基于三色法和BP神经网络的回转窑温度检测

回转窑内的燃烧是个非常复杂的过程,针对以往温度测量的不足,根据三基色原理和Plank定律建立三色测温公式,结合光学技术和图像处理技术, 提出了一种基于BP神经网络模型的温度场测量方法. 同时给出系统的软、硬件的设计及工程实现. 实验结果表明,该系统简便实用,与传统测量相比,它具有测量精度高和适应性强等优点,可满足系统温度场的在线检测,并能对炉内的燃烧状况做出符合实际的评价.     

基于BP神经网络算法的手写数字识别技术研究

BP神经网络由于具有高度的并行结构和并行处理能力,以及固有的非线性特性和自学习、自组织、自适应能力等,特别适合应用于模式识别。以BP神经网络为背景,研究手写数字识别技术,在考虑诸多因素的情况下,最终设计一种能够提供良好识别的方法。根据研究目标,设计BP神经网络模型,并针对BP神经网络的缺陷提出BP神经网络算法的改进,提高了神经网络的性能。MATLAB仿真实验表明,改进后的BP神经网络可以对手写数字进行快速、准确地识别,具有广泛的应用前景.     

基于BP神经网络模型的温度预测方法

车间里特定高温环境下对多点的温度监测数据是风机是否工作的重要参数。为了能更好地保护风机,提出一种基于BP神经网络来分析预测温度变化趋势的方法,达到了减少风机工作时间,延长风机寿命的效果。     

基于BP神经网络的沥青混合料级配检测研究

为了准确、简便检测沥青混合料的设计级配,基于图像处理,通过改进电子筛分方式,将集料颗粒的平面形状分为三类分别进行统计,得到沥青混合料的平面级配,然后使用BP神经网络对沥青混合料的设计级配进行检测,以不同粒径粗集料的平面级配作为输入层,以不同粒径粗集料的设计级配作为输出层,对200组归一化处理后的平面级配进行神经网络训练和测试。结果表明:改进后的电子筛分方式较直接使用等效直径法和等效椭圆短轴法检测沥青混合料级配具有更高的正确率;使用BP神经网络对设计级配进行检测,各粒径的平均正确率分别为88.1%(4.75 mm),91.2%(9.5 mm),93.8%(13.2 mm),95.1%(16 mm),100%(19 mm),平面级配与设计级配的相关性较好。该方法为沥青混合料的级配检测提供了一种新思路。     

基于BP神经网络的彩色温度软测量

高温物体的温度不同,通过数码相机摄取的高温物体的颜色也不同,由此提出一种基于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神经网络的水分检测数据处理

由于电容式粮食水分检测中影响检测的因素较多,检测精度很难取得令人满意的测量效果。介绍了采用BP网络进行水分检测数据处理方法,给出了一组具体的试验数据及处理结果。结果表明通过BP网络的数据处理,粮食水分的检测精度得到了改善。     

基于BP神经网络的工业视觉检查系统研究

研制了一套能在生产线上自动检查产品形状、尺寸及缺陷的工业视觉检查系统．在模式识别阶段采用BP神经网络,并针对BP算法的局限性,给出了一种改进的BP算法．采用有导师学习方式,并选取一种新的误差函数,根据训练过程中的样本情况,动态、系统地调整其参数．实验结果表明,该系统可正确识别工业生产线上的零件,有效地提高生产率和保证产品的质量．     

基于炉区分段的BP神经网络钢坯温度预测

利用神经网络可以逼近任意非线性系统的特点,建立加热炉内钢坯温度预报模型。由于钢坯的边界热流系数和热传导系数、比热、重度等物理参数都是随温度变化的函数,所以,按加热炉的分区采用多个BP神经网络进行分段预测,以适应钢坯的物理参数的变化。仿真结果表明:所建模型简单,精度高,能满足工程实际需要。     

基于二维小波变换和BP神经网络的织物疵点检测方法

采用了二维离散小波变换对织物图像进行处理，根据小波变换后高、低频分量的特点，提取分解子图像的特征值，送入BP神经网络进行识别，从而实现织物疵点的检测。     

基于BP神经网络的钢铁分选仪裂纹检测

将BP神经网络技术用于钢铁件缺陷分析,以钢铁件裂纹为研究对象,选取了8种影响裂纹的因素,在实验设计的基础上,用BP人工神经网络对所得实验结果进行了分析,并且用图形化方式直观地表达了出来。根据实验结果,BP神经网络模型能较准确地预测出钢铁缺陷,从而为研究裂纹检测提供了一种新的有效手段。     

基于BP神经网络的动态交通流量预测

本文通过对BP神经网络和影响交通流量因素的分析,采用Windrow-Hoff学习算法、Kolmogorov定理和trainlm训练方法,实现对长春市开运街和湖西路路段动态交通流量的预测.     

基于BP神经网络的车型分类器

针对车型特征,提出了一种基于BP神经网络的识别方法．从图像中提取车型特征向量,用BP神经网络设计分类器,并进行有效的训练与测试．应用改进的BP算法（尺度化共轭梯度法）对网络进行训练,使网络很快得到收敛,解决了一般算法收敛慢的缺陷．     

基于Gabor滤波器和改进BP神经网络的人脸检测方法

提出一种基于Gabor滤波器和改进BP神经网络的人脸检测方法.该方法首先利用Gabor滤波器空间位置与方向选择特性,采用8种方向Gabor滤波器提取人脸样本图像特征;然后把基于Gabor滤波器的特征向量作为人脸/非人脸分类器输入,并用PCA方法对特征向量降维;最后利用已降维的特征训练改进的BP神经网络.仿真实验表明,该方法比单一使用Gabor滤波器和单一使用BP神经网络检测率高.     

BP神经网络的硬件实现

本文提出了一种采用ＭＯＳ晶体管的电流模式连续时间模拟ＢＰ神经网络的硬件实现新方法，硬件系统适合利用ＶＬＳＩ技术，具有片人误差反向传播学习功能，能简经ＢＰ新算法修正权值，对所设计的电路提供了ＰＳＰＩＣＥ仿真结果，结果表明硬件实现方法的可行性。     

基于BP神经网络和TOC的工程造价预控研究

为了有效控制工程造价,使建设投资确定,运用BP神经网络对工程造价进行预测,以预测结果对工程量清单计价模式进行优化,再以优化的工程量清单计价模式为计价依据,通过TOC理论对工程造价进行控制.以六条高速公路为样本数据,其中一条为检测数据,运用BP神经网络仿真,建立仿真模型.通过十三次迭代,模型顺利拟合,并且代人样本检测数据的输出结果与实际吻合.再以检测数据的输出结果为依据对这条高速公路进行TOC理论优化,最终相比优化前工程决算总额减少了2 072.6万元,降低了1%.     

基于BP神经网络的变电站光纤断点检测研究

针对传统光纤断点检测效率低等问题,建立基于BP神经网络的智能变电站光纤通信网络断点模型,把各种类型的光纤断点故障信息储存在检测器中,形成基于BP神经网络的专家检测系统,对光纤链路进行检测.仿真结果表明,该系统能快速、准确地对智能变电站的大型光纤网络进行检测.     

基于BP神经网络模型的水质评价及预测

利用BP神经网络模型对水质的评价及预测进行了研究,克服了传统评价方法工作量大,而且主观性较强的不足,测评结果客观、准确,过程中不需要对监测数据进行很复杂的预处理,工作量小。     

基于BP神经网络的车牌字符识别

自动车牌识别作为高精度的车辆识别中的核心技术,在智能交通中发挥着日益关键的作用．构建一种改进的BP神经网络识别车牌字符,并在VC＋＋6．0环境下测试,实验结果表明系统具有良好的有效性,并能满足实时车牌识别的要求．     

基于BP神经网络的中国人口预测

本文基于中国统计年鉴1990—2010年中国人口数据,通过建立BP神经网络模型,对中国人口进行了预测。结果表明,神经网络预测数据相对误差不到0.01%,比传统预测方法精确很多,根据该模型预测,中国人口将在2050年达到峰值14.5亿左右。     

基于BP神经网络的工程项目风险评价

工程项目风险评价是工程项目管理的一个重要环节,将神经网络理论引入工程项目风险评价,建立了工程项目风险评价的BP神经网络模型,并通过实例对模型进行了验证。