基于BP神经网络的彩色温度软测量

基于高温物体的温度不同,与之相对应通过数码相机摄取的高温物体的颜色也不同,提出一种神经网络的图像颜色测温方法.选取RGB模型的R、G和B作为模式特征向量,用BP网络拟合高温物体的颜色和温度之间的非线性关系.实验结果表明,该方法精度高,运行速度快,切实可行.     

基于BP网络和专家系统的铝电解槽分层故障诊断

针对铝电解槽故障种类繁多和不易诊断的问题,设计了基于BP网络和专家系统的分层故障诊断系统,包括前层分类和后层预报;通过对槽电阻信号的频谱分析,提取了故障特征信息,并对故障进行分类;建立了基于BP网络的前层分类器,用于诊断特征显著的故障;制定了故障诊断和控制规则,完善了专家系统的知识库,根据前层分类结果对余下故障进行诊断;通过制定规则,将前层分类和后层预报相结合,实现了故障诊断系统的整体设计;仿真结果及理论分析表明,该系统可有效预报单一及复合故障,提高故障诊断的准确率,保证铝电解槽工作状况的稳定。     

基于BP神经网络的测量系统在发酵中的应用

在微生物发酵工业生产中,为保证产品的产量及质量,需要对与其相关的过程变量进行实时的监控;然而在实际过程中,直接与生产相关的生化参数往往无法或难以用传感器直接检测,只能通过采样离线人工化验的方法得到,因此针对实际生产需要并且根据发酵的工艺需求,提出一种基于BP神经网络的测量系统,系统采用BP神经网络与主元分析以及机理模型相结合的模型,弥补了单纯采用BP神经网络的缺陷;实验结果表明,在通过有效数据处理以及发酵动力学分析后,人工智能算法能够有效准确地实现在线的菌体检测,为控制算法提供数据,大大提高了产物浓度.     

基于光纤光栅的铝电解槽温度在线检测系统

针对现行铝电解生产过程中槽壳温度检测中存在的不足,通过分析铝电解槽热传导与散失,基于光纤光栅抗电磁干扰及耐腐蚀的优点,设计了新型温度传感器,并结合时分、波分复用技术构建了单槽104点实时温度监测系统.设计的FBG传感器测温范围为-20 ℃～400 ℃,精度为±2 ℃,监测系统巡检周期为20 s.系统所测得的温度为铝电解...     

基于混合方法的BP神经网络结构优化

BP神经网络中,隐层神经元的数目直接影响着整个网络的性能和效率,因而快速确定BP网络的结构是一个重要的环节。本文通过Matlab仿真在函数逼近的对比实验表明,通过这种混合方法可以快速的确定BP神经网络的隐层神经元的数目。     

BP神经网络在红外CO2体积分数测量中的应用

环境温度对CO2气体体积分数测量的影响是不可忽视的.在CO2体积分数测量中加入温度补偿有助于提高测量装置的精度和有效性,但这很难用传统的数学模型进行温度补偿.反向传播(BP)神经网络特别适用于建立非线性温度补偿网络模型.在实际应用中证明:该方法得到了良好的效果,使CO2气体体积分数测量结果更加准确、稳定.     

基于BP神经网络的海表温度预测

海洋表面温度(SST)是全球气候重要的地理参量之一,掌握未来海表温度变化趋势有助于全球气候变化研究的开展。因此,本文提出一种基于海表温度历史数据的反向传播BP (Back Propagation) 预测模型,对南海部分海域海表面温度进行了分析,研究结果表明：训练后模型的平均绝对百分比误差MAPE为0.0183,平均误差为0.0573,误差回归直线的相关系数R达0.9767,预测值与真实的海表温度误差较小。由此可见,BP神经网络能有效地预测海表温度的总体变化趋势,为海表温度预测提供一种可行且有效方法。     

铝的温度测量技术综述

温度是铝加工过程中一个非常重要的参数.文章分析了影响铝的温度测量因素,介绍了常用的铝温度测量方法,重点阐述了辐射测温法,分析了各种方法存在的问题,展望了铝温度测量技术的发展趋势.     

BP神经网络在动态液位测量的应用

制药生产行业中连续搅拌反应釜的动态液位的测量一直困扰着生产的安全、高效地进行。利用BP神经网络高度的非线性函数逼近的能力，较为成功地解决了这一问题。介绍了BP的基本算法及其改进，并通过实验数据的学习建立了较为有效的动态液位测量网络模型。     

基于BP神经网络及模糊推理的温度预警模型研究

主要研究建立疫苗冷链物流运输过程中的温度监控预警模型,通过优化的BP神经网络算法进行温度的预测,并采用模糊推理进行有效的决策预警,旨在把冷链物流运输中可能产生的损失降到最低;仿真测试阶段通过建构一个隐藏层神经元为13个的优化BP神经网络,在Matlab中进行有效性仿真,训练回归统计R值接近于1,且得出期望输出与实际值相差无几;模糊推理系统采用trapmf隶属函数,通过仿真的规则曲面表明该规则对输入有良好的判断。     

基于BP神经网络预测气流床气化炉炉膛温度的试验研究

气流床煤气化技术,是当今煤炭清洁利用的龙头技术。控制气化炉操作温度是保证气化炉长期稳定运行的关键。本文利用三层BP神经网络,结合Matlab神经网络工具箱,分析和预测四喷嘴对置式气流床气化炉试验装置其炉膛的最高温度。将预测的结果和实验数据作比较,结果表明,该网络模型的预测值与气化炉不同负荷下最高温度试验值几乎吻合,是一种可行的数据处理方法。     

采用神经网络补偿压电陀螺的零位温漂

针对中低精度的压电陀螺静态零位输出随温度漂移严重的问题，分析了产生的原因，做了相应的实验，提出了用BP神经网络进行补偿的方法。该方法具有很强的非线性映射能力，减少压电陀螺的零位输出误差，并且将实验结果与传统的方法的结果进行比较，实验证明，在不改变陀螺结构的情况下，该方法能有效地将陀螺的静态零位温漂误差减小一个数量级以上，从而使该类型陀螺能够应用于中高精度系统中。     

基于BP神经网络和CELTS-22的网络课程评价研究

基于对人工神经网络和CELTS-22的研究,建立了以CELTS-22中主要评价规范为参照的指标体系.该系统应用三层BP神经网络结构,设计出能模拟专家进行评价的计算机辅助评价模型,可以弥补评价过程中的人为失误.     

BP神经网络在气密性检测中的应用研究

设计了一种基于差压法原理的以ARM处理器为控制核心的通用型气密性检测仪,利用BP神经网络建立了泄漏量与各个影响因素之间关系的数学模型,并利用该模型对检测数据进行处理.试验结果表明:该检测仪提高了测试精度,并满足在线检测的要求.     

基于BP神经网络的图像局部模糊测量

目的 目前模糊测量方法难以处理存在纹理平坦区域时的局部模糊测量.针对该问题,提出一种基于BP(back propagation)神经网络的图像局部模糊检测方法.方法 该方法采用所有奇异值以描述不同尺度信息随模糊变化情况,并与描述高频信息变化的DCT(discrete cosine transform)非零系数结合,实现奇异值向量和DCT非零系数个数联合的混合模糊测度,达到空频联合的模糊度描述.在此基础上,通过训练BP神经网络分类器,实现图像块模糊值预测.结果 单幅局部模糊图像实验中,较好区分纹理平坦区域和模糊区域的模糊程度;多幅局部模糊图像的统计实验中,召回率-准确率(RP)评估曲线显示在相同召回率下准确率较其他方法高.结论 该方法可以较准确地实现局部模糊图像(特别是存在纹理平坦区域的局部模糊图像)的模糊测量.     

基于BP神经网络的正四面体阵列声源定向研究

针对利用正四面体麦克风阵列获取的时延值实现目标声源跟踪这个问题,提出了一种基于BP神经网络的声源定向方法。设计了一个含有双隐层的BP神经网络,使用Matlab神经网络工具箱进行仿真实验,证明可以实现远场和近场的声源定向,进而进行声源跟踪,有较高的实用性。     

基于 BP神经网络的 X光图像畸变校正技术的研究 *

为解决基于图像导航的机器人辅助外科手术过程中 X光图像的畸变特性问题 ,提出了一种新型的基于 BP神经网络的 X光畸变图像校正方法。该方法首先从一个标准模板的 X光畸变图像中提取标定样本位置信息作为神经网络输入 ,以模板的标定样本真实位置信息为神经网络输出 ,构建 BP神经网络。该 BP神经网络能够实现畸变图像与真实模板之间的映射关系 ,从而达到图像畸变校正的目的。最后通过机器人辅助髓内钉锁孔实验对该方法进行了实验验证 ,证明了该方法的有效性。     

BP网络与RBF网络在感官评估中应用比较

介绍BP网络与RBF网络的方法原理以及二者在感官评估中的应用.利用企业提供的单料烟感官数据设计建立BP网络和RBF网络模型,并利用模型预测单料烟感官质量指标,然后通过行业专家提供的符合度公式对建立的模型进行评估,评估结果以百分比的形式展示.实验结果表明:在感官评估应用中,RBF网络模型预测性能优于BP网络模型.     

基于BP神经网络的天平校准数据处理方法研究

针对天平校准公式拟合法方,提出了基于BP神经网络的公式拟合方法。分析了典型的3层BP神经网络的结构,论述了其应用于天平公式拟合的可行性。讨论了常规多项式公式拟合方法以及BP神经网络的公式拟合方法,并给出了BP神经网络的训练过程和使用方法。最后通过一组天平校准数据对BP神经网络进行训练,并给出拟合结果。     

基于BP神经网络的人脸检测AbaBoost算法

人脸检测在日常生产和应用非常重要。本文提出了一种基于BP神经网络的AdaBoost人脸检测算法。首先,使用BP神经网络代替YCbCr高斯模型建立肤色模型。同时,针对AdaBoost算法提出了一种新的权值更新方法。在权值更新中引入阈值与样本之间的距离。另外权重有一个边界值。最后,利用BP神经网络提取图像中的肤色候选区域,并采用改进的AdaBoost算法对图像中的人脸进行精确检测。实验结果表明,利用BP神经网络和改进的AdaBoost算法的新的解决方案比现有的方法具有更高的精度。