同伦算法在特征造型中的应用

目前有很多方法用来进行几何约束的求解,每种方法都有各自的优缺点。文中在同伦法与数值法、符号代数法、分解法进行对比的同时,将其与计算机辅助设计结合起来,应用到CAD领域的特征造型中,并在自主开发的计算机辅助工业造型系统中(HUSTCAIDS)实现。     

几种改进BP算法及其在应用中的比较分析

分析了标准BP算法存在的问题,对ABPM、HBP、LMBP三种改进的BP算法进行了研究,以企业战略预警系统为例,分别用改进算法进行仿真,从收敛速度、收敛精度等方面进行比较分析。仿真结果表明,三种改进算法均不同程度解决了标准BP算法存在的收敛速度慢、容易陷入局部极小等问题,其中LMBP算法达到的效果是最优的。     

一种遗传BP网络及其在故障诊断中的应用

针对旋转机械故障自动诊断问题及传统BP网络和遗传算法在进行故障诊断时所存在的缺点,提出了一种改进的遗传BP网络方法,该方法首先利用改进的遗传算法进行粗精度的学习以达到选取初值的效果,然后采用改进的BP算法完成对给定精度的网络学习,建立的网络学习收敛速度快且易于实现。仿真实验证明了该方法对旋转机械故障诊断问题具有良好的适应性。     

一种改进的BP神经网络在飞机燃油系统故障诊断中的应用

将一种改进了的BP神经网络算法应用于飞机燃油系统故障诊断中，仿真验证结果表明，该算法具有诊断速度快、误诊率低的特点；并为开发基于神经网络的飞机燃油故障诊断专家系统奠定了基础。     

一种改进BP算法在转炉轴承故障诊断中的应用

轴承故障的及时诊断非常重要,针对传统BP算法在炼钢转炉轴承等机械设备故障诊断应用中存在故障识别速度慢、精度不高的缺点,提出了同时调整神经元温度常数T、位置常数θ和联接权值W的观点,并推导出相应的改进算法公式;对比试验结果表明,改进BP算法能加快网络训练速度,提高识别精度,在轴承故障诊断领域中显示出良好的非线性模式识别能力;该算法经过一年多的现场实际运行,效果良好,证实此方法可靠,易于推广。     

改进的BP神经网络在局域网故障诊断中的应用

现有的网络故障诊断方法存在诸多的不足,为了能够实现准确有效快速地排除网络故障,将人工神经网络的方法应用到对局域网的故障诊断中。先对传统的BP人工神经网络进行了分析,针对其收敛速度慢,存在局部极小值的缺点提出了一种改进后的BP人工神将网络。并先后将传统的以及改进后的两种BP神经网络应用到局域网的故障诊断中。仿真测试结果表明改进后的BP神经网络方法相比传统的BP神经网络方法确实能够更有效快速地完成对局域网的故障诊断,具有一定的应用价值。     

BP网络改进算法及其在故障诊断中的应用

针对基本BP算法在接近最优点时收敛速度变慢的缺点,提出一种BP网络的快速训练算法。将网络训练过程分为两个阶段,首先采用BP算法使其接近最优点,再改用共轭梯度法以加快收敛速度。仿真结果表明该算法是一种快速的方法。并将其应用于故障诊断中,结果表明了该方法的可行性。     

前馈神经网络的一种非线性同伦综合学习算法

本文考虑到同伦论中采用零点路径跟踪算法时不同的同伦路径对计算速度的影响，将其应用到多层前向神经网络能量函数极小点的路径跟踪算法中，提出了一种改进的同伦ＢＰ算法一非线性同伦ＢＰ算法，其次，提出了将其与其它改进的神经算法综合作用的新算法，既能快速收敛，又能较大地提高其避免陷入局部极小的能力，收到很好的训练效果。本文的理论分析和计算机仿真实验表明了这些结论的准确性和有效性。     

同伦法在逆向工程约束求解中的应用

逆向工程模型重建过程中,为了再现逼近特征之间固有的几何约束关系,应该在满足特定约束关系下对测量数据进行优化拟合,但在拟合时,由于迭代初值以及约束的不确定性,使得通常的牛顿迭代法有时难以得到收敛解。为解决上述问题,提出了一种应用同伦迭代法求解约束优化拟合方程的策略,该策略首先对部分约束进行合并处理,然后给出欠约束同伦的构造方法,并由局部曲率控制欠约束同伦迭代步长。实例结果显示,该方法能有效完成特定约束条件下数据优化拟合计算。     

一种改进的同伦算法与H∞鲁棒控制器设计

提出了一种具有阶次限制的鲁棒控制器设计方法, 该算法将控制系统的性能指标转化为灵敏度函数问题, 并利用Nevanlinna-Pick插值算法进行求解. 提出了一种改进的同伦算法, 将其用于求解由灵敏度函数产生的非线性方程. 基于改进同伦算法设计的鲁棒控制器 不仅避免了传统H∞控制中加权函数的选择问题, 而且克服了鲁棒控制器阶次较高的缺陷. 最后,文章以4阶系统为例, 设计了具有阶次限制的H∞鲁棒控制器, 通过与传统鲁棒控制器的比较可以看出, 基于本文方法设计的控制器不仅具有较低的阶次, 而且其控制性能也具有明显的优越性.     

改进型遗传算法在故障诊断中的应用磁

遗传算法优化后的 BP 神经网络具有较好的全局搜索能力,但在迭代后期要求有较好的局部搜索能力,因此,通过对遗传算法进行改进,来平衡系统的全局搜索能力和局部搜索能力。实验表明,改进后的遗传算法能对各种故障进行可靠的分类,有效地提高了故障诊断的效率和准确度。     

基于数值优化的改进BP算法在旋转机械故障诊断中的应用

机械设备的安全运行对企业的现代化生产至关重要,因而对故障机械的诊断近年来受到了普遍关注,而神经网络具有分辨原因及故障类型的能力,在故障诊断领域中得到了广泛应用.本文针对传统BP算法存在的收敛速度慢以及容易陷入局部最小点等问题,给出了两种基于数值优化方法的改进BP算法,应用改进的BP算法对旋转机械故障进行诊断研究,结果表明,加快了网络的收敛速度.证明该算法比BP算法精度更高且收敛速度更快.     

基于改进BP神经网络的网络故障诊断研究

针对网络故障诊断过程中故障规则难以提取的问题,提出一种基于改进BP神经网络的故障诊断方法。以网络故障信息为样本对BP网络进行训练,利用其强大的自适应能力和非线性映射能力,建立起网络故障信息与故障模式输出之间的映射。同时,为了避免BP网络的学习算法陷入局部极小值,提高故障诊断的效率和精确度,采用L-M优化算法来对网络进行训练。另外,采取初期终止的方法提高BP网络的泛化能力。实例表明,该方法有效提高了网络故障诊断的有效性。     

基于神经网络改进算法的飞控系统故障诊断

应用神经网络技术对复杂的飞行控制系统进行故障诊断对提高飞机的可靠性和容错能力具有重要意义。为了提高网络的学习效率和稳定性,该文提出一种改进的径向基神经网络学习算法,使用混合共轭梯度优化算法对网络参数进行调整。利用神经网络对某型飞机的飞行控制系统进行故障诊断,仿真结果表明该神经网络具有较强的故障识别能力。     

基于改进BP神经网络的某型装备故障诊断专家系统

分析神经网络和专家系统的特点．提出基于BP神经网络与专家系统结合的某型装备的故障诊断方法,构造BP神经网络的装备故障诊断专家系统的诊断模型,克服传统专家系统在知识获取和表达的薄弱环节,并用某型装备的故障实际数据进存验证,结果表明神经网络与专家系统结合是一种有效的诊断方法。     

BP网络结合遗传算法在故障诊断中的应用

分析了BP神经网络在模拟电路故障诊断中的缺点,提出了在BP神经网络的拓扑结构确定的情况下,先用遗传算法来训练BP网络的权值和阈值,经过若干代的交叉、变异后得到稳定的权值和阈值;再将它们赋值给BP神经网络,作为初始值,重新训练.这样训练出来的网络才能得到全局的最优值;同时还能够提高神经网络用于模拟电路故障诊断的智能性,改善故障诊断的精度和速度.     

AFSA＋PSO混合算法在BP网络故障诊断中的应用

提出一种基于人工鱼群算法和粒子群算法混合训练BP网络的故障诊断系统.采用人工鱼群算法和粒子群算法结合算法训练神经网络权值,局部搜索速度快且保证全局收敛,有效克服了传统的BP神经网络收敛速度慢且容易陷入局部极值的缺点.将该网络用于齿轮箱故障诊断,并与传统BP模型用于故障诊断结果进行了比较,取得了较好的效果.     

GA BP算法在混凝土结构故障诊断中的应用研究*

混凝土结构故障诊断问题包含极其丰富的内容,实际工程中又不断地提出各种新的要求,致使其利用传统的方法难以解决.应用神经网络(NN)与遗传算法(GA)来解决混凝土研究中的难点问题,已经成为当前混凝土结构故障诊断研究领域的一个热门课题.GA-BP网络诊断模型为解决大规模、复杂、并行的系统问题提供了广阔的前景.     

BP神经网络在雷达故障诊断中的应用研究

对雷达混合电路故障诊断问题进行了研究,针对传统雷达故障诊断中的“自适应差”,“过分依赖故障数学模型”的缺陷。采用了一种故障诊断表示模型,提出将专家系统与神经网络相结合的诊断方法,避免了在实际中雷达电路难以建立精确的数学模型的问题。利用人工神经网络理论为其建立了BP神经故障诊断网络,增加了雷达电路故障诊断系统的“自适应性”。进而给出了网络训练算法和诊断步骤,最后给出了在某型雷达设备上仿真调试诊断的实例。