基于BMP085气压传感器及BP算法的高度测量研究与实现

采用BMP085气压传感器,研究并实现了采用Back-propagation(BP)神经网络自学习的相对高度测量方法。首先,利用BP算法学习带有测量基点(一般为地面)的训练样本集,得到稳定、精确的测量网络;其次,将测量点的温度与压强作为测量网络的输入,由测量网络计算出垂直方向上测量点与基点的相对高度。实验表明,相比传统的标准气压高度公式计算的相对高度,本文提出的测量系统能更准确地计算出相对高度,且能减少环境因素变化的影响(即,具有良好的稳定性)。     

基于GA-BP神经网络的配电网工程造价预测

为了解决前馈(BP)神经网络在配电网工程建设工程造价预测时,容易陷入局部极小而导致预测精度降低的问题,提出了一种GA-BP神经网络的配电网工程造价预测模型。模型试算与分析结果表明:除了个别样本数据外,GA-BP模型预测数据的相对误差小于BP模型预测数据的相对误差。其中,GA-BP模型的预测数据的相对误差整体最小,BP模型的相对误差整体最大,BP整体的相对误差要稍小于GA-BP。GA-BP和BP的模型平均相对误差数值更小,GA-BP模型的平均相对误差最小,说明该模型的预测稳定性最强。此外,GA-BP和BP的模型稳定性和预测的精度上都要优于GA-BP和BP。其中,GA-BP的预测模型最好,BP预测模型最差。该基于GA-BP神经网络的配电网工程造价预测模型为提高配电网工程造价预测精度提供了一定的理论基础。     

GA-BP网络在凿岩防卡阀推进压力预测中的应用

分析了凿岩钻车防卡阀的结构和工作原理,利用某采石场原始卡钎数据,建立了防卡阀BP神经网络模型。基于遗传算法理论对BP神经网络模型进行了结构拓扑优化和训练,建立了GA-BP网络模型。分析结果表明,BP神经网络模型和GA-BP网络模型均可以较好地预测卡钎时防卡阀的推进压力,但GABP网络模型具有更高的预测精度、非线性映射和网络性能。     

车载便携式气压高度计的设计

针对航空电子没备车载试验缺乏独立高度测量数据,无法充分模拟机载环境的缺陷,本文利用芬兰VTI公司SCP1000-D01传感器芯片完成了基于USB接口的气压高度计设计.通过该气压高度计进行低空数据采集分析,文中得出气压高度计在较短测量时间内具有良好的稳定性,高度差值更精确的特点.这与高空飞行数据的气压高度测量数据分析结论相一致,表明该便携式气压高度计能够弥补现有车载试验缺乏独立高度测量的缺陷,并具备低成本、方便灵活的优点.     

基于阵列测量与数据融合的高精度硅压阻式气压变送器的研制

气压是评价大气环境变化的关键性参数。为提高传统硅压阻式气压测量系统的精度,研究并实现了一种基于MEMS气压传感器阵列式测量和粒子群优化（PSO）反向传播（BP）神经网络数据融合处理的高精度数字气压变送器,给出了相应的硬件结构和软件设计,并通过STM32平台对μC/OS-II与μC/GUI进行了整合移植和显示优化。结合实验测量数据,从非线性误差、迟滞误差、重复性误差及其整体精度等方面对PSO-BP神经网络算法在硅压阻式气压测量系统中应用的性能进行了研究————————————与分析。研究结果表明,在-20℃~60℃的温度范围内,本文研制的低成本嵌入式硅压阻气压变送器的整体测量精度约为±0.095%FS,基本满足大气探测应用的要求。     

基于遗传算法优化神经网络的智能配电网线损计算研究

为实现结构复杂、低压台区智能配电网的线损计算,首先构建误差反向传播(BP)神经网络模型以计算配电网理论线损,然后利用遗传算法(GA)深度优化神经网络并建立GA-BP模型。基于上述模型计算配电网的理论线损率并对模型计算性能进行比对分析。结果表明,使用GA-BP模型进行线损计算比单一BP模型计算的平均绝对误差减少约0.273%。应用遗传算法优化后的神经网络线损率计算模型较单一BP神经网络模型具有更好的非线性拟合能力和更高的计算精度。     

基于改进GA的神经网络航班保障时间估计

准确估计航班保障服务时间可以极大提高地面航班保障服务效率。采用主成分分析(PCA)方法降低变量间的相关性,考虑到BP神经网络的网络结构难以确定,且网络初始权重、阈值随机,提出改进的遗传算法来优化BP神经网络的结构,初始权重、阈值,建立自适应多层遗传算法(AMGA)的BP神经网络航班保障服务时间估计模型。为验证所提AMGA-BP算法的性能,以国内某枢纽机场航班保障服务时间作为研究对象,与传统的GA-BP、BP两种算法做对比实验,进行航班保障服务时间估计,实验结果表明,AMGA-BP算法比BP算法和GA-BP算法精确度更高。     

基于协同滤波和BP神经网络的电力作业人员运动工况辨识

针对预警装置靠近相同带电体时不同工况下报警阈值选择的误差造成误报、漏报问题,提出基于协同滤波和反向传播(BP)神经网络对电力作业人员爬塔、爬坡、水平行走三种工况辨识的模型。利用加速度与气压传感器采集作业人员头部的加速度与气压值,对数据进行协同滤波,提取有效相对高度值,然后对有效高度值进行一阶拟合得到拟合参数。最后根据拟合参数建立BP神经网络模型识别三种工况。选取室外杆塔、斜坡及水平路面为实验平台,每种工况采集400组数据,随机抽取350组数据进行训练,50组数据进行验证。验证结果表明:训练样本准确率达到94. 95%,测试样本准确率达到94. 67%,满足室外工况辨识的要求。     

智能压力传感器精度的研究

通过对智能压力传感器精度的研究,选择基于自适应学习率的BP算法设计压力传感器。首先,给出了相应的硬件结构和软件设计,然后用标准的BP神经网络和改进的BP神经网络分别对压力和温度两个目标参量进行数据融合,进行测量结果显示。通过对测量结果的计算比较,发现利用改进的BP神经网络设计的传感器测量精度比标准的BP神经网络设计的传感器精度更高。     

基于增强GA-BP神经网络的软件错误定位方法

在软件开发和后期维护的过程中,进行软件调试来定位错误并修正错误是其中最复杂且成本最大的一部分;文章针对现有基于神经网络的软件错误定位方法中的权值和阈值设定不方便、鲁棒性差等问题,结合正交实验设计思想和遗传算法(Genetic Algorithm),提出了一种基于增强遗传BP神经网络的软件错误定位方法;并将其同基于GA-BP神经网络的和基于BP神经网络的定位方法都在MATLAB上进行了实验,实验数据来源西门子测试集,从结果上看,基于增强GA-BP神经网络的软件错误定位方法在定位错误的效率和精确度上都有一些进步。     

基于跳跃基因的GA-BP算法研究

GA-BP学习算法往往会出现收敛速度慢,可能陷入局部极值的现象。针对以上问题,选取了自适应GA-BP(AGA-BP)算法,并在GA-BP算法和AGA-BP算法的基础上添加跳跃基因,称之为JG-GA-BP算法和JG-AGA-BP算法,用于解决分类问题。算法在遗传算法的基础上增加了跳跃基因算子,用于优化BP神经网络的结构参数,从而建立相应的神经网络拓扑模型。为验证添加跳跃基因后的学习算法的分类效果,将JG-AGA-BP算法、JG-GA-BP算法、AGA-BP算法和GA-BP算法的性能进行比较。以随机数、iris、wine、鲍鱼数据集的分类实验为例,研究结果显示出添加了跳跃基因的GA-BP算法的准确率和收敛速度都有一定程度的提高。     

基于IA-BP算法的GPS高程拟合误差补偿方法

BP算法是校正GPS高程拟合误差的常用手段,但传统BP算法易陷入局部极小,使测量结果的精度稳定性差。提出一种基于免疫算法(IA)和BP神经网络结合的优化算法,利用IA进行全局搜索,然后,调用BP算法进行局部搜索。实验结果表明:该优化算法在训练多层前向神经网络时可有效地避免传统BP算法易陷入局部极小,并可保持其高预测精度,收敛速度快,具有寻优的全局性和精确性,进而提高了测量精度,且神经网络的GPS高程拟合误差与标准值间的相对误差均方差小于0.042 2,相对误差均值小于0.047 2,相对误差最大值小于0.050 3。     

基于GA-BP的移动通信设备故障诊断

针对通信设备故障发生随机性强,影响因素多,对应的故障诊断有高度非线性和不确定性的特点,采用BP神经网络算法,优化的GA-BP神经网络算法和POS-BP神经网络算法分别搭建基站设备故障诊断模型,提取设备故障历史数据进行MATLAB仿真,准确预测设备故障类型,帮助提高代维公司调度管理的智能化水平,提高基站设备运维的执行效率。仿真结果表明：本文的BP,GA-BP和POS-BP神经网络算法都能够实现设备故障类别的预测,且GA-BP神经网络算法相比BP和POS-BP神经网络算法对通信设备故障诊断有更好的适应性。     

数字压力传感器BP5607应用实现

基于MEMS技术的数字压力传感器技术正处于一个迅猛发展的阶段,数字压力传感器目前的灵敏度可以做到0.01mbar,高灵敏度、高分辨率的数字压力传感器在日常生活中越发扮演着重要的角色。介绍了高分辨率数字压力传感器BP5607的设计思想;基于ARM处理器LPC1768+BP5607的架构,结合改进型差分气压测高的高程算法实现了BP5607的气压测高仪,克服了在“国际标准大气”模型下大气压无规则变化带来的高程测量误差,提高了高程测量精度。实验表明,该测高仪具有优于0.2m的高程测量分辨率和较高的灵敏度,对导航定位形成良好的辅助效果。     

基于优化BP神经网络光伏出力短期预测研究

太阳能拥有丰富的资源,而且分布广泛,现已被广泛应用到各种应用中,光伏发电已是一种可靠可行、可扩展的重要可再生能源利用的方式,因此对光伏出力进行精准的预测意义重大;从宁夏市某光伏发电站获得了一年的光伏发电数据与气象等因素,选取四月至五月的数据进行研究预测;针对BP神经网络的收敛时间长,容易陷入局部极小值等缺点;建立单一BP神经网络预测模型,基于遗传算法(GA)优化BP神经网络的GA-BP预测模型与基于狼群算法(WPA)优化的BP神经网络的WPA-BP预测模型;选择平均相对误差作为误差评估指标,结果表明,3种预测模型均能对光伏电站的发电功率进行预测,但是单一的BP神经网络模型误差较大,晴天时,误差为5.1%,经遗传算法改进后的预测误差为4.9%,较单一模型提高了0.2%的精度,而WPA-BP预测模型误差为4.4%,预测精度高于前者;同时多云天和雨天的时候,均为WPA-BP模型的预测误差小,稳定性高,具有一定的研究价值。     

改进的BP算法在混凝土适筋梁挠度预测中的研究

BP神经网络已被广泛应用于多个研究领域,为克服和改善传统的BP算法收敛速度慢、易陷入局部极小、泛化能力差的缺陷,基于混凝土适筋梁挠度预测的实际工程问题,提出L-M算法,并对现场的原始数据进行分组取样;实验数据对比及算法仿真结果表明,基于改进的L-M算法的神经网络推算钢筋混凝土适筋梁长期挠度的方法是可行的,并且L-M算法比传统BP算法收敛速度快,挠度的预测结果比规范计算结果更加接近实测数据;应用结果表明,L-M算法利用二阶导数的特性,加快了收敛速度,提高了计算精度;而运用分组取样法则提高了网络的泛化能力.     

基于遗传神经网络的车辆导航路径规划

研究使用混合 GA-BP 神经网络算法来解决交通路径规划中的非线性问题。反向传播(Back-Propagation, BP)神经网络虽然能够很好地解决非线性问题,但它存在着容易陷入局部极小的不足,而遗传算法(Genetic Algorithm, GA)具有很强的宏观搜索能力和良好的全局优化性能,可以弥补BP的不足。用A*算法快速粗算出的几条可选路径作为 GA 的初始种群,然后用混合的 GA-BP 神经网络算法进行路径规划精算。仿真结果显示混合GA-BP神经网络算法在寻找路径规划的全局最优解上具有一定的优势。     

改进PSO-BP算法在飞机剩余油量测量中的应用

针对飞机在飞行时油箱因受震动引起油面起伏不平,导致原有静止状态时的计算模型产生较大测量误差,提出采用BP神经网络的预测飞机剩余油量;但由于BP神经网络存在学习效率低、收敛速度慢和易陷入局部极小等局限,采用改进粒子群算法优化BP神经网络的训练;将改进PSO-BP算法用于飞机剩余油量的测量,实验结果表明,与传统BP学习算法比较,改进PSO-BP算法具有训练时间短,相对误差小,控制精度高等优点,有效地提高了油量测量的精度。     

基于多BP神经网络的内存组合特征分类方法

针对内存数据在攻击行为发生后会发生改变,而传统完整性度量系统使用的基准值度量存在检测率低、灵活性不足等问题的现象,提出一种基于多反向传播(BP)神经网络的内存组合特征分类方法.首先,将内存数据通过度量对象提取算法(MOEA)提取特征值;然后,分别使用不同的BP神经网络进行模型训练;最后,再通过一个BP神经网络对所得数据...