BP神经网络计算丝杠螺母副摩擦系数的方法

利用Matlab系统建立了丝杠螺母副的摩擦系数与载荷之间关系的BP人工神经网络模型。并用trainbpx动量—自适应学习率调整算法进行神经网络学习训练 ,可使网络收敛快 ,误差小。网络输出结果与实验结果比较 ,有极好的吻合性。采用Matlab神经网络工具函数建立神经网络的方法简单方便 ,不失为摩擦学设计的有效计算工具     

基于RBF神经网络的模拟电路故障诊断方法的研究

提出了一种基于径向基函数(RBF)神经网络的模拟电路故障诊断方法.这种方法采用脉冲信号作为被测电路的输入激励,在时域中对输出信号采样来构造神经网络的训练和测试样本,应用径向基函数神经网络的分类能力强、学习速度快等优点进行故障诊断.结果显示,基于RBF神经网络的模拟电路故障诊断方法学习速度快,故障诊断率高.是一种有效的故障诊断方法.     

基于Wiener核和BP神经网络的非线性模拟电路故障诊断

研究提出基于非线性电路的Wiener核和BP神经网络的故障诊断方法.在输入为高斯白噪声的情况下,对输入、输出信号进行采样,通过计算各阶相关函数的方法得到正常及各种故障状态下非线性电路的Wiener核.把该核作为状态特征并进行适当的预处理,与对应的状态一起组成BP神经网络的输入和输出样本来对神经网络进行训练,从而实现对模拟非线性电路的故障诊断.文中给出了Wiener核的数字计算方法和诊断神经网络的建立方案,并通过诊断实例加以验证.     

基于模糊神经网络的集装箱作业系统自动对正控制

介绍了一种具有全轮转向功能的集装箱作业系统,分析了系统自动对正控制原理。基于Takagi-sugeno模糊神经网络模型,建立了以作业系统位置姿态为输入,以转向轮等效转角为输出的控制模型。利用采集的实车数据,在Matlab中对控制模型进行训练和测试,并得到优化的隶属度函数。     

基于径向基神经网络的桥式起重机剩余寿命评估

为降低起重机安全事故发生的概率,基于径向基神经网络提出一种快速计算起重机剩余寿命的方法.以某工厂的一台桥式起重机为例,根据实际参数建立Ansys有限元模型,通过现场实测数据对模型进行修正,进行静力学分析获取疲劳核算点位置.模拟起重机运行的典型工况,将小车位置及起吊载荷作为输入层,任意点的等效应力值作为输出层训练径向基神经网络模型,通过使用训练好的径向基神经网络模型来快速获取任意点的时间应力曲线,最后基于损伤容限断裂力学法进行剩余寿命评估.结果 表明,通过利用径向基函数神经网络模型,可以实现对任意节点快速获取时间应力曲线,能够大大节省起重机现场实测的烦琐过程和大量投入,实现快速获取时间应力曲线从而计算出疲劳剩余寿命,完成桥式起重机疲劳剩余寿命估算,为起重机的长期安全使用和后期维修提供了可靠依据.     

基于GS理论和神经网络遗传算法函数寻优的板料成形优化

基于GS理论和神经网络遗传算法函数寻优法,利用非线性有限元分析软件Dynaform,对非标准方形盒成形过程参数寻优。借助正交试验法,初步获取不同组合下的减薄率数值;基于GS理论,对获取的数据进行分析,找出影响减薄率的两个主要因素即摩擦因素和冲压速度;利用拉丁超立方抽样对选出的两个主要因素进行抽样;基于神经网络遗传算法函数寻优模型,摩擦因数和冲压速度作为输入,最大减薄率作为输出,用输入输出数据训练BP神经网络。最后,用遗传算法寻优把训练后的BP神经网络预测结果作为个体适应度值,找到函数全局最优解和对应输入值。对比优化前后的数值模拟结果可知,优化后的冲压参数可以有效提高板料成形性能。     

人工神经网络在除湿机故障诊断中的应用

本文介绍了人工神经网络中使用最广泛的BP神经网络,通过除湿机的特征参数与故障原因之间的关系,建立了神经网络模型,并用Matlab神经网络工具箱函数对网络进行了训练,结果达到要求,能较好地识别故障.     

航空发动机振动趋势预测的过程神经网络法

提出一种基于过程神经网络思想的航空发动机振动趋势预测方法.利用过程神经网络具有输出函数对输入函数在时间上的聚合效应和非线性映射能力,预测方法的网络结构选择为9个输入节点,第2层和第3层各有9个隐层节点,1个输出节点,参数外推预测,将选取的振动历史数据分为学习样本和检测样本两组,学习样本用于网络训练,检测样本用于检验预测模型的精度.在相同条件下,与传统人工神经网络进行趋势预测比较,提高了网络训练速度,降低了预测误差.将所提出的预测方法应用到某型航空发动机的振动趋势预测中,预测结果与实际值的误差符合要求.     

遗传算法和神经网络组合求解离散变量结构优化问题

利用遗传算法优良的全局搜索性能和对目标函数的仅要求有定义的特点进行离散变量结构优化设计。利用BP神经网络的模拟逼近功能，建立结构设计输入与输出之间的全局映射关系，获得遗传算法中的适应度函数值。将此方法应用于垂直循环式停车设备钢结构骨架优化问题。结果表明，该方法只需较少的有限元分析次数就可以获得良好的优化解。     

神经网络法开发摩擦数据库系统

建立摩擦学数据库可以减少工程中的摩擦试验时间.利用神经网络的方法,通过有限的试验数据来联想推测非试验数据,并设计了Matlab神经网络编程语言及Visual Basic界面编程语言的接口程序,实现了Matlab的后台计算与计算结果的Visual Basic实时可视化输出的无缝集成,可以实现基于神经网络的摩擦学试验数据库多输入多输出条件下复杂的实时查询.     

基于虚拟样机和人工神经网络的选挡机构运动分析

为得到汽车选挡机构工作过程中某些变量之间具体的函数关系,在ADAMS软件中建立选挡机构的运动模型并进行运动仿真分析.分别将操作杆上X方向和Y方向的作用力作为输入变量,将拉索X方向位移和摇杆转动角度作为输出变量.然后在MATLAB软件中利用人工神经网络对输入和输出变量进行多次训练.得到的函数关系图与已知参数点的线性拟合度高,为选挡机构的数值分析打下基础.     

基于互相关和函数型神经网络测量声波渡越时间

由于硬件电路的影响,采样频率的提高受到了限制,直接对发射端和接收端的采样信号进行互相关所确定的声波渡越时间精度较低,为此提出一种基于互相关和函数型神经网络测量声波渡越时间的方法.首先介绍声学法测温、互相关和神经网络的基本原理,该方法是利用传统方法得到的互相关函数在峰值附近的函数值来训练函数神经网络,然后利用训练好的神经网络进行插值运算,从而得到细化后的互相关函数局部曲线,再对该曲线进行寻峰从而得到声波的渡越时间.最后通过仿真实验验证了这种方法的有效性.     

传感器动态建模FLANN方法改进研究

提出一种改进的函数连接型神经网络(FLANN),并将其应用于传感器动态建模.首先,将单输入单输出(SISO)的传感器系统表达为动态差分方程模型;再充分考虑动态模型输出的历史值与参数之间的关系,对模型输出与参数的偏导数进行重新推导,得到了对权值参数偏导数的更高精度估计;最后,利用该模型梯度进行迭代训练,加快了网络收敛速度并提高了收敛的稳定性.实验结果表明,改进FLANN具有更快的收敛速度和更强的鲁棒性,十分适合传感器动态系统的建模.     

径向基函数网络在液压泵故障诊断中的应用与实现

通过神经网络在故障诊断方面的应用 ,利用Matlab提供的大量径向基网络工具函数来设计网络、确定权函数、网络输出 ,采用径向基函数 (RBF)网络来有效地实现对液压泵的故障诊断。该文表明 ,对于局部逼近的RBF网络学习速度快、训练步数少 ,该网络适合用于液压泵故障诊断问题中     

基于Elman网络的切削表面粗糙度预测方法

根据Elman神经网络模型能够逼近任意非线性函数的特点和具有反映系统动态特性的能力,讨论神经网络非线性、多因素预测原理及其拓扑结构的基础上,提出利用Elman神经网络建立切削表面粗糙度预测模型的方法;在Matlab及其神经网络工具箱的基础上,采用Elman神经网络对铝6061切削表面的粗糙度进行训练、预测、分析.结果表...     

基于模糊神经网络的气体密封故障诊断

针对传统的依靠单一参数对密封状态监测的不足,利用模糊神经网络处理问题的能力,综合多种密封参数的信息,建立针对密封状态监测的模糊神经网络系统,提出基于模糊神经网络的故障诊断的方法。该方法确定泄漏量、端面温度、气膜厚度、阻封气泄漏量作为密封的监测参数,并确定各个参数的隶属函数;通过大量的历史数据、MAT-LAB模拟数据和专家知识分析得到各个特征参数值和修正值,建立5种密封状态的输出模式;通过隶属函数实现输入样本的模糊化;通过MATLAB编程来设计、优化神经网络结构,利用历史数据训练神经网络。通过实例分析验证了建立的模糊神经网络的实效性。     

基于AFM的压痕硬度自动检测算法的研究

由纳米硬度计可测得载荷-压深曲线,并由原子力显微镜可以扫描得到压痕图.在对单晶硅压痕硬度的检测试验中,用Matlab软件对获得的数据进行处理,编制了利用压痕边长法、直接面积法、Oliver-Pharr法和压痕功法等计算压痕硬度方法的程序,可以自动计算压痕的面积和体积并计算得到单晶硅的硬度值.     

基于经验模态和神经网络的纯电动汽车集中式电驱系统振动信号分析与故障预测

以系统复杂、耦合程度高、振动信号干涉多的纯电动汽车集中式电驱系统为研究对象,建立监测电驱动系统振动信号的采集系统,通过经验模态分解出各组件振动信号中潜在故障的内禀函数分量,再将各分量作为神经网络的输入参数,获得训练后的神经网络,再将原始信号作为神经网络的输入,输出可能的故障点与故障信息,从而建立故障预测模型。结果表明,在经验模态结合神经网络算法的基础上,利用采集的振动信号进行智能诊断,输出的预测结果准确率高。     

低压铸造机液面加压控制技术研究

针对低压铸造机液面加压系统参数整定困难、压力控制精度不佳的问题,对液面加压系统的组成、工艺以及机理等进行了研究。提出了模糊神经网络在线整定PID参数的方法,设计了2输入、3输出的模糊神经网络;分析了BP学习算法的缺点,改进了模糊神经网络训练方法,使用果蝇算法作为外层循环,BP算法作为内层循环训练模糊神经网络;选择合适的目标函数对模糊神经网络进行了训练,在Matlab中对传统PID、模糊PID和FNN-PID的控制效果进行了仿真分析。研究结果表明:和传统PID控制相比,使用FNN-PID控制器的液面压力最大误差减小了35.6%,平均误差减小了21.6%,有效提高了液面压力的控制精度。     

基于BP神经网络的手绘电路图形符号识别技术

首先介绍了手绘电路图形符号扫描输入和图像信息去噪压缩处理方法,并离散化成标准的二维矩阵形式.然后引入一个三层前馈型BP神经网络,采用Delta迭代训练算法,学习图像矩阵输入与元件符号输出之间的映射关系,并着重阐述了神经网络学习的过拟合问题.最后通过MATLAB编程仿真和交叉验证表明,提出的BP神经网络结构及其训练算法合理、有效和实用.