基于BP神经网络变参数设计的广义预测控制

针对广义预测控制算法中控制参数整定困难这一缺陷,提出了一种基于BP神经网络变参数设计的广义预测控制算法,实现了广义预测控制中的输出柔化系数α和控制增量加权系数λ的在线调整。仿真结果表明,该算法无论在跟踪性能、控制精度及鲁棒性上,均优于固定参数设计的广义预测控制算法,并对干扰有一定的抑制作用。     

基于遗传算法优化的BP神经网络的变压器油中气体预测

对变压器的运行状态和潜伏性故障进行有效预测,可避免出现维修不足或过度维修。由于BP神经网络具有对初始值敏感、易陷入局部最小的缺点,因此,其预测精度不高。本文采用遗传算法(GA)优化的BP神经网络对变压器油中气体进行预测和分析,结果表明,所采用的方法可有效提高BP神经网络的预测精度。     

BP神经网络在变压器故障诊断中的应用

介绍了电力变压器内部常见的故障,采用BP神经网络算法建立了变压器的神经网络故障诊断模型,通过与传统的IEC三比值法相比较,表明基于BP网络的诊断方法达到了较好的故障识别与分类,诊断准确率也有显著的提高,在变电设备故障诊断中具有良好的应用前景.     

BP神经网络预测压裂井施工参数的研究

介绍了BP神经网络模型和网络具体计算过程。以江汉油田黄场区块45口已压裂井为训练样本，孔隙度、渗透率、含油饱和度、声波时差、射孔段深度、有效厚度、共小层数、压前日产油量、压前日产水量等9个指标作为网络输入，砂量、砂比、排量、破裂压力、施工压力等5个施工参数为网络输出，建立了压裂井施工参数预测的BP网络模型，重点研究网络参数变化对预测精度的影响关系。另外选5口未训练井进行预测，通过适当调整各参数，预测结果与现场施工结果吻合程度很高，为压裂施工设计提供有力支持。     

基于BP神经网络的面板堆石坝参数反演分析

运行多年的大坝在各种荷载的作用下,大坝及其基础的物理力学参数发生一定的变化,对大坝的安全与稳定有着直接的影响.为了准确地获取这些参数,可以利用BP神经网络非线性映射的特性,结合大坝实测资料,提出了大坝反演分析的方法,并利用反演分析的成果对大坝进行分析,计算结果与实测资料基本吻合.     

基于BP 神经网络的棉织物透气性能预测

为了研究棉织物结构参数与透气率之间的关系,选取20种纯棉平纹织物作为样本,测试织物结构及透气率,采用三层BP神经网络方法,建立织物结构参数与织物透气率之间的关系模型,重新采集5种织物对建立的网络模型进行验证。结果表明:BP神经网络可用于棉织物的透气率预测,以织物经密、织物纬密、经纱表观直径、纬纱表观直径、平方米重量、厚度、总紧度为输入变量,隐层神经元数为4,得到织物透气率模型的预测值与实测值的相关系数为0.877 6,预测误差范围为10.33%-24.76%,平均误差为17.60%,表明BP神经网络模型在一定程度上能够预测棉织物的透气率。     

基于优化BP神经网络的TBM性能预测

由于隧道掘进机(tunnel boring machine,TBM)掘进速度与机器参数、岩体参数之间的非线性关系复杂,难以准确预测,为了构建可靠的TBM性能预测模型,分析TBM掘进速度的主要影响因素,提出应用模拟退火算法(SA)和遗传算法(GA)优化BP神经网络的TBM性能预测模型,并使用吉林引松供水工程的TBM数据库对GA-BP模型和SA-BP模型进行训练测试。结果表明,与传统BP神经网络方法相比,优化后的模型预测泛化性更好,且精度明显提高。优化后的BP神经网络能在一定程度上克服易陷入局部最优的缺陷,应用于TBM性能预测具有良好表现。     

基于BP神经网络的动态交通流量预测

本文通过对BP神经网络和影响交通流量因素的分析,采用Windrow-Hoff学习算法、Kolmogorov定理和trainlm训练方法,实现对长春市开运街和湖西路路段动态交通流量的预测.     

基于BP神经网络的GMAW焊接工艺参数设计

焊接工艺参数决定着焊缝几何尺寸和焊接接头的组织性能,正确地设计焊接工艺参数是焊接结构生产的重要工作,基于数值模拟和神经网络技术,以焊接质量信息（焊缝几何尺寸和冷却时间）为输入,焊接工艺参数为输出,建立了BP网络设计焊接工艺参数系统,对该网络的性能进行了测试和验证。     

基于BP神经网络的激光加工模拟参数预测

研究了BP人工神经网络在激光加工模拟物理参数预测中的应用方法 ;依其规律将所用参数划分为两大类型 ,并设计了相应的BP神经网络模型和软件 ;通过与实验法、回归分析法和函数插值法的对比检验 ,证明BP神经网络适用于对激光加工模拟用物理参数预测 ,其准确性优于回归分析法和函数插值法 ;可利用已知数据由本软件对所欠缺数据进行较准确的有效地预测补充     

基于灰色神经网络模型预测变压器油中溶解气体的含量

建立了变压器油中溶解气体的灰色神经网络预测模型,用MATLAB仿真计算,结果表明该模型优于单独GM（1,1）模型。     

基于BP神经网络的变压器故障诊断及其应用

针对电力变压器故障的特点以及传统故障诊断方法在变压器诊断应用中的局限性,研究一种基于BP神经网络算法的变压器故障诊断方法．通过选择足够的故障样本训练神经网络,达到变压器故障诊断的要求,并通过实例证明本算法的有效性．     

露天煤矿爆破振动的BP神经网络预测

由于爆破振动效果的影响因素繁多,能够综合考虑各因素并对爆破振动进行合理预测亟待研究。通过分析爆破各影响因子与爆破监测数据间的相互关系,利用神经网络之间的权值训练,找出变量之间的非线性关系,然后用训练好的神经网络对爆破振动进行预测。模型预测结果与实际监测得到的爆破振动数据基本吻合,与常规经验公式的预测效果对比表明,基于BP神经网络的爆破振动预测模型的预测方法更为简单适用,精度高而且误差更小,说明将BP神经网络模型应用到爆破效果预测中是适用的和正确的。利用该模型获得了满足布沼坝露天煤矿西帮生产爆破要求的一组最优参数。     

基于BP神经网络的交通流量预测设计

在研究交通流量特性的基础上,以交通流量控制为最终目标,建立了基于BP（Back Propagation）神经网络的交通流量预测模型。以某市某三叉口路段为例进行仿真模拟,结果表明预测系统能较准确地预测出交通流量状况。     

基于唯一特征的BP神经网络求解平面2R机械手逆运动学

针对神经网络求解机器人逆运动学时输入与输出间需要建立正确的映射关系,提出一种基于唯一特征的BP神经网络求解平面2R机械手逆运动学的方法。该方法通过在机械手的工作空间中进行几何分析,确定了逆运动学多解的规律,同时在BP神经网络的输入中增加方位角作为特征参数。仿真结果表明:所提方法只需要一个BP神经网络,就可以求得平面2R机械手的逆运动学完整解;预测误差较小在-0.002～0.002 rad之间。     

基于BP神经网络的宏观经济季度预测

运用BP神经网络预测技术对季节性宏观经济数据进行了预测,筛选出效果优良的模型,提出了对于季节性时间序列一般的神经网络建模步骤.     

基于BP神经网络的三维地持参数预及立体图显示

基地现代神经网络数理统计新技术，提出一种简易可行的ＢＰ神经网络三维估值模型，以此可根据研究区域的已知资料对其未知点处的储层参数值进行高分辩率的预测；采用立体等值线图及可视化技术来实现该模型估值的直观 图形显示，充分揭示三维地质体某种特征参数的给横向变化规律，最成功地处理了Ｓ盆地中部气田马家沟组地层压力数据，结果表明，该法是一种有效的高分辨率估值技术，在油气藏描述中值得推广使用。     

基于BP神经网络模型的水质评价及预测

利用BP神经网络模型对水质的评价及预测进行了研究,克服了传统评价方法工作量大,而且主观性较强的不足,测评结果客观、准确,过程中不需要对监测数据进行很复杂的预处理,工作量小。     

基于BP神经网络的宏观经济季度预测

运用BP神经网络预测技术对季节性宏观经济数据进行了预测,筛选出效果优良的模型,提出了对于季节性时间序列一般的神经网络建模步骤。     

基于BP神经网络的换热器涡流检测探头参数的预测研究

涡流检测方法可以用来进行列管式换热器管束的缺陷检测,介绍了管束的典型缺陷,实验测定了涡流检测传感器的设计和使用中的一些关键参数的相互关系,设计了BP神经网络,采用实验数据对BP神经网络训练,得到了训练后的神经网络关键参数预测曲线,从而为工程现场大量换热器管束快速检测奠定了一定的基础.