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。     

改进的BP神经网络在数字图像识别中的应用

以改进的BP神经网络为基础设计数字图像识别系统.先将训练样本图像二值化处理后提取特征向量,并将其输入神经网络进行训练;然后将测试样本的特征向量输入经过训练的神经网络,测试神经网络的识别率.测试结果表明,改进的BP神经网络在训练的收敛速度上明显优于原始的BP神经网络,且有很高的识别率.     

神经网络在温度控制系统中的应用

与常规控制方法相比较，神经网络控制系统有许多典型的先进特性，介绍了一些人工神经网络的基本概念及学习算法，最后，将神经网络PID控制器取代基本PID控制器用在浴室水箱温度控制中，仿真结果表明这种控制方法有很好的控制效果。     

改进的BP算法在磨粒识别中的应用

本文提出用改进的神经网络算法,建立适于磨粒分析的AWPRM模型,设计了智能磨粒识别分类器,实例表明,用该方法可以准确识别磨粒类型,并具有较好的推广能力。     

神经网络在车牌字符识别中的应用

设计并实现了一种基于改进BP神经网络的字符识别系统,可克服传统BP算法最终进化至最优解较慢和神经网络易陷入局部最小值的缺陷,具有较好的全局性和收敛速度,经过实验,具有较好的识别速度和精度.     

改进的BP算法在多目标识别中的应用

为了实现对多目标的识别,提出了一种改进的BP算法。采用在步长函数中加入变动量因子,即当连续两次迭代其梯度方向相同时,步长加倍;当连续两次迭代其梯度方向相反时,步长减半。由于步长在迭代过程中自适应进行调整,使误差函数E在超曲面上的不同方向按照步长向极小点逼近,实现了对目标函数的优化。给出了在目标函数最优时的BP网络对三种飞机测试集的识别结果,其收敛速度比传统BP算法快4倍以上,表明该方法能够有效地用于多目标的识别。     

神经网络在异步电机转子故障诊断中的应用

本文利用BP神经网络对异步电机转子的几种主要故障类型进行诊断,提取异步电机转子振动频谱分量,经归一化处理后作为训练样本,代入网络进行学习,通过输出的数据即可判定故障类型,并用新的样本对训练好的网络进行了检验,取得了较好的结果.     

BP神经网络在机械故障诊断中的应用

根据BP算法神经网络模型,阐述BP神经网络应用于机械故障诊断的基本步骤,归纳总结BP神经网络在机械故 障诊断中的应用及实例,提出存在的问题和发展方向。     

应用主元分析方法改进BP算法及其在故障诊断中的应用

提出了一种应用主元分析方法对神经网络输入参量进行处理的方法，以主元分析为理论基础，通过对输入的高维参量的线性组合以及向低维空间投影的方法，既降低了输入的维数，同时又提高了输入参量对特征的敏感性，并通过一个故障诊断应用的实例证明了该方法的可行性。     

一种混沌神经网络在图像压缩中的应用

本文介绍了神经网络在图象压缩领域的应用，并且对前馈神经网络模型及其学习算法进行改进。在改进的模型中，隐层的每个神经元都附加上一个基于Logistic映射的伴随神经元。能够产生混沌现象。同时论述了这种混沌神经网络用于图像压缩的模型、原理、算法及关键技术。并通过仿真实验将这种模型应用于图像压缩中。其中的关键是算法，激活函数和压缩率等参数的选择。在固定压缩率和激活函数的条件下。将这种模型和最常用于图像压缩的标准BP网络模型进行了比较，结果表明这种混沌神经网络在压缩率。失真率等方面性能更好。从而使得重建图像效果更好。     

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.     

具有局部应力集中的机械零件结构可靠性分析

针对具有局部应力集中的机械零件对实际工程结构的损害问题,采用神经网络技术模拟基本随机变量和应力集中系数之间的关系,能够直接获得应力集中系数的显性表达式。在这个基础上,将神经网络技术获得的应力集中系数的显性表达式和可靠性理论相结合,解决应力集中情况下的机械零件结构可靠性问题。结果表明:模拟得到的应力集中系数显性表达式能够直接应用到机械零件的可靠性分析中,获得可靠性计算结果。这将为工程结构的可靠性分析提供了理论依据,而且提出了机械零件结构可靠性分析的新方法。     

Stress concentration analyses of bi-material bonded joints without in-plane stress singularities

The problem of stress concentration in bi-material bonded joint is investigated under the condition of without stress singularities. Disappearance conditions of stress singularity near interface corners and edges are determined based on analyses of eigenvalue equations. Straight-side and curved interface of materials are designed for the bi-material models to avoid singular stress fields around the interface corner and edge. Assuming that one stress component or combined stresses are responsible for failure at or near the interface, the stress concentration becomes critical for the design of bi-material joints with higher interfacial strength. Numerical results show that the stress state near the interface depends strongly on both the interface geometry and the combination of materials, and stress concentration may always occurs at or near the interface. Emphasis is placed on the necessity for geometric optimization of an interface in order to design singularity-free junction with higher interfacial strength.     

基于改进BP神经网络的鸟体材料参数反演

针对鸟撞飞机结构耦合解法中鸟体建模问题所遇到的困难,基于神经网络理论,建立了用于鸟体材料参数反演的改进BP神经网络模型。利用此模型和鸟撞平板实验测量值,以有限元分析的响应数据训练网络,实现了对鸟体材料参数的反演。由鸟体材料参数反演值计算得到的数值结果和实验结果吻合较好,说明基于神经网络的参数反演方法适用于解决鸟体材料参数反演问题,该方法为进一步提高鸟撞有限元数值模拟耦合解法的精度提供了有力的保证。     

Selection of coordinate measuring machines by the neural network method

In this paper, a method for the selection of coordinate measuring machines is developed first, a neural networks training algorithm with conditional attributes through gradually adding training examples is proposed as the neural networks machine learning model for the selection of coordinate measuring machines. A learning model using conditional attributes was used in this study, which divides a problem into either an attribute or a decision. Through the input of attribute values, the system can present the required decision by inference. With this model, the training of the system can produce acceptable results. This learning model is also used to establish a multiple decision type selection system for coordinate measuring machines to assist the user in choosing an appropriate coordinate measuring machine.     

神经网络自适应控制的研究进展及展望

关于人工神经网络与自适应结合的研究，近年来已成为智能控制学科的热点之一。自适应具有强鲁棒性，神经网络则具有自学习功能和良好的容错能力，神经网络自适应控制由于较好地结合了二者的优点而具有强大的优势。本文系统地综述了神经网络自适应控制的进展，讨论了神经网络自适应的主要模型和算法，并就其存在的一些问题、应用与发展趋势进行了探讨。     

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。     

Analysis of the stress field in a threshold-galling test

The wear phenomena of galling is characterized by macroscopic roughening and deformation of the surfaces of mated materials. Currently, the ASTM G98 button-on-block test method is the only standardized testing procedure for determining the galling resistance of material couples. The pattern of surface damage resulting from performing the ASTM test tends to be predicable. In particular, the galling generally occurs near the outer edge of the button and migrates inwards. In this study, the stress distribution between the mated specimens leading up to the onset of galling was investigated. A suitable analytical model of the system geometry and loading conditions was developed and applied. The results of the model show that a stress concentration exists along the edge of the button specimen when loaded. The stress concentration is believed to contribute to the initiation of galling at this site. The results of the analytical model have also shown that the magnitude of the stress concentration is dependent on the size of the corner radius. An alternative testing arrangement is presented and preliminary results are shown.     

On the stress concentration around a hole in an infinite plate subject to a uniform load at infinity

In this paper stress concentration around a hole in an infinite plate that is subjected to a uniform load at infinity is considered. The stress is calculated by using a modified Muskhelishvili complex variable method. The method is illustrated by several examples of stress distribution around polygonal holes of a complex geometry utilizing the Schwartz-Chistoffel mapping function.     

基于BP神经网络的减振器示功图识别方法

为解决车辆减振器工业生产中产品性能在线检测完全依赖于人工判断等问题,将BP神经网络理论应用到减振器示功图的自动判别中。在Matlab平台上建立了一个用于减振器示功图识别的3层BP神经网络模型,对示功图的复原和压缩曲线分别进行离散处理,构建了复原和压缩中心距两个特征向量,其中包括复原和压缩饱满度两个特征值;通过训练和分析,选取Scaled共轭梯度算法作为BP神经网络的训练算法;进行了示功图自动判别实验,对示功图复原和压缩阻力作出了评判。研究结果表明,经过训练的BP神经网络能够对减振器示功图进行判别,其判别结果与本领域技术人员判断结果基本一致。