基于改进PSO-BP混合算法的电力变压器故障诊断

采用粒子群算法和反向传播神经网络建立一种新型变压器故障诊断网络模型,设计故障诊断方法.仿真分析结果表明：基于该网络模型的诊断方法与传统的三比值法相比较,具有较好的故障识别与分类能力,显著提高了诊断准确率,将在电力设备故障诊断中有良好应用前景.     

智能监控中的神经网络模型及提高应用效能的方法

探讨了选取人工神经网络的误差反向传播（ＢＰ）模型应用于智能监控的优点；讨论了将其应用于制造系统的监控和诊断时应注意的问题；提出了旨在提高ＢＰ模型应用效能的方法即“最有效特征量原则”和“分步式”诊断流程。     

基于神经网络的被测量重构方法研究

提出了基于神经网络的被测量重构方法 ;针对神经网络中误差反向传播算法收敛速度慢的问题对目标函数等三方面进行了改进 ,将改进的多层前向网络、误差反向传播算法用于被测量重构。在实际的测量系统中 ,进行了仿真研究 ,结果表明 ,神经网络用于被测量重构 ,方法是可行的 ;解决了重构之前建立数学模型问题和多影响量情况下的被测量重构问题。     

基于人工神经网络的低压电器故障诊断的研究

基于低压电器常见故障的诊断过程,根据反向传播算法（BP算法）原理,以低压电器常见故障模式、原因为基础建立了低压电器常见故障人工神经网络关系模型,并将模型应用于低压电器常见故障实例诊断。     

BP神经网络在织物风格评价中的应用

探索人工神经网络在织物风格评价中的应用,基于反向传播神经网络模型（BP）建立了四层网络系统基于算是 物风格信号,实验表明,经过学习训练,系统具有较强的自适应模式识 能力,可以有效解决织物风格评定问题。     

改进胶囊网络的滚动轴承故障诊断方法

针对滚动轴承工作环境噪声复杂,振动信号信噪比低且呈现非平稳和非线性的特点,以及传统诊断方法在噪声环境下分类诊断准确率低等问题,提出一种基于改进胶囊网络特征提取结构和反向传播损失值计算方法的滚动轴承故障诊断模型.应用多尺度卷积核Inception结构和空间注意力机制,替代传统胶囊网络单一卷积层进行特征提取,得到不同尺度下...     

基于融合判决的智能用电无线传感器网络拥塞避免路由算法北大核心

作为智能用电通信网的补充和延伸,具有集中式流量特性的无线传感器网络容易出现拥塞,影响智能用电通信业务的服务质量。针对该问题,提出一种基于融合判决的拥塞避免路由算法。该算法以前向传播邻居节点的缓存队列长度、剩余能量和到基站距离三个特征参量为依据建立隶属度函数,对其进行融合判决并根据判决结果选择下一跳节点。仿真结果表明,与现有的典型拥塞控制路由算法相比,该算法有效提高了无线传感器网络吞吐量,并延长了网络的生命周期。     

模拟电路故障诊断的神经网络模型研究

对一类较典型的模拟电路进行了神经网络的研究和建模,分别建立了基于反向传播BP网络、径向基函数RBF网络和支持向量机SVM的故障诊断模型,分析和比较了3类模型在电路故障中的不同性能,并提出不同模型在诊断过程中对应不同故障诊断策略的观点.结果表明:SVM模型的诊断精度较高,在处理不确定信号时SVM和RBF模型表现为"视低"策略,而BP模型表现为"视高"策略,这为实际电路故障诊断模型的选择提供了一定的研究依据.     

基于融合判决的智能用电无线传感器网络拥塞避免路由算法

作为智能用电通信网的补充和延伸,具有集中式流量特性的无线传感器网络容易出现拥塞,影响智能用电通信业务的服务质量。针对该问题,提出一种基于融合判决的拥塞避免路由算法。该算法以前向传播邻居节点的缓存队列长度、剩余能量和到基站距离三个特征参量为依据建立隶属度函数,对其进行融合判决并根据判决结果选择下一跳节点。仿真结果表明,与现有的典型拥塞控制路由算法相比,该算法有效提高了无线传感器网络吞吐量,并延长了网络的生命周期。     

基于嵌入式系统的BP神经网络及其在模拟电路故障诊断中的应用

针对模拟电路故障的实时诊断问题,提出使用嵌入式系统实现BP神经网络进行诊断的解决方案。对诊断系统的芯片选择、系统架构、诊断流程、训练算法等问题进行了研究,提出使用STM32芯片作为核心芯片以及加入动量项的反向传播算法进行训练的策略,明确了系统的结构及运行流程。最后使用设计的系统分别进行了线性和非线性模拟电路的故障诊断实验进行验证。实验结果表明,基于嵌入式系统的BP神经网络能够有效及时地诊断出模拟电路的故障。     

基于遗传算法的BP神经网络服装销售预测方法

针对服装企业产品销售的复杂性以及特殊性,提出一种有效的神经网络学习模型. 在对服装销售影响因子分析的基础上建立销售预测网络模型,利用遗传算法对后向传播神经网络的各连接权值进行优化计算. 方法综合了后向传播神经网格和遗传算法两者的优势,既具有神经网络强大的学习能力,又具有遗传算法的全局搜索能力.     

The development of a knowledge base in an expert system based on the four-layer perceptron neural network

Owing to continuous production lines with large amount of consecutive controls, various control signals and huge logistic relations, this paper introduced the methods and principles of the development of knowledge base in a fault diagnosis expert system that was based on machine learning by the four-layer perceptron neural network. An example was presented. By combining differential function with not differential function and back propagation of error with back propagation of expectation, the four-layer perceptron neural network was established. And it was good for solving such a bottleneck problem in knowledge acquisition in expert system and enhancing real-time on-line diagnosis. A method of synthetic back propagation was designed, which broke the limit to non-differentiable function in BP neural network.     

BP神经网络的遗传优化及其应用研究

针对BP神经网络具有训练速度慢、容易陷入局部极小值的特点,在分析其训练算法本质的基础上,提出将遗传算法（GA）引入神经网络训练,优化神经网络的权值和闽值,充分发挥遗传算法的全局寻优能力和BP算法的局部搜索优势,形成了一种新的GA—BP神经网络．应用实例仿真结果表明,GA—BP神经网络具有全局搜索、快速收敛的特点,建立的模型具有较高的预测精度和良好的泛化能力．     

基于人工神经网络的SS400钢板力学性能预测

寻求微观组织与性能的定量关系一直是研究开发离线与在线预测系统的关键问题，针对热轧带钢SS400性能预测系统，提出了基于Matlab神经网络工具箱的神经网络解决方案．该模型采用前向神经网络，在利用BP算法的基础上，为了克服常规BP学习算法的缺陷，Matlab神经网络工具箱对常规BP算法进行了改进，采用更有效的数值优化方法，如Levenberg—Marquardt优化方法，建立了化学成分和生产的主要工艺参数与产品力学性能之间的关系．结果表明影响板带屈服强度、抗拉强度和延伸率三者的显著因素为钢板厚度和含碳量．     

A fuzzy neural network evolved by particle swarm optimization

A cooperative system of a fuzzy logic model and a fuzzy neural network(CSFLMFNN)is proposed,in which a fuzzy logic model is acquired from domain experts and a fuzzy neural network is generated and prewired according to the model.Then PSO-CSFLMFNN is constructed by introducing particle swarm optimization(PSO)into the cooperative system instead of the commonly used evolutionary algorithms to evolve the prewired fuzzy neural network.The evolutionary fuzzy neural network implements accuracy fuzzy inference without rule matching.PSO-CSFLMFNN is applied to the intelligent fault diagnosis for a petrochemical engineering equipment,in which the cooperative system is proved to be effective.It is shown by the applied results that the performance of the evolutionary fuzzy neural network outperforms remarkably that of the one evolved by genetic algorithm in the convergence rate and the generalization precision.     

混合神经网络在泵站机组故障诊断中的应用

分析了专家系统ES和前向神经网络MLP对新事件的识别能力的不足 ,探讨了神经网络的数学模型和数学结构 ,建立了MLP和ART1相结合的混合型神经网络模型 ,以实现故障模式的有效识别 .在泵系统故障诊断与监测中的应用表明 ,混合型神经网络能可靠地进行水泵机组故障模式的识别 .     

一种新的多层前馈网络学习算法

基于权值解耦思想，本文提出一种新的多层前馈网络学习算法，该学习算法的收敛速度比ＰＢ学习算法快，且比并行递推预测误差学习算法有更好的数值稳定性，文中论述了它与别的学习算法之间关系，并选取神经网络对非线性系统建模的例子进行仿真，说明新算法的有效性。     

电力变压器故障诊断的人工神经网络方法

电力变压器故障诊断对变压器、电力系统的安全运行有着十分重要的意义．在介绍人工神经网络（ANN）和模糊理论的基本工作原理的基础上,针对变压器故障诊断的特点,运用油中溶解气体分析法（DGA）,采用分块化的反向传播神经网络（BP）,建立了变压器故障诊断的神经网络模型．通过训练和实际测试,表明了这一方法的有效性和可行性．     

Tent混沌和变邻域局部搜索优化的GSA

针对引力搜索算法存在的易陷入局部最优、精度有待提高等问题,提出一种Tent混沌和变邻域局部搜索优化的引力搜索算法。首先改进Tent混沌,利用其遍历均匀性、随机性初始化种群,增强算法的全局搜索能力;然后改进粒子速度和引力系数公式,加快算法的收敛速度;最后设计一种基于莱维飞行的变邻域局部搜索策略,引导种群脱离局部最优,提高寻优精度。仿真结果显示,新算法能有效地抑制局部最优,相较其他测试算法有更好的寻优精度和稳定性。利用新算法优化径向基函数神经网络,对非线性系统的辨识结果证明,改进后的径向基函数神经网络比标准径向基函数神经网络和反向传播神经网络具备更好的模型逼近能力和泛化水平。     

基于改进粒子群优化的神经网络及应用

为了克服粒子群算法的早熟收敛,提出了一种改进的粒子群算法用于神经网络训练。该算法对种群进行均匀初始化,用多个粒子的信息引导个体的更新,以保证全局搜索的有效性,同时引入随机算子对陷入局部最优的粒子进行变异,提高了算法的寻优性能。将改进粒子群算法训练的神经网络应用于IRIS模式分类问题和短期电力负荷预测,与BP算法、遗传算法及粒子群算法比较,该算法在提高误差精度的同时可加快训练收敛的速度。