基于MEA-BP神经网络的大米水分含量高光谱技术检测

利用高光谱技术对储藏大米的水分含量进行检测。本实验以120个大米样本为研究对象,采集所有大米样本的高光谱图像,利用多元散射校正的预处理方法对大米样本原始光谱数据进行降噪处理。由于原始高光谱数据量大且冗余性强,故利用逐步线性回归分析方法对预处理后的数据进行特征提取。最后建立BP神经网络的大米水分定量检测模型,由于建模效果没有达到预期目标,因此引入遗传算法(genetic algorithm,GA)和思维进化算法(mind evolutionary algorithm,MEA)优化BP神经网络的权值和阈值。对BP、GA-BP、MEA-BP 3种大米水分预测模型进行比较,3种模型的预测集决定系数都达到0.86以上,其中MEA-BP模型具有最佳的预测效果,预测集决定系数达到0.966 3,且均方根误差为0.81%。     

一种基于遗传算法优化BP神经网络的电网故障诊断方法

提出了一种基于遗传算法优化BP神经网络的电网故障诊断方法,利用神经网络的非线性问题处理能力进行故障诊断。针对BP神经网络在运算过程中易陷入局部极小的问题,结合遗传算法计算网络参数初始值,寻找最优的隐含层节点数,对网络进行优化。结合实例验证,该方法相对于传统BP神经网络在解决电网故障诊断问题上,收敛速度和准确率都有所提升。     

滑动轴承故障诊断方法的实用性分析研究

通过对滑动轴承主要失效形式和机理的分析说明,尽管引起轴承故障的原因形形色色,但所导致的结果都是破坏液体润滑,使轴与轴承产生接触摩擦。因此将滑动轴承简化为一多输入(多种故障原因)——单输出(接触摩擦)的灰色系统模型,并以滑动轴承各种故障的共同特征——接触摩擦作为滑动轴承故障诊断研究的惟一故障基准模。根据上述研究思路,对静、动载荷工作条件下滑动轴承的故障诊断进行了大量的实验研究。实践表明,本文提出的诊断原则诊断效率高,实用性强,可借鉴用于许多领域的故障诊断。     

神经网络在机械故障诊断中的应用

对BP神经网络进行数学推导及详细论述,提出神经网络用于机械故障诊断的前提条件,对轴承神经网络故障诊断系统进行仿真。     

基于BP神经网络的电控发动机故障诊断应用研究

以桑塔纳2000(GSI)电控发动机为例,在怠速工况下,模拟发动机可能出现的故障,利用金德K81电脑检测仪和NHA—501型尾气分析仪采集数据样本.调用Matlab神经网络工具箱中的BP神经网络,对所采集的其中4组数据样本进行训练、仿真.结果表明,BP神经网络对发动机故障的诊断是迅速、准确的.     

改进的BP神经网络在机械故障诊断中的应用

介绍了BP神经网络的结构和学习方法,针对BP网络存在局部极小值和收敛速度慢等问题,提出采用一种基于Levenberg-Marquardt算法(LM算法)的改进BP网络,最后通过汽轮机故障诊断实例的仿真研究,结果表明改进算法的性能明显优于常规BP算法,经改进算法训练的网络能大大提高故障的在线诊断能力,具有广泛的应用前景和应用价值。     

基于多重结构小波神经网络的航姿系统故障诊断研究

根据飞机航姿系统的结构特点和故障诊断过程的特性,建立了复杂设备故障诊断的多重结构小波神经网络模型结构,并将其应用于飞机航姿系统的故障诊断,结果表明,该方法有效地降解复杂系统故障诊断问题的复杂性,提高了航姿系统故障检测和诊断效率,同时为非线性系统的故障诊断提供了新的理论和方法。     

两种神经网络方法在电力变压器故障诊断中的性能分析

电力变压器是电力系统中最重要的设备之一,它的安全稳定运行关系到整个电力系统的安全性和稳定性。文章首先分析了电力变压器油中溶解气体的特征,然后以三比值法作为主要实验依据,设计了BP神经网络和模糊神经网络两种模型,在此基础上对变压器故障诊断进行了实验,最后对比分析实验结果。     

基于神经网络的故障诊断

本文以神经网络为理论基础介绍了神经网络在故障诊断中的应用方法,并以风机以某钢铁公司烧结厂烧结风机,不同测点现场采集的待诊数据为神经网络训练样本和测试样本,通过MATLAB软件得出识别结果,结果表明该方法的正确性和有效性。     

基于神经网络的挤压机故障诊断研究

文章采用先进的神经网络技术,结合挤压机故障的特点,对挤压机故障诊断进行深入的剖析和研究,设计出一种安装使用方便、可靠性高的挤压机故障诊断系统。对保证生产安全、高效和经济运行具有重要意义。     

基于小波包与神经网络的EPS转矩传感器故障诊断

本文针对EPS转矩传感器的故障特点,根据小波包变换能将信号按任意时频分辨率分解到不同频段的特性,结合小波包变换中能量可以表征电路的变化情况,提出了故障信号在不同分解频段的能量特征概念及算法,并将其与BP神经网络相结合,提出一种新的EPS转矩传感器故障诊断方法,实验结果表明了该方法的正确性和有效性。     

模拟电路故障诊断的方法研究

本文主要研究了增加动量项BP神经网络算法,与典型的模拟电路系统相结合,设计出能够实现在线和离线诊断模拟电路故障的小型智能诊断系统,实现了智能算法在实际工业生产当中应用,实验证明,采用理论上成熟的动量项BP神经网络算法用于故障诊断,利用嵌入式系统应用性强、高可靠性、低功耗等特点,并且有一定的实用价值。     

滚动轴承振动诊断的BP神经网络方法

归纳和总结了BP神经网络多参数诊断法的实施步骤,阐述了故障轴承振动与信号的关系以及BP神经网络的工作原理和实现过程,并以滚动轴承故障诊断为例,提取了反映滚动轴承故障类型的振动信号特征参数,用这些特征参数训练神经网络,利用MATLAB6.5神经网络工具箱模拟和仿真BP神经网络,然后用训练后的BP神经网络对故障模式进行识别。结果表明,如果神经网络设计合理,训练适当,并且在MATLAB仿真的过程中合理的选择训练函数和各种参数,则具有很强的故障识别能力。说明了利用MATLAB仿真BP神经网络进行滚动轴承振动诊断是可行而且有效的。     

基于差分进化的BP网络学习算法

提出了一种基于差分进化的BP网络学习算法,该算法是一种全局随机优化算法.利用差分进化算法的全局寻优能力,可以很好的训练BP网络的权值和阈值.将所提出的算法与BP算法作对比实验,结果表明,所提出的算法相对于BP算法在分类准确度上有较大的提高,而且具有良好的收敛性和泛化能力.     

基于BP神经网络的纸病分类器设计

不同造纸生产线产生的纸病往往会有不同的特点,即使同一生产线在不同工艺参数,或在工艺参数相同而生产条件不同情况下产生的纸病也有区别,因此纸病往往具有多样性、复杂性的特点.为此,利用BP神经网络建立了纸病分类器,取得了较好的识别效果,识别率达91%.     

基于全卷积神经网络的变压器故障诊断

油中溶解气体分析(DGA)是诊断变压器故障的常用方法,能及时发现变压器内部的潜伏性故障。为了减少卷积神经网络的训练参数,提出了一种基于全卷积神经网络的变压器故障诊断方法。将传统卷积神经网络中的全连接层用卷积层替代,实现了端对端的变压器故障输出。相较传统卷积神经网络提升了故障诊断准确率,有较强的实际意义。     

一种基于BP神经网络的就业分析预测模型

随着全球经济状况的不断变化及我国经济结构的战略性调整,各地劳动力就业市场也从原来的求职难到现在的用工荒不断发生着变化。提出一种基于BP神经网络的就业预测模型,将反应劳动就业情况的一些参数通过神经网络的BP算法,主要针对苏州市吴中区企业用工状况做一个科学合理的分析和预测,也可为当地劳动部门、企业、中介、求职者提供一个切实可行的参考模型。     

基于自我联想神经网络的谷氨酸发酵在线故障诊断

探讨了利用自我联想神经网络(AANN)对谷氨酸发酵进行在线故障诊断的有效性和实用性.自我联想神经网络是一种带瓶颈层的、5层结构的特殊神经网络.通过对发酵过程的表观变量进行适当筛选,将某些变量输入到AANN网络中进行训练,发酵过程的关键特征特性可以在瓶颈层得到提取,不同性能的发酵过程可以得到聚类.优化得到的AANN网络可以对谷氨酸发酵进行及时、准确的故障预判,从而为排除故障、尽可能快地恢复发酵性能提供信息.     

基于神经网络的甘蔗制糖结晶过程预测

本文针对甘蔗制糖结晶控制过程中由于传感器失灵引起的变量及参数不可测的问题,建立一个甘蔗制糖结晶过程的神经网络模型。该模型以温度、锤度和纯度一些主要变量为输入,煮糖的结晶速度为输入。用一组历史数据作为学习的样本,根据ＢＰ算法对网络的权值进行训练,以达到逼近实际煮糖过程的目的。这样就可以间接得出蔗糖的结晶速度,从而可以控制制糖的时间,便于实现制糖的自动化。