基于神经网络的表面粗糙度识别算法

提出了一种新的表面粗糙度识别算法,该算法利用从标准样块上通过采样得到的数学光强度分布数据,把表征光强分布的数据和样块的标乐值分别作为神经网络的输入和输出,采用改进的Ｂ 法对神经网络进行训练,训练后,把某一工件的散射光强度分布数据输入给神经网络,则网络的输出就是该样块的表面粗糙度数值,该算法充分利用神经网络的泛化能力和学习能力,可正确识别Ｒａ在０．８μｍ以下的被测表面,并可避免误识别。     

基于MEA-BP神经网络的超声挤压加工表面粗糙度预测

为了有效预测超声挤压加工工件的表面粗糙度,建立以转速,进给速度,振幅,挤压力,挤压次数为输入参数,表面粗糙度为输出结果的预测模型.该模型利用思维进化算法(mind ev-olutionary algorithm,MEA)的全局搜索能力对BP神经网络的权值和阈值进行优化.为了验证该模型的有效性,对45号钢进行超声挤压加工...     

基于BP神经网络分类器的多目标识别方法研究

文章对多目标进行特征提取,数据作为神经网络分类器的输入,采用不同的算法对多输出型BP神经网络分类器和单输出型BP神经网络联合分类器进行训练,实现多目标的识别。仿真试验结果表明,基于BP神经网络分类器的识别方法具有较高的识别率。     

基于深度学习的空管语音识别

文章在分析空中交通管制业务的基础上,研究一种适用于我国民航管制通话的端到端语音识别算法。文章设计了基于卷积神经网络和循环神经网络的深度学习模型,以CTC作为损失函数使用已标注数据进行迭代训练,从而优化模型参数。以空中交通管理中的管制通话语音作为模型的输入,最终输出中文汉字和空管专有名词。使用真实采集的管制通话语音数据进行实验,在10 h的训练数据上词错误率为9.49%。实验结果表明,与传统的语音识别算法比较,该算法有更优异的识别效果。     

基于BP神经网络的印刷体数字识别研究

BP神经网络是一种误差逆传播算法训练的多层前馈网络,具备网络学习能力强、输入/输出模式映射关系存贮量大、事先不需要描述输入/输出映射关系等诸多优点的数学方程。本文通过BP神经网络的介绍,利用不变矩特征提取方法设计一种有效的BP神经网络印刷体数字识别演示系统,对印刷体数字识别的深入研究具有一定的指导意义。     

基于GA-WPT-ELM的6061铝合金表面粗糙度预测

为了提高工件表面粗糙度预测的准确性,针对振动信号特征识别和表面粗糙度预测建模时多个参数难以同步优化和人工经验调优误差较大的问题,提出基于遗传算法（GA）的信号特征识别和表面粗糙度预测的优化算法. 对采集的6061铝合金铣削振动信号进行小波包变换（WPT）和多个特征提取,利用GA优化WPT母小波和特征向量;将信号特征向量和表面粗糙度分别作为极限学习机（ELM）的输入和输出,对预测模型训练的同时,利用GA优化ELM隐含层的神经元个数;对训练好的预测模型进行测试. 实验结果表明,通过GA对振动信号识别和表面粗糙度预测的3类参数同步优化,获得了最佳的信号特征和较高的表面粗糙度预测精度,节省了建模分析计算成本.     

精车工件表面粗糙度预测系统的开发

开发精车丁件表面粗糙度预测系统．应用模糊自适应BP算法建立一件表面粗糙度与其影响因素之问的关系模型；依据给定的数据样本对模型进行训练，将训练好的网络用于实际的工件表面粗糙度预测；采用VB和MatLab语言相结合的方法开发系统．实现数据采集和神经网络预测功能．实验结果表明．利用该系统进行工件表面的粗糙度预测是切实可行的．     

神经网络算法在Turbo码译码错误检测中的应用

经统计分析,Turbo码译码输出的交叉熵与译码错误之间有着十分密切的关系,且该关系具有非线性性质。神经网络技术具有独特的非线性输入、输出映射能力,因此可通过对神经网络进行某种训练来检测Turbo码译码数据中出现的错误。在训练过程中,将交叉熵作为神经网络输入端的样本值,译码错误作为期望输出值进行自适应模拟。另外,考虑到Turbo码译码的实时性和运算量要求,采用了改进型的LevenbergMarquardt神经网络算法对神经网络进行训练,并用以检测译码错误。仿真结果表明:该方法比起传统的循环冗余校验(cyclicredundancycheck,CRC)方法在检测Turbo码译码错误时,检测性能和运算复杂度均得到了很大的改善。     

改进的BP神经网络模型预测充填体强度

为了准确评价和预测充填体强度,采用改进的BP神经网络算法,利用实验室做的18组充填体单轴抗压强度试验结果,建立了充填体强度与影响因素之间的5-7-1网络模型结构(输入层为5个神经元,隐含层为7个神经元,输出层为1个神经元,输入为胶砂比及各胶凝材料掺量,输出为充填体28 d单轴抗压强度).结果表明,改进的BP神经网络对于充填体的强度具有良好的预测能力,建立的网络模型不仅收敛速度快而且训练精度高,对充填体强度的预测结果与训练数据和测试数据的最大相对误差仅为4.23％.     

基于马尔可夫过程和深度神经网络的TBM围岩识别

为了实现隧道围岩的实时识别,基于马尔可夫过程和深度神经网络模型,提出将先验围岩信息和掘进参数结合,作为深度神经网络输入的隧道掘进机（TBM）围岩实时识别方法. 根据施工现场地质勘探资料,用马尔可夫过程的隧道围岩分类方法预测隧道沿线的围岩分布概率;将该围岩分布概率作为先验围岩信息,结合TBM掘进参数作为神经网络输入,真实围岩类别作为输出,训练深度神经网络以实现对TBM前方围岩的实时识别. 使用工程现场数据进行对比实验,结果表明,所设计的深度神经网络模型的围岩总体识别率高于96%. 相比于仅将掘进参数作为输入,当结合先验围岩信息和掘进参数作为输入时,模型围岩识别率提高6%以上.     

混沌光学系统之前向神经网络系统辨识研究

本文以布拉格声光双稳混沌系统之系统辨识为例，研究了利用前向神经网络对混泡光学系统进行系统辨识的可能性，其计算机仿真实验结果表明，由BP算法支持的三层前向神经网络，在一定的精度范围内，确是一良好的混沌光学系统辨识器，因而可用来处理混沌光学时间序列以进行混沌光学系统的动力学重构。     

SPH耦合FEM模拟弹丸撞击对表面形貌的影响

为消除有限元法(finite element method, FEM)处理切屑分离及大变形问题的局限,使用光滑粒子流体动力学法(smooth particle hydrodynamics, SPH)耦合FEM模拟此类问题。工件使用SPH建模,弹丸使用FEM建模,二者通过接触算法实现耦合,通过仿真实验研究锐边弹丸在不同入射条件下撞击工件时,弹丸的翻转效应对工件表面弹坑深度、切屑堆积高度的影响。结果表明:当前倾角较大时,弹丸向前翻转,对工件表面产生碾压作用,形成尖锐的弹坑,切屑堆积在弹坑前部边缘不与工件分离;当前倾角较小时,弹丸向后翻转,对工件表面产生铲削作用,切屑与工件分离,弹坑横截面光滑而平缓。通过与相关实验及理论数据的比较,验证了仿真模型及结果的正确性,为锐边弹丸侵蚀工件表面的仿真研究提供新的手段。     

结构损伤智能识别方法

应用神经网络、遗传算法建立了交互式结构损伤智能识别系统。详细阐述了软件设计的思想及其实现，并对预测结果与实测数据进行了比较。结果表明，将神经网络和遗传算法用于结构损伤识别是有效的、可行的。     

基于BP神经网络对时滞系统的模型参数辨识仿真

主要研究了基于BP神经网络对时滞系统的参数辨识,分析了两种辨识结构和两种建模方法,对系统被控对象的建模采用了神经网络正模型,辨识结构为串-并联型.考虑加强BP网络的泛化能力,用随机数据去训练网络,然后得到训练后的权值,给一个阶跃信号,利用交叉两点法,从而得到时滞系统的特征参数.通过仿真,基于BP网络对时滞系统的参数辨识是有效的.     

一种基于神经网络和参数优化的隐式广义预测控制

提出一种基于神经网络和参数优化的预测控制方法。首先利用带有动量项的改进BP神经网络辨识系统模型,在辨识过程中使用粒子群算法(PSO)对改进BP网络的初始权值/偏置、学习率、动量系数等辨识参数进行学习优化,解决这些参数的取值问题;然后将辨识得到的模型用于隐式广义预测自校正控制中,使用遗传算法(GA)对控制过程进行优化,寻找最优的控制参数(预测时域、控制时域、控制加权系数、柔化系数)。将该方法应用在热工系统中,仿真结果表明了方法的有效性。     

混沌光学系统之前向神经网络混沌催化混沌系统辨识研究

本文以布拉格声光双稳混池系统之系统辨识为例，研究了利用前向神经网络对混沌光学系统进行快速系统辨识的可能性，其计算机仿真实验结果表明，由静态BP算法训练的三层前向种经网络，在混优催化算法的支持下可克服BP算法训练时间沉长的缺点，在较少的训练次数内即已成为一良好的混沌光学系统辨识器，因而可用来高效率地处理混沌光学时间序列以进行混沌光学系统的动力学重构。     

球头刀多轴铣削表面形貌建模仿真研究

基于铣削加工刀位轨迹,通过建立球头刀多轴铣削过程中切削刃上任意点相对工件运动的轨迹方程,求解铣削加工表面点形貌高度值.研究了进给方式、刀具倾斜方式、倾斜角度与主轴偏心等因素对加工表面形貌及粗糙度的影响.该算法的优点在于勿需对刀齿进行离散,也不需对工件进行三维网格划分,通用性好.仿真结果与实验及文献结果对比表明,算法对工件表面微观几何形貌和粗糙度的预测准确度高,对实际加工中合理选择加工参数具有指导意义.     

神经网络用于近海水质预测的研究

运用神经网络,提出一种完全依据环境监测数据的近海水质预测模型.首先,根据以往的研究成果,确定预测模型的输入和输出因子;然后,针对训练样本序列短、群体小的特点,采用自动正则化技术避免了网络的过拟合问题;在此基础上,研究确定网络的最小结构并作适当放大,保证网络充分拟合;最后,对入海河流监测数据进行处理,实现输入和输出因子的频率一致性.经过网络训练,预测平均误差为26.46%,满足环境管理的精度要求.应用表明,这预测方法避免了机理性研究对众多基础数据的要求,原理简单,实用性强,能够为环境管理提供决策支持.     

一种基于小生境的负相关神经网络集成算法

提出了一种基于小生境的负相关神经网络集成算法.所提方法结合了负相关学习和进化算法,采用同时训练的方式对多个神经网络进行训练,不仅能使网络之间产生有效的差异度,而且能促进网络之间的交互性和合作性.此外,在进化过程中引入了一种改进的小生境技术,能更有效地维持网络种群的多样性,从而保证神经网络集成的差异度.所提方法在6个分类数据集上进行了测试,并且与一些相关神经网络集成方法进行对比.实验结果表明所提方法能得到一个有效的神经网络集成.     

光学非球面柔性抛光表面粗糙度的研究

为了研究FRP-1型非球面柔性抛光机加工非球面零件的可行性,利用FRP-1型非球面柔性抛光机对非球面光学零件进行抛光实验.采用单因素工艺研究法对抛光机的工件轴转速、非球面工件的口径和其最接近圆曲率半径等工艺参数对表面粗糙度的影响进行了分析.实验表明提高工件轴转速可提高抛光效率,且抛光小口径大曲率工件的效率要优于大口径小曲率的工件.在上述研究基础上对K9玻璃材料的非球面工件进行抛光实验,60 min后工件的表面粗糙度由最初的Ra150 nm收敛到Ra8.55 nm.利用FRP-1型非球面柔性抛光机对非球面光学零件进行抛光效果良好能够满足非球面光学零件的加工精度的要求.