快速收敛的BP神经网络算法

以标准BP算法为基础,应用Levenberg Marquardt最优化方法,提出了一种快速收敛的BP算法———LMBP算法。经实验验证并与标准BP算法及其它改进形式比较,LMBP算法大大提高了收敛速度,而且性能稳定。这为BP神经网络应用于实时性要求高的场合(如在线检测)提供了算法基础。该算法的缺点是计算量大,所需计算机内存大,不适合大型网络的计算。     

改进LMBP神经网络在织物染色配色中的应用

目前织物染色配色技术具有低效率和低精度缺点,许多染色配色方法收敛速度慢。为此提出了一种基于改进LMBP算法神经网络的织物染色配色方法,在分析了传统染色配色方法缺陷的基础上,提出并建立了用改进LMBP神经网络来进行染色配色的模型,并将其与LMBP算法神经网络染色配色结果对比。实验的预测结果表明,改进的LMBP神经网络方法收敛速度更快,并且能够满足实际染色配色的要求。     

基于微粒群算法的神经网络储层物性参数预测

建立了一个具有自适应、复杂非线性储层预测模型,在计算方法上,由于多层前向型神经网络BP算法存在易陷入局部最优的缺点,而微粒群算法具有较强鲁棒性和全局收敛的优点.结合二者长处,利用基于微粒群算法的神经网络计算方法,对神经网络结构进行了改进.利用四川洛带地区气田的测井资料,用所设计的算法对储层的物性参数(孔隙度、渗透率)进行预测,并对其预测精度与用常规基于BP算法和基于LMBP算法得到的预测结果进行了比较分析,发现地质效果明显,有效地克服了基于BP算法和基于LMBP算法的缺点.     

BP神经网络在入侵检测系统中的应用及优化

BP神经网络运用于入侵检测系统有很多优点，但是也存在一些缺点，如执行速度比较慢的问题等.常用的LMBP算法，虽然收敛速度很快，但是应用于入侵检测系统执行速度仍然不能满足要求.结合KDD99数据集，选取适当的数据，通过加入一些限制条件，对LMBP算法进行了优化.通过实际计算，比较算法优化前后的计算结果，验证了优化算法是有效的.优化后的算法比较明显的提高了BP神经网络应用于入侵检测系统时的执行速度，具有一定的实用价值     

利用变步长Runge-Kutta法分析换流变压器油纸绝缘结构瞬态电场

换流变压器极性反转瞬态电场仿真往往采用定步长方法,为了保证计算精度,往往采用较小的时间步长,计算量较大.为了有效地降低换流变压器极性反转瞬态电场仿真分析时的计算代价,根据各时步的局部截断误差,提出采用变步长显式Runge-Kutta法分析极性反转瞬态电场.并用所提方法对换流变压器阀侧绕组典型模型在极性反转电压下的瞬态电场进行了分析,计算结果表明本文提出的方法可以有效地降低计算代价,能够用于换流变压器极性反转瞬态电场的分析计算.     

步长优化技术在交直流系统潮流计算中的应用研究

统一迭代法是求解交直流电力系统潮流计算问题的主要方法之一,通过引入步长优化乘子调整迭代过程中的修正量步长,可以获得更好的潮流计算收敛特性。首先给出了在交流潮流计算中得到广泛应用的最优乘子、准最优乘子在交直流潮流计算中的实现方法,之后在准最优乘子基础上提出了混合乘子。为验证应用步长优化乘子后潮流计算算法的有效性,采用修改的中国电力科学研究院22节点、IEEE 118节点和IEEE300节点交直流系统进行了计算分析。数值计算结果表明,分别引入最优乘子、准最优乘子和混合乘子的3种改进算法在潮流可解时的收敛特性均优于常规算法,且在潮流无解时收敛过程均不发散;带混合乘子的改进算法比其它两种在收敛速度、收敛精度和鲁棒性方面更具优势。     

空化水射流空泡溃灭过程的数值分析

空化空泡发育与溃灭的计算是研究空化水射流的一个重点和难点.对比分析了空泡运动方程即Rayleigh-Plesset方程的不同数值解法,并针对固定时间步长的缺点,提出了变步长法解Rayleigh-Plesset方程的思路.通过优化系数λ=Ri/Ri-1,得出如下分析结果:在空泡内外压力变化的不同情况下,变步长法均优于固定步长法且没有奇异点.变步长法在节约计算量,保证结果精度等方面都有较好表现,该方法为研究空化水射流提供新的思路和算法.     

静电场数值计算的Monte Carlo方法

本文介绍了静电场计算的改进 Monte Carlo 方法——出游法,并结合不等步长的概率模型处理场域的各类边界,加快了计算速度,提高了精度。文中还讨论了用浮动步长法计算三维静电场的问题,得到了令人满意的结果。     

改进的变步长自适应滤波及Eckart加权抑噪算法

针对已有的变步长自适应滤波算法对噪声干扰敏感的问题,提出改进的变步长最小均方误差自适应算法,该算法对误差的自相关时间均值估计做遗忘加权补偿,并改步长因子固定范围约束为动态变化约束,一方面克服了单纯采用自相关时间均值估计调整步长所导致的步长因子快速衰减,获得了较快的收敛速度;另一方面相比基于Sigmoid函数的变步长算法,具有更平滑的步长变化和更低的稳态失调噪声.在改进算法中引入Eckart加权进一步抑制了自适应滤波器权系数伪峰,采用滑动窗遗忘加权降低了计算复杂度.将新算法及其Eckart加权应用于自适应时延估计仿真实验,结果表明：相比于已有的2种参数固定条件下的变步长自适应滤波算法,改进算法获得了更好的高斯噪声和突变噪声干扰下的时变时延跟踪性能.     

隧道软弱围岩的改进BP神经网络位移反分析

基于一般BP神经网络特点,特别是在缺陷认识的基础上,采用改进BP神经网络对隧道软弱围岩进行位移反分析.通过增加神经元输出反馈量、运用二分法原理确定隐层单元数和改进惯性校正法、变步长算法、改进误差函数等方法,分别从BP神经网络结构和算法两个方面进行改进.并将现场监测数值和反分析计算位移值进行比较,其综合相对误差均控制在4%以内,取得了良好效果.成功将有限元数值仿真与BP神经网络原理结合,可为软弱围岩隧道设计和施工提供准确可靠的参数信息.     

基于ANN的矿井提升机故障诊断系统的应用研究

将基本BP算法的改进算法（LMBP算法）利用数值分析的方法进行改进,并将其应用到矿井提升机的故障诊断系统中,改进后的算法能提高网络的训练速度;同时设计了基于ARM芯片和Vxworks操作系统的故障诊断板,并利用BorlandC＋4-builder作为故障诊断界面的设计软件,将新集集团某矿井提升机液压站系统作为实验室仿真研究对象。结果表明,该故障诊断系统具有较好的硬件稳定性,较快的神经网络训练速度,较好的诊断结果。     

基于C++ Builder的凝汽器故障诊断系统

为了有效地对电厂凝汽器进行故障诊断并给予操作指导,开发了凝汽器故障诊断系统.该故障诊断系统分别采用标准BP算法和改进BP变步长附加动量法进行网络的学习训练.以凝汽器故障知识库为依据,构造了17个输入层节点、13个隐含层节点、12个输出层节点的三层反向传播网络.经过对比,说明采用经过改进BP变步长附加动量法进行网络的学习...     

基于知识的故障诊断方法综述

在简单介绍故障诊断理论的基础上，重点评述了基于知识的故障诊断方法发展状况，将其分为5大类，即专家系统故障诊断方法；模糊故障诊断方法；故障树故障诊断方法；神经网络故障诊断方法和数据融合故障诊断方法。对每类方法均介绍了它的诊断原理与步骤，分析了它的特点及局限性，最后指出了这一领域中有待进一步研究的若干问题和发展趋势。     

基于免疫代理的网络故障诊断研究

针对现有网络故障诊断系统的自适应能力弱、诊断速度慢和故障模式不同等问题,将免疫原理与代理技术相结合,采用分层多步的诊断思想构建诊断模型。基于克隆选择学说,提出新算法,完成检测器的训练。该算法选取了检测器克隆群,引进优化参数,可避免过早收敛和局部最优解的产生,从而改进诊断性能;同时还引入了检测器分类思想,加速诊断过程。与传统故障诊断方法相对比,该模型在处理复杂环境下的网络故障具有较明显的优势。     

基于有源自回归模型与模糊C-均值聚类的挖掘机液压系统故障诊断

为了提高挖掘机的可靠性水平和智能化程度,提出了基于有源自回归(ARX)模型与模糊C-均值(FCM)聚类的挖掘机液压系统故障诊断方法。该方法将故障诊断分成故障特征提取和故障分类两个部分。在故障特征提取中,针对已知故障和测试故障分别建立ARX模型,提取ARX模型的自回归系数作为故障特征。在故障分类中,以FCM聚类作为故障分类器,将测试故障归入已知故障的某个分类中,判断系统的故障类型。仿真和实验结果表明,ARX模型与FCM聚类相结合的故障诊断方法能有效地应用于挖掘机液压系统。     

基于小波理论的故障特征提取

在对齿轮进行故障诊断时,采样信号不可避免地受到各种噪声和干扰的污染,所测信号属于典型的非平稳信号.信号的降噪和特征提取是齿轮状态监测和故障诊断的关键环节.小波理论对于非平稳信号的处理非常有效.在MATLAB环境下,利用小波理论对减速器齿轮箱的采样数据进行去噪实验和分析,提取齿轮大周期故障的特征指标,为进一步进行故障诊断奠定基础.     

基于一维卷积神经网络的钻杆故障诊断

为了在钻杆故障早期诊断出钻杆的故障类型,提出一种基于一维卷积神经网络的钻杆故障诊断模型,对模型的结构和参数进行详细地设计与分析. 参考现有的卷积神经网络模型,结合钻杆的工作特性以及感受野的原理,设计模型的卷积层和池化层的层数、卷积核的大小以及滑动步长. 该模型省去了对故障信号特征提取的过程,比先前的钻杆故障诊断有更高的诊断准确率. 该模型在不同转速工况下和不同土质工况下均具有较强的适应性和抗噪能力.     

控制系统的故障诊断分析

介绍控制系统故障诊断的过程及评价,将控制系统故障诊断分为两类：基于解析模型和不依赖控制系统解析模型的故障诊断方法,分别对其进行了重点阐述。