基于BP神经网络的变速箱故障诊断方法研究

针对变速箱的工作时间不能真实反映实际健康状况的问题,通过提取变速箱的振动信号作为状态参数,建立了基于BP神经网络的变速箱故障诊断模型;该模型首先提取振动信号中对故障反映灵敏的成分作为特征值,获得BP神经网络的训练数据,并通过对比确定最优的隐含层节点数,确定BP神经网络的结构参数;模型训练结束后,以验证数据为例进行故障诊断研究,并对诊断结果进行评估;评估结果表明,该模型准确度高,具有较好的应用和推广价值。     

基于BP神经网络的故障诊断技术研究

分析了传统的故障诊断方法的特点和缺点,在此基础上选择BP神经网络应用于故障诊断,详细探讨了BP神经网络的建模方法,根据设备的层次结构和特点,将集成神经网络应用于故障诊断,有效地克服了单一神经网络故障诊断的一些缺点,大大提高了故障诊断的效率和准确率.     

基于多层BP神经网络的扑克牌识别

实现了多层BP神经网络识别扑克牌图像的方法，首先使用C语言来编写BP神经网络的算法以及用VC＋＋来实现对扑克牌图像的分析，然后再使用大量已知花色和牌点的扑克牌输入，作网络训练，训练完成后，利用网络识别样本扑克牌和带噪声的扑克牌。结果表明，该方法能够较准确地识别GIF扑克牌图像。     

BP神经网络在滚动轴承故障诊断中的应用研究

滚动轴承表面振动信号中包含着丰富的工作状态信息和故障特征信息,从其表面振动信号中提取时域特征参数,可以有效地识别轴承工作状态。通过试验采集振动信号作为识别故障的原始数据,建立基于振动信号的轴承故障诊断神经网络,并对网络进行训练得出标准故障模式,从而最终实现轴承的故障诊断。     

BP神经网络的设计

对ＢＰ神经网络设计中的隐层节点数，初始权值，学习率等参数的选择进行研究，分别给出若干经验公式。     

一种遗传BP网络及其在故障诊断中的应用

针对旋转机械故障自动诊断问题及传统BP网络和遗传算法在进行故障诊断时所存在的缺点,提出了一种改进的遗传BP网络方法,该方法首先利用改进的遗传算法进行粗精度的学习以达到选取初值的效果,然后采用改进的BP算法完成对给定精度的网络学习,建立的网络学习收敛速度快且易于实现。仿真实验证明了该方法对旋转机械故障诊断问题具有良好的适应性。     

BP神经网络在雷达故障诊断中的应用研究

对雷达混合电路故障诊断问题进行了研究,针对传统雷达故障诊断中的“自适应差”,“过分依赖故障数学模型”的缺陷。采用了一种故障诊断表示模型,提出将专家系统与神经网络相结合的诊断方法,避免了在实际中雷达电路难以建立精确的数学模型的问题。利用人工神经网络理论为其建立了BP神经故障诊断网络,增加了雷达电路故障诊断系统的“自适应性”。进而给出了网络训练算法和诊断步骤,最后给出了在某型雷达设备上仿真调试诊断的实例。     

基于BP神经网络的键盘击弦机械故障诊断分析

在键盘击弦机械故障诊断过程中,由于诊断模型的影响,使得故障诊断结果的准确率较低。因此,提出基于BP神经网络的键盘击弦机械故障诊断分析。通过声敏传感器获取键盘击弦机械数据,并利用小波包分解法提取数据特征。基于BP神经网络,构建机械故障诊断模型,并对模型内的各项参数进行计算。最后,以表格的形式呈现出故障诊断分析结果。实验结果表明：在单弦故障诊断时,设计方法与两种常规方法相比,将诊断准确率分别提升了2.57%、5.66%;在多弦故障诊断时,设计方法将机械故障诊断的平均准确率,分别提升了5.76%、7.15%。     

基于多层BP神经网络的扑克牌识别

实现了多层BP神经网络识别扑克牌图像的方法,首先使用C语言来编写BP神经网络的算法以及用VC++来实现对扑克牌图像的分析,然后再使用大量已知花色和牌点的扑克牌输入,作网络训练,训练完成后,利用网络识别样本扑克牌和带噪声的扑克牌。结果表明,该方法能够较准确地识别GIF扑克牌图像。     

BP神经网络的改进

BP神经网络易于陷入局部最小点以及收敛速度较慢,为了克服这些缺陷,本文对BP神经网络进行改进。通过对BP神经网络的样本进行采样分析,得到训练目标函数与输入向量之间的相关系数,依据此相关系数得到网络训练时的初始权重,再给待训练的BP神经网络进行初始权重的赋值,通过对初始权重的科学赋值从而达到避免网络在训练过程中陷入局部最小点与加快收敛速度的目的。本文通过实际验证,确实达到预期目的。     

一种改进的BP神经网络红外目标识别方法

红外目标的识别是红外跟踪、制导系统和预警系统等的一项核心技术。在红外目标模式识别系统中,对目标的识别效果直接影响到后续的跟踪、定位等过程。基于红外图像的特性分析,采用了一种人工神经网络算法对其进行目标识别,针对传统BP神经网络算法的一些缺陷,增加一个放大因子并自适应的调整学习速率来提高算法训练速度。基于这种改进后的BP算法,对三种军事目标（飞机、轮船、坦克）进行识别,证明算法的有效性。     

BP误差反传神经网络技术的应用

详述了标准BP误差反传神经网络技术的基本原理及其算法,分析其局限性,并给出改进的方法及其应用。     

浅谈BP神经网络在模式识别中的应用

模式识别技术在各行各业都有广泛的应用。在工业检测、医疗仪器的样本检查分析、军事卫星侦察、人工智能方面有着举足轻重的作用。该文介绍基于BP神经网络的模式识别方法。运用一种基于BP神经网络的改进算法,将基于学习的思想引入到模式识别中,对样本数据进行学习和训练,形成良好的网络,最后对与已训练好的网络进行检验的整个过程,由于达到了一定的准确度,避开了传统方法计算属性权重的问题。     

基于BP神经网络的医保欺诈识别

医疗保险欺诈是指在参加医保的过程中,通过故意捏造、虚构事实等方法骗取医保基金或医保待遇,造成医疗保险基金损失的行为.有效地识别医保欺诈对医保基金的健康使用有重大意义.本文运用BP神经网络实现医保欺诈的主动识别,并利用Logistic回归分析对神经网络模型进行改进,降低弱因子对神经网络识别的干扰.此外,应对欺诈数据的稀缺问题,采用只取正常数据训练神经网络模拟函数曲线的模式.实证表明,该方法对医保欺诈具有较好的识别能力.     

BP神经网络和Elman神经网络在模拟电路故障诊断中的应用

通过分析BP神经网络和Elman神经网络的基本结构和算法,研究了基于神经网络的模拟电路故障诊断方法,并通过仿真实验对比分析了BP神经网络和Elman神经网络的诊断能力。结果表明,BP神经网络的收敛速度相对较慢、训练时间长;Elman神经网络的结构参数调整简单、训练时间短、性能稳定,更适合存在容差、非线性等问题的模拟电路故障诊断。     

基于模式相关的改进BP神经网络算法

针对传统的BP神经网络模式分类算法在各个网络输出值较为接近或者模式类之间的网络输出值接近的情况下容易发生误判的问题,提出一种基于模式相关的BP神经网络分类算法,并结合具体电路,运用该方法进行建模、仿真．实验结果表明,采用模式相关的BP神经网络分类算法能够充分利用网络输出层各个节点的所有输出,增强了网络的输出特性,便于正确、方便的进行模式分类,且分类效果良好,具有一定的通用性．     

遗传BP神经网络在网络流量预测中的应用

由于BP神经网络本质上采用的是梯度下降算法,具有收敛速度慢、容易陷入局部极小点等缺陷.针对这种情况,用具有良好全局搜索能力的遗传算法来改进BP神经网络模型,对神经网络的初始权值和阈值进行优化.仿真结果表明,遗传BP神经网络具有良好的预测效果,预测精度比传统的BP神经网络要高,误差更小,说明了遗传BP神经网络对网络流量预测是高效可行的.     

BP神经网络在加速度计误差补偿中的应用

加速度计受其零偏、温度等影响明显,直接影响导航系统的精度,需要研究补偿方法,提高加速度计的测量精度。鉴于神经网络具有高效的曲线拟合功能和优越的逼近复杂非线性函数的特点,提出了基于BP神经网络的加速度计误差补偿方法。仿真结果表明,经BP神经网络补偿后,加速度计误差补偿后的输出能良好地逼近其期望输出,输出最大误差的绝对值由0.4575 g减少到0.07014 g,误差降低了一个数量级,很好地抑制了加速度计的误差,提高了加速度计的精度。     

粒子群优化神经网络在动态手势识别中的应用

为了提高动态手势学习训练速度和识别准确率,本文提出一种基于粒子群优化BP神经网络的动态手势识别方法。首先基于自然人机交互需要,定义一套基于机器视觉的动态手势模型;在获取指尖运动轨迹的基础上,提取动态手势的特征向量作为神经网络的输入;利用改进的PSO算法训练BP神经网络,得到神经网络的权值和阈值;最后利用训练过的神经网络识别基于机器视觉的动态手势。测试结果表明:改进的PSO算法能够提高神经网络训练速度和精度,进而提高动态手势识别准确率。