一种基于BP神经网络的快速谐波分析算法研究

谐波的检测分析对于电力系统谐波治理非常重要,但常用的FFT检测方法存在频谱泄漏及栅栏现象等缺陷,加窗插值算法的使用一定程度上弥补了这些不足却又增大了计算量和存储容量要求;人工神经网络具有快速处理数字信号能力,本文以谐波离散傅里叶变换后的三角函数和傅里叶系数分别作为BP网络的隐层神经元和权值可获得了一种训练速度更快的神经网络;通过该神经网络算法和效果相对较好的几种FFT插值算法的仿真实例比较,验证了该算法能够更快更精确地对电力系统谐波进行分析,对谐波治理具有较大意义。     

基于MATLAB的BP神经网络研究与应用

本文首先分析了神经网络算法的基本原理,采用Matlab软件编程实现BP神经网络算法。将神经网络算法应用于函数逼近的问题中,并分析相关参数对算法运行结果的影响。最终取得了不错的结果。     

基于函数型连接神经网络的塔机起重力矩测量方法

针对塔机起重力矩检测中的非线性问题，采用函数型连接神经网络建立软测量模型，解决了塔机起重力矩与弓形板力矩限制器弓板位移量之间的函数关系计算问题，为间接测量塔机起重力矩提供了新的计算方法。     

基于修正的BP神经网络算法对桩基承载力预测方法研究

在岩土工程中如何准确预测桩基竖向承载力是一件非常重要的事情。针对现有研究存在的不足,基于标准BP神经网络算法,加入一动量因子,建立了修正的BP神经网络模型,对单桩的竖向承载力进行了预测。以镇江市勘察测绘研究院所完成的地质勘查报告为工程背景,以地震波静力触探测试(SCPTU)测得的4个指标(锥尖阻力、锥侧摩阻力、剪切波速和孔隙水压力)为输入参数,桩基承载力为输出参数。通过与现场静载试验进行比对,得到了相关系数较高的桩基荷载响应曲线。经过与传统预测方法进行比较发现,用修正的BP神经网络算法可以有效预测桩基竖向承载力,精度较高。     

联合BP神经网络和粒子群的结构有限元模型修正

为解决有限元模型修正中寻优速度慢和算法易于陷入局部最优的问题,提出了采用BP神经网络作为代理模型,采用粒子群算法作为优化算法的模型修正方法。为验证算法的有效性和高效性,采用所提方法对一个钢桁架进行了模型修正,修正结果表明,所提算法能够准确找到结构损伤位置,并且对杆件的损伤程度的识别精度较高,并且与传统的直接调用有限元模型计算结构响应的方法对比,所提方法在寻优速度上具有明显提升。     

基于BP神经网络的砂土地震液化分析

基于已有的砂土地震液化资料，利用3层BP神经网络模型，对国外7个地震现场实例进行了预测，网络输出结果与实际情况十分吻合。实例研究表明，神经网络用于预测砂土地震液化是有效而可行的。     

基于BP神经网络的多响应斜拉桥模型修正

模型修正是研究结构特征不可避免的一个问题,而保证有限元模型与原结构相一致,对于结构健康检测、损伤识别和生命周期评价等都具有重要的意义.随着现代结构的规模和复杂程度的不断增大,传统修正方法效率低且不能保证修正的准确度,只有结合深度学习神经网络修正方法,才可以准确高效地解决该问题.因此,以某钢箱梁斜拉桥为原型进行了有限元建...     

基于BP神经网络的自动扶梯能耗预测方法

提出了一种基于BP神经网络的自动扶梯参数建模及自动扶梯能耗预测方法,可以根据不同型号自动扶梯的不同参数预测出该型号自动扶梯的能耗.通过夏天和冬天预测结果的对比分析,进一步分析了环境温度对自动扶梯能耗的影响.     

基于BP神经网络模型的综合评标方法研究

评标是工程项目招标程序中极为重要的环节。利用BP神经网络的自学习、自适应及非线性逼近能力 ,建立了针对综合评分法的基于BP神经网络的工程项目评标模型 ,并利用Matlab的神经网络工具箱进行开发实现。经过实证研究 ,表明了该模型的有效性 ,并为网上在线评标提供了一种科学、可行的评标模型     

基于BP模糊神经网络的电气系统故障诊断方法的研究

本文阐述了BP神经网络模型在水电站电气元件故障诊断中的意义。以专家经验为依据,结合查阅文献的手段,建立了电站电气元件的故障知识库。与此同时,构建了基于模糊综合评判的神经网络数学模型。最后,以一个水电站电气元件故障诊断实例论述,验证该方法的可行性。     

一种基于BP神经网络的地区用电量预测方法研究

文章选取江苏省年用电量数据,提出了一个灰色系统理论与BP神经网络相结合的用电量预测方法。结果表明,该方法在用电量预测上精度较高,并且计算方便,可供有关部门参考。     

基于BP神经网络方法计算灌区农业耗水量的研究

位于黄河流域上游干旱半干旱的青铜峡灌区是宁夏工农业生产和社会经济发展的重要地区.灌区耗水量占宁夏引黄灌区耗水量的绝大部分,因此,对该灌区耗水量研究非常必要.本论文在查阅大量国内外相关文献资料的基础上,针对灌区农业耗水量的影响因素做了分析,将引水量、排水量、降雨量、蒸发量和地下水位埋深作为最主要的影响因子,建立青铜峡河东...     

基于BP神经网络的道路交通事故多发点鉴别新方法

道路安全对人类健康和社会经济影响巨大,越来越受到各国的重视.交通事故多发点在道路与事故关系的研究中起到重要的作用,作为道路安全改善的一个重要技术分支,事故多发点的鉴别与改造是改善道路安全状况的有效技术途径,在大多数情况下也是最为经济的.因此,准确地鉴别出事故多发点对改善道路安全状况具有重大意义.在常用鉴别方法的基础上,提出应用人工神经网络BP算法这一新的评价方法对道路交通事故多发点进行鉴别,为如何确定事故多发点提供新思路,丰富交通事故多发点鉴别的基本理论.在综合分析道路交通安全系统中各影响因素的基础上,找出事故多发点的评价指标,用于道路交通事故多发点鉴别的分析,以期减少交通事故的发生.     

一种BP神经网络纸币图像识别方法的研究

介绍了BP神经网络的结构特点与原理,基于此种方法,对几种纸币的面额与方向进行了识别,其中权值的修改算法采用LM算法,并对算法的基本思路作了阐述,识别仿真结果表明,BP神经网络具有较高的准确性。     

基于最小二乘法及BP神经网络的盾构故障预测

分析了目前常用的故障预测方法种类及其特点，提出了一种最小二乘法与BP神经网络相结合的预测盾构故障的方法。先构建二者结合的预测模型，进而比较单一BP神经网络的预测结果与最小二乘法和BP神经网络结合的预测结果，结果发现二者结合的预测效果比单一的效果要好。     

基于神经网络的GPS水准方法的研究与分析

分别将BP网络和RBF神经网络应用于GPS水准高程拟合研究,在此基础上,选择某一地区的GPS水准实测数据进行了高程拟合实验,并将得到的最后精度进行了对比分析,得出基于BP神经网络模型在GPS高程异常拟合中具有较高的精度,并提出科学建议。     

基于神经网络柔性机器人反演控制器的设计

建立柔性机器人系统的动力学模型,对实际情况作了相应的假设,借助于神经网络函数的逼近技术,提出一种柔性关节空间机器人的自适应反演控制方案,给出基本反演控制器和神经网络反演控制器的数学模型。仿真结果表明,能实现系统关节运动控制目标,可使系统各柔性关节的振动较小,有效地控制机器人完成所期望的关节运动,对无精确模型信息的机器人实现控制,保证系统的稳定性和收敛性,满足机器人系统的控制要求,所设计的控制器在具体的机器人控制中是可行的。     

基于BP神经网络的公路网规模预测研究

对公路网规模与经济发展的关系进行了分析,利用格兰杰因果检验法筛选指标,建立了基于BP神经网络的公路网规模预测模型,并对安徽省公路网合理规模进行了预测,以促进公路网建设与发展。     

基于BP神经网络的方法评价泥石流危险度

应用吉林省某地区8条泥石流沟资料,以主沟坡度、单位流域面积松散物源量、山坡坡度、流域切割密度、植被覆盖率、补给段长度六项为评价因子,采用BP神经网络的方法对文中的泥石流沟进行评价,发现BP神经网络的方法对研究泥石流危险度是合理并且相对简单的。     

基于BP神经网络法的某公路隧道涌水量研究

隧道突涌水会使隧道施工安全性和施工顺利程度受到干扰,并且会影响到隧道建成运营质量,准确的预测隧道涌水量可以起到指导施工,保证工程质量的作用。以江西某公路为研究对象,选取地质构造、渗透率、降水量和水头高度作为评价因子,基于BP神经网络建立了公路隧道涌水量预测模型,成功的对公路隧道涌水量进行了预测,取得了良好的效果。