子给出了对激活函数进行训练的算法，试验结果表明，采用TAF模型的多层前向神经网络的网络容量和性能，优于采用通常M－P模型的网络。