基于遗传优化的BP神经网络

人工神经网络的优化学习是其研究中的一个重要课题。将遗传算法用于BP神经网络的学习,将遗传算法的全局搜索和BP神经网的局部搜索相结合,并设计一网络实例加以训练,达到了比较满意的效果。     

基于BP神经网络的电机轴承润滑脂含量判定方法

传统电机轴承润滑脂含量判定方法通过停转进行润滑脂含量测量,这种方法使用起来极其不便利,而且很多轴承的润滑脂都是密封的.针对其停转、拆封的不便,提出了一种基于BP神经网络的电机轴承润滑脂含量判定方法.利用采集到的电机轴承的振动数据,对其进行统计特征提取,通过BP神经网络来构建润滑脂含量与统计特征之间的函数关系.经试验验证...     

基于BP神经网络的飞机使用决策研究

为了解决机群用户在执行任务飞机选择上的随意性问题,提高飞机使用决策的科学性,在分析影响飞机使用决策多种因素的基础上,构建了飞机堪用度评价体系,设计了评估堪用度的BP神经网络,并运用实例验证了方法的有效性。MATLAB软件的仿真结果表明,BP神经网络适用于解决飞机使用决策的评估问题。     

基于BP神经网络优化算法的工程车辆挡位判断的训练及仿真

为了克服工程车辆重载作业时,传动系统效率大幅下降的问题,一般采用自动换挡的办法,以实现对负载的适应,提高传递效率。所以选择一种合适的换挡规律是非常重要的。由于车辆的状态与最佳挡位之间存在非线性,若其关系以相应的数据的形式给出,可直接用所获得的数据对人工神经网络进行离线训练,讨论了建立在人工神经网络基础上的工程车辆挡位判断方法,以三参数换挡规律为例对网络进行了训练,并给出了MATLAB仿真结果。     

基于BP神经网络的开关磁阻电机转子位置估计

转子位置的检测是开关磁阻电机调速系统中重要的一环,是定子绕组开通与关断的依据。现以开关磁阻电机绕组的相电流、磁链作为输入,转子位置作为输出,建立相电流、磁链和转子位置之间的非线性映射,利用BP神经网络实现开关磁阻电机转子位置估计。仿真结果表明,该方法能够快速、准确地测量转子位置,鲁棒性和自适应性强。     

基于遗传算法与BP神经网络的微晶玻璃点磨削工艺参数优化

通过低膨胀微晶玻璃点磨削实验,测试了加工表面粗糙度、表面硬度,分析了实验数据变化趋势。通过最小二乘拟合,建立了关于粗糙度、表面硬度的一元数值模型,并将模型预测值与实验值进行了比较,以验证模型的精确性,结果表明模型具有较高的精度。根据正交实验结果,基于BP神经网络算法和遗传算法,建立了粗糙度、表面硬度的多元数值模型并以此作为目标函数,以表面硬度最大和表面粗糙度最小作为优化目标,基于遗传算法进行了工艺参数的双目标优化,获得了一组点磨削工艺参数的最优解范围,实验验证结果表明优化结果是合理的。     

一种基于多参数优化的神经网络控制器研究

针对常规PID+CMAC复合控制器中多个控制参数难以确定的问题,提出采用改进遗传算法对PID控制参数、CMAC神经网络学习率和惯性量等多参数进行寻优,把常规PID控制、CMAC神经网络和遗传算法的优点结合起来,设计了基于改进遗传算法多参数优化的PID+CMAC自适应控制器.仿真结果表明,提出的多参数优化的CMAC控制器具有良好的鲁棒性、抗干扰能力和自适应能力,是解决不确定性非线性对象控制问题的一种有效的控制方法.     

基于粒子群优化的神经网络电机故障诊断系统

提取电机定予电流信号及转于振动信号,构成用于电机故障诊断网络的训练及测试样本.用BP神经网络建立诊断输入征兆与故障输出间的映射关系,引入改进粒子群优化的策略,对神经网络权值和阀值进行优化,提高了网络系统诊断的可靠性.仿真对比研究表明,经粒子群优化后的BP网络收敛速度显著提高,更适合于电机类故障诊断的要求.     

基于粒子群算法优化BP神经网络的SRM磁链模型

以一台6/4级SRM电机模型的电流和磁链为输入,转子位置角度为输出,拟合了磁链-电流-角度模型,并在MATLAB/Simulink中进行了仿真实验。在拟合模型时,为了提高训练效率,简化拟合模型,采用了粒子群优化BP神经网络隐含层神经元个数的算法,并进行了仿真实验。结果表明,粒子群算法优化BP神经网络的控制策略具有较高的训练效率。     

基于电力物联网和BP神经网络的用电行为优化研究

电力物联网有利于建设电力用户用电行为大数据,为用电行为的识别和优化奠定基础。鉴于此,搭建了基于电力物联网的用电行为管控系统,根据数据流量需求和功能部署方案采用分层建设的体系架构。终端层用于向各用电设备提供接口和协议转换服务,具备边缘计算和安全防护功能,实现分布式资源的弹性管理。采用BP神经网络对用户用电功率进行预测,实现用电行为识别。在满足各种安全稳定约束条件下,以用电经济性为目标,对用户用电成本进行核算,并对用电行为进行优化,用以提高用户互动水平,实现电力需求侧管理向需求侧响应的转变。     

基于BP神经网络的齿轮故障诊断

通过介绍神经网络的模型算法,根据齿轮的四种故障类型,采用BP神经网络对其进行训练和诊断,得到了较为理想的结果,为及早发现和预防机械故障提供了可靠的理论依据。     

基于神经网络和遗传算法的多齿轮并联传动优化设计

根据神经网络和遗传算法,建立了某巨型重载操作机多齿轮并联驱动传动优化设计的数学模型。在齿轮优化设计中,给出了一些输入输出关系不明确的线图和离散数据的神经网络拟合方法,并结合遗传算法进行了寻优计算。结果表明使用该优化方法不但可以提高效率,而且得出的结果合理可信。     

基于BP神经网络的齿轮约束性设计研究

针对变速传动工况对齿轮设计的要求,提出了针对不同约束性要求的齿轮设计知识约束驱动检索方法,并采用BP神经网络实现了对该方法的具体执行过程,分6种不同情况完成了对齿轮约束性设计的求解分析。研究过程以变速传动装置的运动传递功能实现为对象,讨论了BP网络的构造和训练样本的建设。研究结果表明,基于BP神经网络的齿轮约束性设计能够较为快速和准确地获得特定约束条件下的齿轮设计方案或者选型,提出神经网络BP算法能够实现约束与知识之间复杂、非线性映射关系。     

AMT车辆换挡过程中发动机转速控制与试验研究

提出了换挡过程中通过控制断油电磁阀来调节发动机转速的新方法,分析了断油电磁阀对发动机工作特性的影响,制定了断油电磁阀的控制策略,并在装有AMT的某重型载货汽车上进行了试验。试验结果表明,换挡过程中通过控制断油电磁阀来调节发动机的转速,可减小离合器接合时主、被动部分的转速差,改善AMT的换挡品质。     

基于BP神经网络的齿轮箱故障诊断

对BP神经网络的结构与原理进行了简要概述,将BP神经网络技术运用于齿轮箱的故障诊断中 ,以齿轮振动信号的时域特征作为神经网络输入,齿轮的主要故障形式为网络输出,利用经 BP算法训练后的该网络对齿轮故障进行诊断,取得了较好的效果.     

基于BP神经网络的齿轮弯曲疲劳强度极限应力计算

针对齿轮弯曲疲劳强度极限应力计算繁杂、给齿轮强度验算和设计计算带来了很大不便的问题,提出了使用BP神经网络映射齿轮的弯曲疲劳强度极限应力近似算法,以便减少计算规模,提高齿轮设计及验算效率,其映射结果表明,使用该方法求齿轮的弯曲疲劳强度极限应力,是可行的和高效的,能够为齿轮的设计计算和强度验算提供方便。     

基于BP网络的气动人工肌肉位置跟踪的研究

用BP神经网络对单支气动人工肌肉系统进行了阶跃信号及正弦波位置跟踪的研究，实验证明，运用BP神经网络PID控制器，与PID及神经网络控制器相比，有较好的跟踪效果。     

基于BP神经网络的齿轮故障诊断系统研究

对ＢＰ神经网络在齿轮故障诊断中的模式表达、网络拓扑及其相关参数等问题进行了探讨;并利用ＢＰ 网络对齿轮四种典型的故障模式进行训练学习和诊断,取得了满意的效果。结果表明：ＢＰ 神经网络是实时地解决齿轮故障中复杂的状态识别问题的一种有效工具     

蚁群算法融合BP神经网络的齿轮故障模式识别

为了提高齿轮故障诊断的准确性,引入了一种蚁群算法融合BP神经网络的方法。根据齿轮的故障特征量,建立其神经网络的故障诊断模型。以网络的权值和阈值为自变量,通过蚁群算法的迭代运算,搜索出误差全局最小值,再进行网络的二次学习训练,最终实现对齿轮的故障诊断。实例仿真结果表明,该方法具有较高的故障诊断精度,可减少诊断的不确定性。     

基于BP网络的齿根弯曲应力计算方法

为实现齿轮传动寿命的精确计算,需要探讨精确的轮齿齿根弯曲应力计算方法。文中将渐开线直齿圆柱齿轮齿根应力的影响因素分为5因素5水平,用正交试验表L25（45）组建了24组因素组合。依据渐开线齿轮范成加工原理及UG、ANSYS三维建模功能,建立的有限元齿根弯曲应力精确计算模型,并进行了24组数据计算。将其计算结果作为BP网络训练样本,得到了载荷作用于齿顶及单齿啮合区最高点时,渐开线直齿圆柱齿轮齿根弯曲最大应力计算的BP网络模型。用其计算结果与ANSYS计算结果对比,最大相对误差不超过2.4%。因此,该BP网络模型可直接用于齿根弯曲应力值的计算,特别是对于高精度齿轮传动齿根弯曲应力的计算。