BP神经网络在车辆类型识别系统中的应用

介绍了基于BP及其改进算法的多层神经网络的学习训练方法,阐述了噪声测量法识别车辆类型的系统原理和方法。实践证明,基于BP神经网络的噪声测量方法能够快速、准确、有效地识别汽车车辆类型。     

Estimating optical flow with cellular neural networks

The cellular neural network is a locally interconnected neural network capable of high-speed computation when implemented in analog VLSI. This work describes a CNN algorithm for estimating the optical flow from an image sequence. The algorithm is based on the spatio-temporal filtering approach to image motion analysis and is shown to estimate the optical flow more accurately than a comparable approach proposed previously. Two innovative features of the algorithm are the exploitation of a biological model for hyperacuity and the development of a new class of spatio-temporal filter better suited for image motion analysis than the commonly used space–time Gabor filter. © 1998 John Wiley & Sons, Ltd.     

一种神经网络热导气体传感器的设计

为了克服环境温度对热导气体测量的影响,设计一种基于BP神经网络的热导气体传感器。本文介绍了神经网络的热导气体传感器的测量原理和总体设计,利用BP网络实现了热导气体测量的温度和气体压力补偿。实验结果表明,提高了热导气体测量的精度和稳定性。具有较高的实用价值。     

基于BP神经网络预测静置电池的剩余电量

提出基于MATLAB神经网络工具箱预测静置电池剩余电量的方法。建立了以电池端电压和新旧程度为输入变量的BP网络,用实验数据对网络进行训练及检验。用该网络预测某型MH/Ni电池在静置状态下的剩余电量,误差小于3%。     

基于粒子群优化的BP神经网络在火电厂大气环境评价中的应用

利用粒子群优化算法对传统的BP神经网络算法改进,建立了基于粒子群优化BP神经网络的评价模型,并将其应用到火电厂大气环境评价研究中。结合粒子群优化算法的全局寻优能力和BP神经网络算法的局部搜索优势,有效防止了网络陷入局部极小值,同时能保证评价结果的准确性。火电厂实例验证结果表明:利用粒子群优化的BP神经网络模型进行火电厂环境评价不仅计算简便,而且评价结果具有较高的可靠性。     

基于改进BP神经网络的甲醇浓度间接测量方法

提出了一种直接甲醇燃料电池电堆中甲醇浓度的间接测量方法。该方法基于直接甲醇燃料电池(DMFC)电堆中单电池所表现出的电化学特性,根据电堆运行时的电流、电压和温度值,采用改进BP神经网络,实时计算出电堆中的甲醇浓度,在无需安装甲醇浓度传感器的条件下,实现了DMFC电堆中甲醇浓度的间接测量。实验结果表明该方法的相对误差精度范围为[0,1.96%],可用于微小型直接甲醇燃料电池阳极进料浓度的实时控制。     

基于改进BP神经网络的配电变电站选址研究

变电站选址是电网规划的重要组成,介绍了针对伴随科学技术和人类文明发展进步出现的新问题建立的变电站选址评价指标体系.运用加入动量项和基于SSE变学习速率的改进BP神经网络建立了变电站选址评价模型,这种智能评价方法摆脱了传统方法评价过程中人为因素及模糊随机性的影响,同时能保证评价结果的准确性,减少了变电站选址的所需经费和时间,实例运算得出令人满意的评价结果,证明了这种方法的有效性.     

Application of artificial neural networks in network calculations

Contents We describe radial basis functions as a special form of artificial neural networks and test whether they are applicable to power systems. In the application to distance protection, the dividing and filtering capability are in the centre of interest. In modelling of equivalent circuits for external networks, primarily the static case is important. In the dynamic case the research is started by using the E′ model and the Park equations for generator modelling. Received: 30 April 2001/Accepted: 22 June 2001     

BP神经网络预测控制在色素得率的应用

根据葡萄皮色素提取工艺过程中的提取剂浓度、温度、pH、时间等影响因素与输出结果色素提取率这一变量之间的非线性关系,建立了改进的BP神经网络预测模型.针对传统BP学习算法收敛速度慢、存在局部极值等不足,引入动量项以改进该学习算法.结合实际数据,运用迭代优化的控制算法对网络的权值和阈值进行不断训练并利用MATLAB进行仿真验证.研究结果证明了改进后的BP神经网络对色素提取率的预测控制具有精度高、泛化能力强,实用性强的优点,为色素得率提供了良好的理论基础和预测方法.     

人工神经网络在传动领域中的应用

从人工神经网络的统一描述及优越特性出发，论述其适用于传动领域的主要特征，概述了其在传动领域中的应用现状，并综述了作者的相关工作。     

Application of artificial neural networks in voltage stabilityassessment

Voltage stability problems have been one of the major concerns for electric utilities as a result of system heavy loading. This paper reports on an investigation on the application of ANNs in voltage stability assessment. A multilayer feedforward artificial neural network (ANN) with error backpropagation learning is proposed for calculation of voltage stability margins (VSM). Based on the energy method, a direct mapping relation between power system loading conditions and the VSMs is set up via the ANN. A systematic method for selecting the ANN's input variables was developed using sensitivity analysis. The effects of ANN's training pattern sensitivity problems were also studied by dividing system operating conditions into several loading levels based on sensitivity analysis. Extensive testing of the proposed ANN-based approach indicate its viability for power system voltage stability assessment. Simulation results on five test systems are reported in the paper     

RBF神经网络在谐波检测中的应用

有源电力滤波器补偿性能与所采用的谐波检测方式有很大的依赖关系,现有的检测方法存在精度不高、对电网频率变化比较敏感、自适应能力不强的缺点.本文提出基于RBF神经网络的谐波检测方法,具有较高的运算速度、较高的检测谐波精度,以及较强的自适应能力.     

函数链神经网络在打印机非线性校正中的应用

为了实现激光打印机非线性的自动校正,使用函数链神经网络对其非线性进行估计。研究了函数链神经网络的阶数和学习因子对其收敛性的影响。由于激光打印机的非线性非常严重,采用分段处理法,并根据收敛情况自动调整学习因子的大小。通过对比多组实验结果可知,函数链神经网络的收敛精度和速度都得到了显著提高。应用到激光打印机的非线性校正中,取得了很好的效果。     

基于混沌相空间技术的输沙量预测BP网络模型

影响输沙量演变规律的前期因素比较多,且难于确定和提取,这就造成对输沙量的拟合和预测精度较低。在对输沙量时间序列混沌特性分析的基础上,利用嵌入相空间来确定前期影响因子,建立了基于混沌相空间技术的BP神经网络模型。模型既能考虑到影响输沙量时间序列的动力因子,又能解决网络的输入单元数确定的困难和利用神经网络超强的非线性映射功能,通过对龙川江流域控制站月输沙量的拟合与预测表明其结果合理,预测精度较高。     

BP神经网络在模拟电路故障诊断中的应用

模拟电路故障诊断有很多方法,介绍一种基于BP神经网络的智能诊断方法。     

神经网络算法的改进及其在有源电力滤波器中的应用

针对有源电力滤波器的电流跟踪控制问题,设计了一种基于改进梯度算法的BP神经网络自适应PI控制器。该控制器将神经网络技术与PI参数设计相结合,与传统的PI控制器相比,该控制器具有结构简单、易于在线调整等优点。同时,为了克服采用神经网络算法修正权值系数时,会存在局部极小、收敛速度慢的问题,对BP神经网络采用的梯度算法进行改进。利用代数法代替梯度下降法,从而解决了易出现局部极小问题,且使收敛速度更快。仿真实验表明,改进后的神经网络自适应PI控制器较传统的PI控制器有更快的响应速度和更高的补偿精度,从而使系统更稳定,而且电网电流的谐波畸变率更低。     

基于遗传算法和BP神经网络的电池容量预测

为了对纯电动汽车的电池剩余电量进行准确的预测,在分析了影响电池剩余容量的多种因素后,应用了BP神经网络建立了电池模型,并应用遗传算法对其权值阈值进行了优化.最后,用MATLAB编写了仿真程序进行了多组数据的测试,并与纯BP网络进行了对比,结果表明,优化后的网络具有训练时间短,精度高的特点,对电池容量的预测是有效的.     

基于粒子群算法的BP神经网络光伏电池建模

针对光伏电池复杂难以建模的非线性特性,本文提出一种基于粒子群算法(PSO)的反向传播(BP)神经网络建模方法.神经网络具有很强的非线性拟合能力,但同时也存在收敛速度慢、容易陷入局部极值、建模精度不高等缺点.本文采用粒子群算法来优化神经网络的内部连接权值,以改善神经网络的性能,并基于这种改进的神经网络构建光伏电池动态模型...