压电振动系统的神经网络建模和预测研究

本文应用MATALB／XPC实时仿真工具测量了贴有压电元件的复合材料薄壁结构的振动响应。并对其进行神经网络的离线建模和预测。比较了几种网络的优缺点。选择了引进外部反馈的前向BP网络作为非线性系统建模的方法，有望推广用于智能结构的健康监测和振动主动控制。     

BP神经网络在矿井涌水量预测中的应用

矿井涌水量问题受到多种因素的共同影响,具有非线性和高度复杂性。应用BP神经网络,结合工程实例,采用了两种不同的输入神经元构造方法来构建涌水量神经网络预测模型。首先收集了陕西大海则煤矿某个钻孔自1999~2008年7月份的涌水量数据,然后利用这些数据对已经构建好的神经网络进行训练,并用训练完成的网络进行涌水量数据预测,最后与实际值进行比较。结果表明:两种模型都可以完成预测工作且易操作,但是在预测精度上有差异。     

系统识别在摩擦学中的应用

系统识别是以统计学为基础的数据处理方法,它通过系统在试验或运行中的信息(输入一输出信号)来建立系统的数学模型并估算其参数。随着计算机科学、计算技术和测试技术的发展和普及,系统识别也得到了迅速的发展和广泛的应用。目前,系统识别已形成为一门极其重要的学科。     

动量因子BP神经网络算法在设备故障预测中的应用

设备故障预测是设备预防性维护的重要组成部分。本文针对传统方法处理设备故障预测的不足,采用动量因子BP神经网络算法来预测设备状态。通过网络学习和诊断实验表明:动量因子BP神经网络算法不仅能解决设备故障预测的非线性问题,而且预测结果非常准确、误差精度较高、收敛速度较快。     

BP神经网络在摩擦学设计计算中的应用

用双隐层ＢＰ人工神经网络,建立了丝杆螺母副的磨损率与滑动速度关系的数学模型。该模型可用于准确地计算丝杆螺母副和蜗轮蜗杆副的磨损率,可十分方便地用于摩擦学程序设计。采用Ｌ－Ｍ规则进行神经网络学习训练可使网络收敛快,误差小。风络输出结果与实验结果比较有极好的吻合性。该神经网络为工程设计人员,在摩擦学设计时提供有效的计算工具。     

BP 网络在基于知识的摩擦学设计中的应用

在众多神经网络模型中，ＢＰ网络是比较成熟且应用较为广泛的一种。为此，本文选用ＢＰ网络作为基本网络模型，分别从知识表达、知识获取、综合评价方面研究了ＢＰ网络在基于知识的摩擦学设计中的应用。     

基于BP神经网络的销售预测分析系统

销售预测是企业预算管理的基础,对企业的发展和正常生产有着非常重要的作用。首先建立了一套销售预测分析模型系统,对销售历史数据进行统一管理,利用销售预测分析模型给出预测结果报表。同时,建立了基于BP神经网络的预测分析模型。最后,将该系统在某电器厂进行应用,并通过与传统预测方法指数平滑法的比较,验证了该系统的实用性和预测模型的准确性。     

基于改进算法的BP神经网络在水轮机组建模中的应用

水轮机组的出力与进入机组的水流量成正比,一般通过控制导叶开度来控制水轮机的流量。然而,导叶开度与水轮机的出力之间呈严重的非线性关系。为保证水轮机组稳定运行,建立开度与出力之间的关系模型十分有意义,但两者关系的非线性使建模工作变得比较困难。BP神经网络作为一个先进智能算法常被应用到非线性建模中,现利用2种改进的BP算法对某水电站采集的有关数据进行训练,辨识出开度与有功功率的关系模型,最后通过测试数据验证模型的准确性,证明BP神经网络在建模中应用的可行性。     

基于BP神经网络预测的马铃薯晚疫病预测系统

马铃薯晚疫病是对马铃薯种植危害最大的病害之一,这种病现在还没有很好的根冶办法,只能以预防为主.BP神经网络在预测控制中有着极其广泛的应用,本文首先介绍了BP算法及网络隐含层与结点数的相关问题,然后说明了利用神经网络预测实现的马铃薯晚疫病预测系统,系统采用BP神经网络算法,以气象数据等作为预测的输入,达到预测马铃薯晚疫病流行程度的目的.     

BP神经网络在财务失败预测的应用

采用了改进的BP神经网络对企业的财务状况进行了仿真预测，并与证券交易所公布的结果做比较，验证了其可靠性。     

BP神经网络在拟人机器人步态稳定性中的应用

步态稳定是拟人机器人行走研究中的重要课题。介绍了零力矩点与稳定行走的关系,并假设机器人脚底装有力传感器。采用BP神经网络建立拟人机器人步态稳定的模型,仿真结果表明该方法简单易行,能够提高机器人步态稳定的实时性。     

BP神经网络在拟人机器人步态稳定性中的应用

步态稳定是拟人机器人行走研究中的重要课题。介绍了零力矩点与稳定行走的关系，并假设机器人脚底装有力传感器。采用BP神经网络建立拟人机器人步态稳定的模型，仿真结果表明该方法简单易行，能够提高机器人步态稳定的实时性。     

梯度法与BP神经网络的结合在机械优化设计中的应用

利用传统的优化设计方法 ,为BP神经网络的学习提供足够样本集 ,通过正向传播和误差反向传播建立BP神经网络的拓扑结构 ,实现了将BP神经网络应用于机械优化设计中 ,提高了优化的收敛速度。     

用BP神经网络预测数控铣削变形

铣削变形问题一直是影响薄壁件加工精度的瓶颈问题。由于引起铣削变形的因素较多以及铣削过程本身的复杂性,使得铣削参数与变形量之间的关系很难用准确的解析式来表示。因此借助神经网络的非线性映射能力,建立了变形量与铣削参数之间的非线性映射模型。结果显示:所建立的神经网络模型具有较高的精度和良好的泛化能力。该研究为进一步的铣削参数优化提供了保障。     

基于BP神经网络的齿轮故障诊断系统研究

对ＢＰ神经网络在齿轮故障诊断中的模式表达、网络拓扑及其相关参数等问题进行了探讨;并利用ＢＰ 网络对齿轮四种典型的故障模式进行训练学习和诊断,取得了满意的效果。结果表明：ＢＰ 神经网络是实时地解决齿轮故障中复杂的状态识别问题的一种有效工具     

摩擦制动系统摩擦表面的摩擦学研究

基于系统分析的方法,建立了摩擦制动系统的摩擦学模型,分析了系统结构随时间和外界条件变化的特牲。对摩擦表面的摩擦学行为作了系统的分析,揭示了制动过程中摩擦力在不同条件下的组成机制。     

磁流体润滑的BP神经网络模型

本文利用Matlab建立了磁流体边界润滑时，摩擦系数与外加载荷，磁场，纳米粒子浓度以及摩擦副材料硬度之间关系的BP神经网络模型，并利用L－M算法对网络进行了优化训练，所得到的网络收敛速度快，误差小。网络输出结果与实验结果相比较，具有较好的吻合性。     

神经网络在温度控制系统中的应用

与常规控制方法相比较，神经网络控制系统有许多典型的先进特性，介绍了一些人工神经网络的基本概念及学习算法，最后，将神经网络PID控制器取代基本PID控制器用在浴室水箱温度控制中，仿真结果表明这种控制方法有很好的控制效果。     

摩擦学设计知识获取系统的神经网络方法

研究了汽轮发电机组轴承转子系统摩擦学设计知识获取的神经网络方法，通过分析ＢＰ网络权重，得到网络输入与输出的函数关系，并定义了关系系数Ｃ．由关系系数Ｃ的大小和正负可以确定输入与输出的关系。