共查询到19条相似文献,搜索用时 46 毫秒
1.
针对油田抽油机井故障诊断方法较落后的问题,提出一种基于改进PSO-BP网络的故障诊断系统.神经网络权值的训练采用改进的PSO算法,克服了BP学习算法收敛速度慢、易陷入局部极值的缺点.将该网络用于抽油机井的故障诊断,并与传统BP模型的故障诊断结果进行比较.结果表明:基于改进PSO-BP的故障诊断方法正确率达96%以上,可以在更短的时间内、用更少的迭代次数达到精度要求,为设备检修提供了可靠的依据. 相似文献
2.
3.
针对目前数控机床故障复杂、诊断困难的问题,提出基于人工神经网络的故障诊断方法。在研究传统BP神经网络故障诊断模型基础上,引入改进的BP算法-LM算法,建立机床主轴系统LM-BP神经网络故障诊断模型,对机床主轴系统故障进行分析与诊断,再通过Matlab仿真与传统BP神经网络相对比,仿真结果表明:传统BP神经网络存在较难实现快速、准确的故障定位问题,而BP神经网络LM算法作为故障诊断的核心算法收敛速度快、识别准确。该方案设计合理可行,有较好的应用前景,并给出应用了实例。 相似文献
4.
机器故障诊断技术进入智能化阶段,利用人工神经网络诊断故障模式的优势十分明显。传统BP神经网络存在收敛慢,容易陷入局部最小等缺陷,提出了基于批处理的变速率的BP求解方法。根据问题描述,改进了BP网络故障识别模型,并以拖拉机的减速箱为例,建立模型进行故障模式识别,比较改进BP与传统BP的误差曲线,论证方法有效。 相似文献
5.
介绍了PLC控制系统故障诊断的BP神经网络方法。文中首先对PLC控制系统故障诊断模型、PLC控制系统故障特点进行了分析。然后详细介绍了用BP神经网络实现PLC控制系统故障诊断的过程,特别是故障诊断BP神经网络结构和故障诊断训练样本的确定方法。在文章最后,还给出了该故障诊断方法的应用实例。 相似文献
6.
7.
8.
9.
为了实现数控机床故障诊断的自动化和智能化,提出了一种基于混合神经网络的数控机床故障诊断技术.首先通过一级BP神经网络对输入的故障信息进行分类,然后针对分类后的故障再通过二级ART神经网络实现故障的诊断和排除.基于两级混合神经网络的故障诊断系统不但具有故障自动诊断功能,而且还具有自学习和自组织等智能. 相似文献
10.
数控车床主传动系统是机床的核心部件,其一旦发生故障会造成加工质量甚至作业安全问题。数字孪生技术能降低故障诊断的难度,但目前研究仍存在物理实体到虚拟实体转换效率低和神经网络过拟合问题。为了解决上述问题,提出一种基于数字孪生和正则化BP神经网络的故障诊断方法。建立数控车床主传动系统数字孪生模型,通过OPC UA通信完成了物理实体和虚拟实体间孪生数据的交换,对比分析正则化改善过拟合问题的4种方法,构建了丢弃法正则化BP神经网络故障诊断模型。通过对比不同信噪比下BP神经网络、丢弃法正则化BP神经网络和卷积神经网络的损失函数和预测准确度,验证了诊断模型的可行性和算法的适用性。 相似文献
11.
组合人工神经网络模型预测海水腐蚀速度的研究 总被引:1,自引:0,他引:1
针对误差反传(BP)人工神经网络在海水腐蚀预测建模中的样本数量有限和隐含层单元数难以确定的问题,提出了结合使用自组织特征映射(SOM)网络和径向基函数(RBF)人工神经网络方法预测海水腐蚀速度.首先采用SOM对样本进行分类,再使用RBF进行样本训练和建模,并对A3钢和16Mn钢的海水腐蚀速度进行了预测.结果表明,该方法能够增强了网络局部泛化能力,提高了预测精度和计算速度. 相似文献
12.
13.
刀具磨损直接影响工件加工质量和尺寸精度,正确掌握刀具磨损状态及时换刀,减少机床停机时间,将直接提高加工效率。为提高刀具磨损状态识别准确率,提出一种基于参数策略的改进粒子群优化PNN(IPSO-PNN)神经网络识别刀具的磨损状态。相较于BP神经网络收敛速度慢、易陷入局部最优的缺点,IPSO-PNN神经网络结构简单、训练简洁快速。与BP神经网络和标准PNN神经网络仿真结果对比,结果表明:IPSO-PNN神经网络识别准确率高,收敛速度快,仿真耗时短,能有效提高刀具磨损识别准确率。 相似文献
14.
采用非机理建模方法,使用生产历史数据,利用人工神经网络所具有的对任意非线性映射的任意逼近能力,模拟实际系统的输入一输出关系,经过训练得到硝酸生产过程的稳态模型。 相似文献
15.
从提高系统的加工效率和加工质量角度出发,首先分析了电火花加工过程的特点。并以此分析为基础,提出了在电火花加工过程中,使用模糊神经网络控制技术。利用模糊控制器的特点,结合人工神经元网络的优点,切实校正了某些不完善规则的不利影响,可靠地提高了控制系统的快速响应能力。 相似文献
16.
17.
Recent research shows that some brain areas perform more than one task and the switching times between them are incompatible with learning and that parts of the brain are controlled by other parts of the brain, or are “recycled”, or are used and reused for various purposes by other neural circuits in different task categories and cognitive domains. All this is conducive to the notion of “programming in the brain”. In this paper, we describe a programmable neural architecture, biologically plausible on the neural level, and we implement, test, and validate it in order to support the programming interpretation of the above-mentioned phenomenology. A programmable neural network is a fixed-weight network that is endowed with auxiliary or programming inputs and behaves as any of a specified class of neural networks when its programming inputs are fed with a code of the weight matrix of a network of the class. The construction is based on the “pulling out” of the multiplication between synaptic weights and neuron outputs and having it performed in “software” by specialised multiplicative-response fixed subnetworks. Such construction has been tested for robustness with respect to various sources of noise. Theoretical underpinnings, analysis of related research, detailed construction schemes, and extensive testing results are given. 相似文献
18.
针对现有机械手移动偏差控制技术存在的轨迹控制不连续、复杂度高、综合效率低等问题,以机器学习和深度学习为基础提出一种混合神经网络控制算法。分析机械手各关节、连杆的空间坐标转换关系,以RBF为基础构建混合神经网络模型,选用逆多二次函数作为模型的激活函数,分别确定中间隐层和输出层的权值;引入LSTM长短记忆算法,利用LSTM算法的输入门、遗忘门和输出门结构设计,抑制坐标数据训练时出现的梯度膨胀问题,并给出精确的轨迹修正指令。仿真结果表明:提出的混合神经网络算法采样点轨迹偏差均值为0.02 mm,VARP值趋近于0,具有更好的自动控制稳定性和更高的控制效率。 相似文献
19.
复合正交柔性神经网络及其应用 总被引:1,自引:0,他引:1
针对目前神经网络所存在的不足,提出一种带参数的单极性Sigmoid函数的柔性复合正交神经网络,并给出相应的参数学习算法,这种柔性复合正交神经网络不仅扩大了网络辨识模型的能力与学习适应性,而且算法简单,学习收敛速度快,有线性,非线性逼近精度高等优异特性。以模型辨识作为应用实例,仿真结果表明,其算法是有效的,柔性神经网络能提高正交神经网络的性能。 相似文献