基于神经网络的多传感器信息融合

将传统神经网络结构的中间隐层用子网络代替,提出了一种陈列神经网络进行信息融合的结构模型,针对传感器信息融俣的特点,用子网络实现信息的分化与融合,不仅对神经网络的结构设计有一定意义,而且从理论到实便说明了这种方法确能改善神经网络信息融合的效果和速度。     

集成神经网络信息融合在故障诊断中的应用

随着设备复杂性的提高，采用单子神经网络信息融合在故障诊断中已无法给出正确的判断。根据实际应用的需要，在讨论集成神经网络信息融合优点的基础上，提出一种集成神经网络信息融合的故障诊断方法，给出了它的组成结构、组建原则以及集成神经网络信息融合在故障诊断中的应用，最后应用集成神经网络对工业CT系统中的驱动器故障诊断进行了仿真。该方法通用性强，为工业CT系统其它部件的故障诊断提供了较好的模型和方法。     

集散监测诊断系统研究

从故障诊断的实际出发,根据设备提供信息的多样性及故障表征形式的复杂性,分析了信 息领域的信息融合技术．阐述了故障诊断过程和与其相关的应用技术的关系．说明了集成神经网络 故障诊断方法和集散监测诊断系统的特点．建立了基于集成神经网络的集散监测诊断系统．用两 个故障诊断实例说明了基于集成神经网络的集散监测诊断系统的先进性．     

变结构模糊神经网络在信息融合中的应用

针对多传感器信息融合方法的复杂性和多样性问题,依据智能融合理论,采用模糊逻辑和神经网络技术,提出了一种用于机器人多传感器信息融合的变结构模糊神经网络方法,并对其进行仿真．仿真结果表明,该融合算法的有效性是一种比较实用的融合方法．     

B样条模糊神经网络在信息融合中的应用

针对多传感器信息融合方法的复杂性和多样性问题,依据智能融合理论,采用模糊逻辑和神经网络技术,提出了一种用于机器人多传感器信息融合的B样条模糊神经网络方法,并对其进行仿真,实验结果表明,该融合算法具有较强的学习能力和抗干扰能力,是一种比较实用的融合方法。     

神经网络信息融合技术在控制系统故障诊断中的应用

针对钢管修磨控制系统中存在的常见故障,构造了神经网络信息融合中心。对来自多传感器的残差信号进行了预处理和离散小波变换,提取其细节系数作为神经网络的故障特征向量,使用改进BP算法对神经网络分类器训练以进行相应的故障模式识别。仿真结果表明,基于神经网络的信息融合技术用于控制系统的故障诊断是可行的和有效的。     

主观Bayes与神经网络组结合的信息融合目标识别

针对神经网络在信息融合中的应用所存在的一些问题,受人的视神经网络的启发,提出了一种基于Bayes方法的神经网络组方法,并把它应用到了特征级融合中进行模式识别。仿真试验结果表明,和用单一的神经网络相比,利用神经网络组方法提高了网络收敛速度、缩短了网络的训练时间,提高了对目标的识别率,并且增强了对目标识别的稳定性。     

灰色神经网络的研究及发展

灰色神经网络是将灰色系统模型与神经网络模型有机融合的一种新型智能计算模型,它充分利用了两者在信息表现上存在的相似性及模型特点上存在的互补性,能弥补单纯使用灰色模型或单纯使用神经网络解决问题的不足,灰色神经网络预测模型应用广泛.主要论述了灰色神经网络计算模型的关键技术、研究热点、难点及发展.     

基于多传感器数据融合的加工质量预测技术

多传感器数据融合技术已受到广泛关注．它的理论和方法已被应用到许多研究领域。基于多传感器数据融合技术,通过分析影响加工质量的多种因素．综合考虑铣削过程主轴电机电流信号、工件振动信号、主轴转速、进给速度、切削深度、切削宽度、顺,逆铣及刀具直径8种因素。以这8种因素作为神经网络输人,进行信息融合,以加工尺寸误差作为目标输出,建立了RBF神经网络加工尺寸误差智能预测模型。     

决策信息融合研究

提出了一种新的决策信息融合框架,引入效能概念作为决策信息融合的性能指标,借助神经网络的非线性映射能力,充分利用全状态信息离线建立了合理的决策准则,仿真结果验证了算法的有效性。     

基于GA-BP神经网络的输油管道内腐蚀速率预测

针对BP（Back Propagation）算法的神经网络易陷入局部极小的缺点,尝试引入遗传算法（Genetic Algorithm）处理了BP神经网络的权值与阈值,并分别建立了BP和GA-BP两种不同算法的神经网络模型对输油管道腐蚀速率进行预测。对结果进行对比分析发现,GA-BP算法的神经网络预测精度要高于BP网络;GA-BP算法具有高的预测精度,其预测值与实验值相关系数为0.9863,表明该算法模型是合理可靠的。     

小波与BP神经网络在零件识别应用中的研究

针对目前在线零件识别系统在速度和精确度上存在的缺陷,采用小波多尺度边缘检测技术,结合BP神经网络的识别系统,提出了一种新的基于小波和BP神经网络的零件识别技术.实验结果表明,该方法不仅提高了识别准确率,还使目标识别具有更好的抗噪能力.     

卡特政府外交与巴列维国王的倒台

1978年初伊斯兰革命兴起,美国的反应滞后,直至11月初才确定了应对危机的政策。由于政府内部存在巨大分歧,美国无法确立明确一致的危机处理政策。而得不到明确指示的巴列维国王只能坐以待毙。美国在处理伊朗问题时的失误包括：对伊斯兰革命反应滞后,造成了战略被动;政府内部分歧重重,决策混乱;对伊斯兰革命缺乏正确的认识。     

基于BP神经网络整定的PID温度控制

展示了一种基于BP神经网络的PID控制器,利用神经网络的自学习特性,将神经网络与PID控制方法相结合,采用3层前向网络,动态BP算法,实现对温度控制系统的在线智能控制,显示了BP神经网络PID控制方法很强的鲁棒性,同时也显示了神经网络在解决高度非线性和严重不确定系统方面的能力．仿真结果表明,此种PID在温度控制中能够取得较满意的效果．     

基于级联神经网络的年降雨量预测

降雨量是农业生产的一个重要影响因素,如何准确预测降雨量成为指导农业、水利等一项重要的科技指标。从信息利用角度来看,单一预测模型仅能利用降雨量数据部分有效信息,而组合模型将单一模型的优势互补,可获得更佳的预测效果。基于神经网络理论的快速发展及级联神经网络预测模型被广泛应用于各个方面并取得了很好的结果,针对降雨量曲线的特点,深入分析BP神经网络及RBF神经网络发现,BP神经网络可很好的拟合对降雨量有很大影响的气候信息和其它因素,输出同一类型的降雨量影响信息; RBF 网络的特点就是可很好地提取同一类信息特征,二者的组合可很大程度的提高降雨量预测精度。鉴于此,将BP-RBF级联神经网络引入降雨量预测研究中,实例计算表明,该方法高于单一神经网络预测精度,证明该方法应用于降雨量预测是合理有效的。     

矿用主通风机故障预警及其软件开发

为准确确定通风机的故障、实现故障预警,提出了矿用主通风机的故障预警原理,并运用VC++6.0与Matcom4.5联合编程的方法,开发出了基于信息融合技术的通风机故障预警软件.该软件采用了BP神经网络与D-S证据理论相结合的信息融合技术,由BP神经网络完成特征频率到故障类型的非线性映射,根据D-S证据理论对多路信号进行融合分析;以OPC通讯方式与组态王运行系统进行通讯,实现了数据的采集与结论的返回.     

运动成绩预测系统及实现技术

小波神经网络是将小波理论和神经网络理论结合起来的一种神经网络,它避免了BP神经网络结构设计的盲目性和局部最优等非线性优化问题,大大简化了训练,具有较强的函数学习能力和推广能力及广阔的应用前景.根据这一预测模型,运用混合编程技术所开发的分布式运动成绩预测系统在应用中取得了良好的效果.     

基于T-S模糊神经网络的汽车故障诊断的研究

该文根据模糊神经网络的特性结合汽车故障诊断的技术,根据监控排放标准,采用个人手持式故障诊断仪获取数据流,T-S模糊逻辑与神经网络结合,训练模糊神经网络,进行故障诊断。使用误差反馈算法和模糊理论训练神经网络,根据训练完成的T-S模型对汽车防抱死系统故障进行诊断。体现了其诊断的准确性强和适用性广的特性。     

小波神经网络的大坝变形预测研究

为了达到掌握大坝变形规律,确保大坝安全运行的目的.通过对小波神经网络和BP神经网络的对比,从隐含层激励函数的构造分析,得出两种网络本质相同,从BP算法的权值调节分析两种网络的预测性能包括收敛性能和泛化性能,并结合实践应用到具体的大坝预测问题上,验证小波神经网络在预测方面精度高,误差不超过0.1mm,同时泛化性能好的优势.     

基于改进蚁群的BP神经网络WSN数据融合算法

为了保证无线传感器网络（WSN）在深井中能有效地工作,提出了一种改进蚁群的反向传播（BP）神经网络WSN数据融合算法（IFA-IACOBP）.通过规划蚂蚁运动方向和引入节点剩余能量对蚁群算法启发因子进行改进,优化蚂蚁下一跳节点选择概率,利用改进后的蚁群算法对BP神经网络进行优化,引入井下WSN数据融合,数据经两级融合处理后,能去除大部分冗余信息.仿真实验结果表明,IFA-IACOBP算法能有效减少网络数据通信量,提高数据实时性,降低网络能耗,延长网络寿命.