基于改进BP神经网络的主轴伺服系统故障诊断研究

针对数控机床主轴伺服系统的故障特点,建立了故障模型,确定了故障现象、故障原因样本集,并采用基于L-M算法的改进BP神经网络实现了对主轴伺服系统的故障诊断。仿真及试验结果表明,该诊断方法是行之有效的。     

摩托车链条润滑系统的BP神经网络模型

利用BP神经网络 ,建立了摩托车链条润滑装置中环境温度、润滑滴油阀倾斜角和润滑油种类与滴油操作控制阀位置之间关系的神经网络模型 ,并利用L -M算法对网络进行优化训练 ,所得到的网络收敛速度快、误差小 ,网络输出结果与实验结果进行比较 ,有较好的吻合型。     

基于L-M算法优化BP神经网络的储粮害虫分类识别研究

以储粮害虫为对象,研究了利用数字图像处理技术与BP神经网络技术实现离线检测与分类识别。首先对4类常见储粮害虫进行图像采集、预处理以及9个常用形态学特征的提取,再通过特征分析把有效特征压缩至6维,将其作为BP神经网络的输入参数,对应的储粮害虫的类别代号作为输出参数,构造BP神经网络,并在网络训练过程中利用L-M算法进行优化。最后通过实验证明该方法在害虫识别算法中稳定性好,收敛速度快,预测精度高。     

确定不同温度下螺杆泵装置临界汽蚀转速的方法

对一具体的螺杆泵系统，由某一温度下的临界汽蚀参数，应用本文提出的方法算出系数ζ，进而确定出该系统在同不温度下的临界汽蚀转速ｎｃ。     

基于L-M算法优化BP神经网络的储粮害虫分类识别研究

以储粮害虫为对象,研究了利用数字图像处理技术与BP神经网络技术实现离线检测与分类识别。首先对4类常见储粮害虫进行图像采集、预处理以及9个常用形态学特征的提取,再通过特征分析把有效特征压缩至6维,将其作为BP神经网络的输入参数,对应的储粮害虫的类别代号作为输出参数,构造BP神经网络,并在网络训练过程中利用L-M算法进行优化。最后通过实验证明该方法在害虫识别算法中稳定性好,收敛速度快,预测精度高。     

利用光电开关实现螺杆泵转速的测量

介绍了转速州量技术的发展及各种转速测量方法,基于PLC平台,选用合适的光电开关及测试软硬件,实现了对螺杆泵转速的测量.     

基于BP神经网络预测的内燃机车转速控制方法

针对电传动内燃机车在负载发生扰动下,转速会发生波动,致使牵引发电机功率小于牵引电动机功率,导致机车运行不平稳。采用BP神经网络预测进行内燃机车转速控制,使机车在应对负载突变的情况下,具有较好鲁棒控制性能,使机车运行平稳。首先,通过BP神经网络预测模型进行模型预测;其次,将预测值与实际值构成输出误差进行反馈校正;然后,根据神经网络预测模型和优化算法迭代计算得出最优控制量实现滚动优化;最后,对BP神经网络预测的内燃机车转速控制进行建模,并对目前所采用的经典算法进行实验仿真对比,结果证明,基于BP神经网络预测的内燃机机车转速控制响应速度快、鲁棒性好和稳态误差小。     

摩托车链条润滑系统的BP神经网络模型

利用BP神经网络，建立了摩托车链条润滑装置中环境温度、润滑滴油阀倾斜角和润滑油种类与滴油操作控制阀位置之间关系的神经网络模型，并利用L-M算法对网络进行优化训练，所得到的网络收敛速度快、误差小，网络输出结果与实验结果进行比较，有较好的吻合型。     

基于ANN的ESPCP系统转子转速调控技术研究

分析了潜油螺杆泵采油系统转速的主要影响因素.计算出螺杆泵理论排量并采集其输入端的压力、温度和井口压力、流量作为原始输入,通过二级神经网络,确定螺杆泵转速与其主要影响因素之间的非线性映射关系.基于ANN的转子转速在线调控系统不仅有效地减少衬套的磨损,增加螺杆泵使用寿命,而且能够获得稳定且较高的工作效率,提高了控制的灵活性和准确性.     

基于混沌神经网络的异步电主轴转速辨识

针对BP神经网络易陷于局部最优,且学习速度慢的缺陷,研究了采用混沌优化算法改进BP神经网络并应用于异步电主轴转速辨识的方法.该方法使用新的混沌自映射函数取代一般的有限折叠次数的Logistic自映射函数,使其兼具了混沌优化算法的全局寻优与BP算法局部寻优的优点.借助MATLAB/Simulink软件对无传感器电主轴转速辨识系统进行数值仿真.仿真结果表明,采用新方法使整个系统的辨识性能更优,学习速度更快.     

基于ANN的ESPCP系统转子转速调控技术研究

转子转速是影响螺杆泵寿命的关键。其关联制约因素取决于工况所涉及的物理及化学条件,包括螺杆泵两端的压差、原油的粘度、温度、含砂量、油气比、油水比等。以这些参数作为原始输入,通过两层神经网络确定转子转速与其关联影响因素之间的非线性映射关系,并设计基于人工神经网络的在线转子调速系统。采用这种控制方法有效地延缓了螺杆泵橡胶定子的磨损,保持了较高的容积效率,延长了其使用寿命,同时使螺杆泵的运行具有良好的稳定性、控制灵活性和控制精度。     

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.     

几种人工神经网络在潜油螺杆泵转速预测中的比较

在潜油螺杆泵的使用中,转速的选择与控制十分重要,同时转速的预测能够有效地避免泵效下降、延长泵的使用寿命。目前在分析各因素对螺杆泵转速影响的基础上,采用人工神经网络方法建模并进行预测其后续转速已成为研究的热点。在对螺杆泵转速影响因素的分析基础上,采用BP网络、RBF网络和Elman网络分别对转速进行实例研究并观察其误差。结果表明,三种典型的神经网络模型均能够很好地描述任意温度、原油粘度和泵端压差等工况条件下的螺杆泵转速变化特性,实现螺杆泵转速的预测。RBF神经网络训练速度最快且误差值最小,Elman神经网络和BP神经网络的预测误差接近,但前者的训练误差要比后者平滑。     

基于改进BP神经网络的数控机床振动趋势预测

为准确预测数控车削时机床的振动情况,搭建了一个能用于测量机床振动信号的实验平台.并运用Levenberg-Marquardt算法改进BP神经元网络,建立了改进BP神经网络的非线性系统预测模型,实现了对机床刀架的振动趋势进行多步预测,为提高工件加工质量、加工精度和进行故障诊断提供了依据.结果表明L-M算法的收敛速度和预测精度均明显优于标准的BP算法.     

基于改进BP神经网络的产品成本预测研究和实现

作为成本管理重要环节的产品成本预测是个非线性系统,目前还很难对其建立准确的数学模型.引入BP神经网络算法对产品成本进行预测,针对BP算法容易陷入局部最小的缺陷,提出了改进BP算法.根据产品成本的具体特征提取特征值并建立相应的神经网络,通过训练,网络具有较强的适应和学习功能,经测试表明,网络具有较高的预测精度,能够为企业生产运营提供可靠的依据.     

基于遗传算法改进的BP神经网络模型的磨损机理智能识别

通过提取磨粒形状特征参数、颜色特征参数和表面纹理等特征参数对磨粒形态进行量化表征,并以此为输入矢量,引入遗传算法(GA)改进BP神经网络对磨粒进行自动分类识别,建立遗传算法改进的BP神经网络模型,并给出具体的算法实现过程。分别应用遗传算法改进的BP神经网络模型和未引入遗传算法改进的BP神经网络模型对磨粒图像进行智能识别。实验结果表明,遗传算法改进的BP神经网络综合了遗传算法的全局优化和BP算法局部搜索速度快的特点,网络识别率较高,具有较好的全局性。     

基于组合式改进BP神经网络的矿用空压机故障诊断

矿用空压机是煤矿现代化安全生产的重要组成设备,针对目前矿用空压机经常出现的故障,收集了矿用空压机故障征兆和其对应的故障类型,将故障样本数据和模糊神经网络相结合,并根据改进BP神经网络确定网络的输入和输出向量,对矿用空压机进行组合式故障诊断,诊断结果与实际情况比较吻合。运用MATLAB实现神经网络故障诊断仿真,仿真结果表明诊断误差较小,输出向量与实际故障矩阵结果接近。     

基于改进BP神经网络的连铸漏钢预报

针对传统BP神经网络在训练过程中存在收敛速度慢的缺陷,将LM(levenberg marquardt)算法引入到BP神经网络的训练过程,建立了LM-BP神经网络模型,并将其应用于连铸过程中的漏钢预报系统。结合某钢厂连铸现场历史数据对系统进行了测试,测试结果以96.15%的预报率及100%的报出率,验证了基于LM算法的BP神经网络连铸漏钢预报方案的可行性和有效性。     

基于改进的BP神经网络的柴油发动机故障诊断

柴油发动机采用高压共轨燃油喷射技术,提高了柴油机的综合性能,但高压共轨柴油机电控系统比较复杂,增大了柴油机故障诊断的难度。该文介绍了BP神经网路及LM算法,并利用改进的BP神经网络对发动机电控系统故障进行诊断研究。以长城哈佛GW2.8TC发动机为实验对象,让发动机在怠速状态下,对发动机进行故障设置,利用金德KT600故障诊断仪采集发动机的故障数据流,运用改进的BP神经网络建立诊断模型,诊断结果表明改进的BP神经网络的收敛速度快,运用改进的BP网络诊断柴油机电控系统故障是行之有效的。     

基于改进BP神经网络的入侵检测系统的研究与实现

把传统的BP神经网络应用在入侵检测系统当中时,会出现训练过程缓慢,错误率、漏检率太高,检测效率较低等各种问题.为了解决这些出现的问题,本文通过对一种改进BP算法的讨论分析,简单论述了其应用于入侵检测系统中可以有效的提高系统的检测性能.