基于径向基神经网络的钢丝绳断丝定量检测及Matlab实现

采用径向基神经网络对钢丝绳断丝损伤进行定量识别。首先将影响钢丝绳断丝损伤定量识别的6个主要因素作为输入参数,某截面的断丝数量作为输出参数建立起径向基神经网络模型,然后利用Matlab软件编写该网络的程序代码,通过有限的学习样本对网络进行训练,最后对测试样本进行识别。经过确认,测试结果较好地反应了钢丝绳的断丝损伤。     

基于RBF-BP组合神经网络的钢丝绳断丝定量识别

为了有效地解决目前钢丝绳断丝定量识别的问题,改善定量识别中泛化性能,减小非标准样本的错误指导影响,提出了RBF-BP组合神经网络模型。以峰值、波宽、小波能量和波形下面积作为输入,建立4输入1输出的网络模型,通过MATLAB仿真和具体的实验对模型进行可靠性分析。结果表明:断丝定量识别正确率达95%,表明了RBF-BP组合神经网络模型的正确性,说明RBF-BP组合神经网络模型对钢丝绳断丝数据训练并达到识别结果是可以实现的,对钢丝绳故障诊断提供理论依据。     

基于BP神经网络的钢丝绳断丝定量检测

针对目前钢丝绳断丝检测定量识别中存在的问题，提出了基于BP神经网络的钢丝绳断丝损伤信号的模式识别方法.运用MATLAB工具箱建立了钢丝绳断丝损伤定量识别的BP网络模型，通过模拟和实际检测，断丝损伤识别的准确率达到86.9%，验证了网络的可靠性和实用性.     

基于粗糙集的钢丝绳断丝损伤定量识别

引入粗糙集理论对钢丝绳断丝损伤信号原始特征值数据进行属性约简,去掉不必要的属性,并将粗糙集与神经网络有机结合,构造了优化的神经网络结构,进而识别钢丝绳的断丝损伤。试验表明,该方法有效提高了神经网络的性能及钢丝绳断丝损伤定量识别的速度和准确性。     

基于BP神经网络的钢丝绳断丝模式识别

钢丝绳断丝检测仪采集到的信号有高频低通等噪声信号的干扰,经过小波分解、重构后滤出干扰信号,采用BP神经网络算法设计钢丝绳检测信号网络系统。实验结果表明,采用BP神经网络算法可以较好地解决钢丝绳断丝信号的定量分析,最后给出了监测信号频谱上断丝信号的定量识别方法。经反复实验,检测结果与实际情况基本一致,证明该检测方法能较准确地对钢丝绳断丝做出定量识别。     

矿用钢丝绳探伤仪标定方法的研究

介绍了钢丝绳损伤检测的原理。分析了影响钢丝绳损伤信号的各种因素,对断丝根数、断口宽度和断丝分布合理的配置,设计了标样钢丝绳,采集标样绳损伤信号。介绍了支持向量回归机SVR的原理,通过SVR对断丝根数与检测信号特征值定量分析。将定量分析涉及参数保存为标定文件。调用标定文件参数对该型号钢丝绳检测信号进行数据处理,经测试可基本实现钢丝绳损伤的定量识别。     

基于BP神经网络的钢丝绳断丝信号处理

研究了钢丝绳断丝损伤漏磁检测信号的采集与存储方法;提出钢丝绳断丝损伤信号的特征值,基于LabVIEW设计了钢丝绳断丝损伤信号特征值提取与处理系统;建立了钢丝绳断丝损伤定量识别的神经网络模型。通过钢丝绳第1、2层断丝检测试验对研究的信号处理系统予以验证。     

矿井提升机钢丝绳损伤在线检测方法研究

针对矿井提升钢丝绳损伤检测的难题,提出了一种漏磁检测技术与机器视觉检测法相结合的在线检测方法,解决单一检测方法漏检或误检的问题。为了验证漏磁检测方法的有效性,对钢丝绳断丝漏磁信号进行小波降噪,提取断丝信号峰值、峰峰值和波形面积特征,用遗传算法优化的 BP 神经网络对其进行定量识别。结果表明：钢丝绳断丝定量识别的最大相对误差为 5.23%。为了验证机器视觉检测法的有效性,对钢丝绳损伤图像进行滤波、灰度等预处理,以及图像分割和边缘检测处理,实现了损伤面积的准确定量识别。     

断丝状态下的钢丝绳故障诊断

针对传统钢丝绳断丝损伤定量检测模型泛化性能不足的问题,提出一种基于极限学习机的钢丝绳断丝损伤故障诊断方法。采用距离可分离性判据对常用的特征参数进行可分性比较,并选取区分效果较佳的特征参数进行特征融合。实验结果表明,峰值、功率谱熵、小波奇异值熵的区分效果明显优于波宽、波形下面积;将多特征融合与极限学习机相结合的方法可以有效地对钢丝绳断丝损伤进行分类识别,比传统的BP神经网络具有更高的准确率和更短的训练时间。     

BP和RBF神经网络在起重机钢丝绳断丝数量预测中的比较研究

利用MATLAB工具箱函数分别建立了起重机钢丝绳断丝数目检测的BP神经网络和RBF神经网络模型,并对2种模型的结构、预测精度和训练过程进行了对比研究。结果表明,在一定的样本集和训练条件下,BP和RBF神经网络均能对钢丝绳的断丝数目进行很好预测,可以解决峰值、阀值波宽、小波能量和波形下面积对钢丝绳断丝数目的非线性映射关系,能够满足工程预测的需要。但RBF神经网络较BP神经网络在迭代次数、收敛速度和网络结构方面更具优势,因此其预测能力和泛化能力都优于BP神经网络。     

钢丝绳漏磁检测信号的处理

漏磁检测是无损检测中的一种重要方式,采用漏磁法对钢丝绳进行检测时,关键问题是对漏磁信号的处理,应用小波变换和小波网络技术对漏磁检测信号进行分析处理,形成良好的网络,然后对钢丝绳进行检测,结果达到了一定的准确度,表明漏磁检测信号处理技术在实际应用中具有可行性。     

用小波网络法预测提升机故障趋势

采用小波网络方法,通过对矿井提升机钢丝绳磨损度、空动时间、衬垫磨损寿命、闸瓦间隙、残压和制动盘偏摆度等关键特征参数的时间序列预测,实现了特征参数的故障预报。仿真和实验结果表明,预报精度满足要求,对保证矿井提升机安全和高效运行具有重要意义。     

神经网络方法在位移反分析中的应用研究

为解决传统位移反分析建模复杂、求解速度慢等问题，基于MATLAB的二次开发语言M语言，编写了用于位移反分析的BP神经网络源程序．针对传统BP网络收敛速度慢的缺点，采用L—M优化算法及归一化方法来加快网络的训练速度．对圆形巷道弹塑性问题的力学参数进行了反演分析．反演结果表明，MATLAB与神经网络相结合应用于位移反分析，具有建摸快、模型简捷、求解速度快、精度高等优点，可以在工程实际中推广应用．     

基于改进BP网络的煤岩界面自动识别

本文介绍了煤岩界面识别的BP神经网络方法,探讨了影响网络训练的若干因素,对BP算法加以了改进,使得其性能有所提高,收敛速度加快,对推广煤岩界面识别有重要的意义。     

基于BP神经网络遗传算法的药型罩优化

线性聚能装药爆破效果的影响因素有很多,且各因素的影响多是非线性的,而且非常复杂,其中药型罩结构的优化设计一直是重点。为了探索有效的药型罩优化方法,本研究对楔形罩运用正交试验法设计方案,利用ANSYS/LS-DYNA进行数值模拟获得结果,再以结构参数和最大射流速度分别作为BP神经网络的输入和输出进行训练,并将预测值作为适应度,结合遗传算法对药型罩进行最优结构药型罩参数和最优最大射流速度搜索。结果表明,该方法能够结合正交试验法和BP神经网络遗传算法的优点,快速精确地进行药型罩结构优化。     

The optimum design of the pressure control spring of the relief valve based on neural networks

Based on the traditional optimization methods about the pressure control spring of the relief valve and combined with the advantages of neural network, this paper put forward the optimization method with many parameters and a lot of constraints based on neural network. The object function of optimization is transformed into the energy function of the neural network and the mathematical model of neural network optimization about the pressure control spring of the relief valve is set up in this method which also puts forward its own algorithm. An example of application shows that network convergence gets stable state of minimization object function E, and object function converges to the utmost minimum point with steady function, then best solution is gained, which makes the design plan better. The algorithm of solution for the problem is effective about the optimum design of the pressure control spring and improves the performance target.