基于改进BP神经网络的故障诊断方法

对于常规BP神经网络,其收敛过程存在两个很大的缺陷:收敛速度慢;存在所谓"局部最小值"问题.文章采用了一种自适应学习速率动量梯度下降反向传播算法对BP神经网络进行训练,建立了智能诊断模型,并应用于某型坦克发动机的故障诊断,测试结果表明该方法相比常规BP算法能够更有效诊断发动机油路和气路的故障,从而为故障诊断及判定的自动化提供了一个新思路.     

基于改进PSO＿BP神经网络的干燥机可靠性预测

针对BP(Back Propagation)神经网络模型对谷物干燥机进行可靠性预测时,模型存在收敛速度慢和易陷入局部最优等问题,采用改进的粒子群算法对BP神经网络模型进行优化,建立PSO＿BP神经网络的谷物干燥机可靠性预测模型,并与BP网络模型和GA＿BP网络模型获得的MAERMSEMAPE指标进行对比。研究结果表明,采用改进的PSO＿BP网络模型预测时,与BP网络模型相比三项指标分别降低了0.051 8、0.047 9和28.04%;与GA＿BP网络模型相比,三项指标分别降低了0.000 4、0.000 2和0.61%,说明其具有更小的误差和较好的预测能力。为实现谷物干燥机可靠性精准预测提供方法和思路。     

基于BP神经网络的推料机结构可靠性分析

为分析推料机在实际载荷工况条件下的工作可靠性，提出一种基于BP神经网络的推料机结构可靠性评估方法。首先，构建推料机有限元模型，并分析其在实际载荷工况条件下的最大应力响应；其次，结合APDL语言，构建推料机参数化分析模型，并对其开展试验设计，从而获取推料机不确定性因素与相应结构响应样本数据，在此基础上，确定基础BP网络结构，进而拟合推料机不确定性因素与响应间的信息传递关系，完成推料机BP网络模型的建立；最后，结合结构可靠性分析原理，构建推料机结构可靠性指标评估模型，完成推料机结构可靠性评估。分析结果表明：构建的BP网络模型能够合理表征推料机不确定性因素与最大应力响应间的内在关系；由于参数不确定性的影响，推料机最大应力响应呈现出一定的随机性并存在失效的可能，该结论可为推料机进一步优化设计提供一定参考价值。     

基于PCA-改进BP神经网络的齿轮箱故障诊断方法研究

针对BP神经网络存在局部极小值和收敛速度慢等问题,文章提出了一种PCA-改进的BP神经网络的方法。实验表明,基于PCA-改进的BP神经网络的方法可以大大提高故障诊断的准确性,缩短了诊断时间。     

基于BP神经网络的液滴图像识别方法

通过CCD监测白酒和掺入50％水的白酒两种不同液体液滴的生长过程,针对最大的液滴提取特征参数,利用主成分分析技术对特征参数进行优化,确定了5项有效的特征参数。最后采用BP神经网络识别不同的液滴。结果表明：不同液体液滴的轮廓特征参数是有区别的。因此,结合模式识别的图像液滴分析技术可以应用于分析和鉴别液体。     

改进的BP神经网络在故障诊断中的应用

介绍了BP神经网络的结构和学习方法,针对BP网络存在局部极小值和收敛速度慢等问题．提出采用一种基于Levenbe rg-Marquardt算法(LM算法)的改进BP网络,最后通过汽轮机故障诊断实例的仿真研究,结果表明改进算法的性能明显优于常规BP算法,经改进算法训练的网络能大大提高故障的在线诊断能力．具有广泛的应用前景和应用价值。     

基于改进BP神经网络的主轴伺服系统故障诊断研究

针对数控机床主轴伺服系统的故障特点,建立了故障模型,确定了故障现象、故障原因样本集,并采用基于L-M算法的改进BP神经网络实现了对主轴伺服系统的故障诊断。仿真及试验结果表明,该诊断方法是行之有效的。     

基于改进BP神经网络的产品成本预测研究和实现

作为成本管理重要环节的产品成本预测是个非线性系统,目前还很难对其建立准确的数学模型.引入BP神经网络算法对产品成本进行预测,针对BP算法容易陷入局部最小的缺陷,提出了改进BP算法.根据产品成本的具体特征提取特征值并建立相应的神经网络,通过训练,网络具有较强的适应和学习功能,经测试表明,网络具有较高的预测精度,能够为企业生产运营提供可靠的依据.     

基于组合式改进BP神经网络的矿用空压机故障诊断

矿用空压机是煤矿现代化安全生产的重要组成设备,针对目前矿用空压机经常出现的故障,收集了矿用空压机故障征兆和其对应的故障类型,将故障样本数据和模糊神经网络相结合,并根据改进BP神经网络确定网络的输入和输出向量,对矿用空压机进行组合式故障诊断,诊断结果与实际情况比较吻合。运用MATLAB实现神经网络故障诊断仿真,仿真结果表明诊断误差较小,输出向量与实际故障矩阵结果接近。     

基于改进BP神经网络的连铸漏钢预报

针对传统BP神经网络在训练过程中存在收敛速度慢的缺陷,将LM(levenberg marquardt)算法引入到BP神经网络的训练过程,建立了LM-BP神经网络模型,并将其应用于连铸过程中的漏钢预报系统。结合某钢厂连铸现场历史数据对系统进行了测试,测试结果以96.15%的预报率及100%的报出率,验证了基于LM算法的BP神经网络连铸漏钢预报方案的可行性和有效性。     

基于神经网络的可靠性分析新方法

对于大部分工程可靠性分析中的隐式极限状态方程,建立一种基于样本筛选的神经网络可靠性分析方法。该方法利用具有强大的非线性映射能力的神经网络,来近似隐式极限状态方程中的输入变量与输出变量的关系,从而使得隐式可靠性分析转化为显示可靠性分析问题,大大减少了计算失效概率的工作量。与已有的神经网络可靠性分析方法相比,所提方法选择近似极限状态方程而不是近似极限状态函数的策略,并通过筛选训练样本实现这一策略,从而提高可靠性分析的精度,算例结果充分显示所提方法的优越性。     

基于人工神经网络的结构零件可靠度仿真方法

提出结构零件可靠度计算的人工神经网络－蒙特卡罗仿真算法,针对结构零件可行度计算问题,利用有限元计算方法,得到一组结构输入基本变量及输出响应数据,采用人工神经网络后向传播ＢＰ模型,建立结构的输入－输出关系,在该模型上,用Ｍｏｎｔｅ Ｃａｒｌｏ方法进行结构零件可靠度仿真计算。算例表明,该方法正确可行。     

基于改进型Hopfield神经网络的潜污泵故障诊断方法

为了实现对潜污泵运行时的故障问题进行精准诊断,提出一种改进型Hopfield神经网络(HNN)故障诊断方法.利用BP神经网络进行编码操作,克服HNN神经网络的编码缺陷,并通过粒子群优化算法(PSO)对HNN神经网络连接权值进行优化,提高改进型神经网络的全局收敛能力,得到改进型HNN神经网络模型.基于现场实验,获得潜污泵...     

基于改进RBF神经网络的传感器温度补偿系统研究

考虑到目前常用的温度补偿方法是使用智能算法建立温度补偿模型,并使用群智能优化算法进行优化,提高补偿精度,对于传感器非线性温漂段具有较好的补偿效果,但是对于具有较好的线性使用这种方法的效率较低,而使用常规的线性最小二乘直线拟合方法即可得到较好的补偿效果,因此本文将最小二乘直线拟合方法与RBF神经网络模型进行融合,研究一种对压力传感器进行温度补偿模型,使用蚁群算法对常规RBF神经网络进行优化,提高补偿模型的性能。通过MPX53型压阻式压力传感器进行实验研究,结果表明,使用本文研究的温度补偿方法后,传感器在各个温度下同样基本不受温度的影响,与使用全程蚁群优化RBF神经网络温度补偿方法效果相差不大,但是由于中间温度区域采用直线拟合方法,整体温度补偿的效率有所提高。     

基于VP与BP神经网络的采煤机摇臂壳体可靠性分析

为了提高采煤机的动态可靠性和工作效率,建立了SL1000型采煤机摇臂的刚柔耦合模型,通过动力学仿真得到了摇臂壳体应力、可靠性信息;基于BP神经网络,预测了其他工况下摇臂壳体的可靠度,分析了其与煤层坚固性系数、牵引速度及滚筒截深的关系,并优化了采煤机的牵引速度;将虚拟样机技术与BP神经网络相结合,为采煤机工作可靠性的预测提供了一种全新的理念和便捷的方法,具有重要的理论意义及较强的工程应用价值。     

基于改进Kriging模型的主动学习可靠性分析方法

主动学习Kriging(ALK)模型能够只在极限状态平面附近的狭小区域近似功能函数,因此能够极大提高可靠性分析的效率.但是已有方法多数基于DACE工具箱建立Kriging模型,难以获得Kriging模型的最优相关参数,进而难以获得最优的训练点.引入差分进化算法,对Kriging模型的相关参数进行全局搜索,提高每次迭代K...     

基于神经网络的主动隔振控制技术研究

针对主动隔振系统存在非线性的情况,提出一种神经网络控制方法.控制器采用CMAC(cerebellar model articulation control)网络,参数调整基于梯度下降法.为消除系统次通道对控制器参数调整的影响,利用BP(back propagation)网络离线辨识得到次通道模型.系统的输出误差信号与次通道模型参数相结合,共同调整控制器参数.仿真结果表明,该控制方法对于存在非线性的主动隔振系统具有良好的控制效果,隔振能力超过常用的滤波LMS(least mean square)方法.     

基于EFGM-ANN的含多裂纹结构的断裂可靠性分析

基于无网格伽辽金法(element-free Galerkin methods,EFGM)和人工神经网络(artificial neural network,ANN)理论,提出用EFGM-ANN方法进行可靠性分析.采用无网格伽辽金法计算含裂纹结构的应力强度因子,通过使用带权正交函数作为基函数,提高计算效率;又将影响结构断裂的不确定因素视为随机变量,通过径向基(radial basis function,RBF)神经网络响应面法模拟结构的极限状态函数及其导函数,对含多裂纹结构进行断裂可靠性分析.计算结果表明本方法具有广泛的应用前景.     

基于神经网络响应面的疲劳裂纹扩展寿命的可靠性分析

当失效形式的极限状态方程中随机变量个数较多或非线性较高时,其形式很复杂,因此传统的计算失效概率的方法不再适用。针对疲劳裂纹扩展寿命失效概率计算的复杂性,提出基于神经网络响应面的可靠性分析方法。首先建立神经网络响应面模拟疲劳裂纹扩展寿命的极限状态方程,然后使用遗传算法(GA)计算可靠性指标。数值试验表明,本方法可以快速、精确地模拟疲劳裂纹扩展寿命的极限状态函数,进而计算出失效概率和可靠性指标。同其他模拟技术相比,在精度相同的情况下,神经网络响应面法可以大大减少模拟时间。     

基于改进萤火虫算法神经网络的刮板输送机减速器故障诊断

为了对刮板输送机减速器故障进行准确诊断研究,提出了一种基于改进萤火虫算法优化神经网络故障诊断方法。首先对刮板输送机减速器故障特征参数进行特征提取,其次应用特征数据样本进行基于神经网络的故障诊断模型训练,利用改进萤火虫算法对神经网络权值、阈值进行优化,加快目标的优化求解,得到最优的网络模型。初步研究表明将改进萤火虫算法与BP(back propagation)神经网络结合可以有效地解决神经网络收敛速度慢,易陷入局部最优等问题,可以对刮板输送机减速器的故障进行准确诊断。