真空助力器带主缸总成疲劳试验系统辨识

真空助力器带主缸总成是汽车制动系统的关键增力部件,其气动疲劳试验系统由气动子系统、液压子系统、电控子系统等多个子系统构成,属于复杂的非线性系统。该系统存在众多不确定因素,因此无法直接建立数学模型。为了考察该系统的动态性能,采用递归BP神经网络对该系统进行辨识。试验结果表明,递归BP神经网络能够很好的逼近该复杂非线性系统,在不同时间序列作用下均有较好的泛化能力。     

铝型材挤压模具导流孔结构优化

基于MATLAB平台,将BP人工神经网络、遗传算法和数值模拟技术应用于铝型材挤压模具的导流孔形状优化设计。由正交实验法安排模拟实验组合,采用SuperForge软件对进行型材挤压过程进行数值模拟,并以挤压时金属流出模口平面的z向质点流速的均方差作为模型目标值;将模拟结果作为人工神经网络的输入样本对进行网络训练并建立网络知识源;通过遗传算法求得模型的全局优化解;最后通过有限体积法数值模拟技术验证并比较优化所得导流孔形状与经验法确定的导流孔形状对金属流动均匀性的影响。分析结果表明,通过调整导流孔形状能使金属流出模口的速度分布更均匀,表明对挤压模具导流孔形状的优化是有效的。     

BP神经网络算法在龙门吊称重系统的应用

介绍了龙门吊称重系统的应用,运用BP神经网络的学习算法对称重系统进行校正,与传统加权平均算法进行了比较,其结果对精度具有较好的提高。     

基于BP神经网络对念珠藻摇瓶培养条件的优化

利用均匀设计就pH、装液量、接种量和光强等影响念珠藻生长的因素进行研究,并以所得的数据为样本建立一个结构为4-6-1的神经网络.当网络的学习速率为0.08,动态参数为0.8,SIGMOID参数为0.8,隐含层神经原数为6时,网络的拟合平均误差为2.24%.在固定装液量为100 mL的条件下,利用该网络优化念珠藻的培养条件,得到最优的培养条件为pH7.4,接种量1.5 g/L,光强5 700 lx,生物量达到1.702 3 g/L.     

基于神经网络的简支梁桥预应力衰减评估模型

以后张法室内模型梁受弯全过程试验采集的数据为样本,研究了预应力混凝土桥梁有效预应力与各主要影响因素之间复杂的非线性关系,应用改进BP神经网络建立了混凝土桥梁服役期内预应力衰减的神经网络评估模型。该模型以受弯梁全过程P-Δ理论曲线为依据,构造了基频衰减率(IFDETR)、变形指标(IDISP)、混凝土应变变化率(ICSV)、钢筋应变变化率(IRSV)4种归一化指标作为网络输入值,以计入时变效应的预应力衰减率指标(IEPDR)作为网络输出值。测试样本的评估结果表明,误差小于1%的测试样本数在样本集中所占的比例大于85%,且误差均小于单因素回归方法。     

使用BP算法时应考虑的若干问题

归纳总结了使用ＢＰ算法时可能涉及到的问题和一些技巧。尤其对学习方法的选择、隐居数和隐层单元数的选择、学习步长的选择、避免局部最小的方法、学习样本的选择、激活函数的选择等都作了详细的介绍。     

应用于UPFC动力学模型的ANN-PID复合控制

提出用神经网络控制器实现大偏差范围内的解耦控制，由PID控制实现小偏差时的快速稳定并消除静差。这种复合控制方法应用于UPFC的动力学模型收到了良好的效果。     

煤炭企业成本主要影响因素的分析

在对煤炭企业成本主要影响因素定性分析的基础上，采用人工神经网络BP模型对其进行定量研究，并将它们应用到煤炭企业实际，取得了良好的效果。     

Linearization learning method of BP neural networks

Feedforward multi-layer neural networks have very strong mapping capability that is based on the non-linearity of the activation function, however, the non-linearity of the activation function can cause the multiple local minima on the learning error-surfaces, which affect the learning rate and solving optimal weights. This paper proposes a learning method linearizing non-linearity of the activation function and discusses its merits and demerits theoretically. Supported by Wuhan Shenguang Project, the National Natural Science Foundation of China and the 863 High Techology Project Zhou Shaoqian: born in Mar. 1962,Ph. D graduate student