共查询到20条相似文献,搜索用时 15 毫秒
1.
汽车故障诊断需要采集汽车各系统动态信号,对采集信息进行分析处理,确认其是否属异常表现,预测故障发展趋势。提出了一种采用BP神经网络获得对ABS故障模式识别预测的方法,采用BP算法对故障样本进行分类,通过对故障实例的训练和学习,提高了ABS执行器与传感器发生故障时的行为模式识别与诊断的能力。仿真结果表明了该方法的有效性。 相似文献
2.
3.
4.
5.
针对混凝土泵车臂架结构复杂,故障频繁发生的特点,提出了一种基于BP神经网络臂架故障预测方法。臂架在工作过程中,工况参数的不同直接影响到臂架关键点应变大小。基于此,引入BP神经网络,选取臂架倾角、臂架加速度作为输入量,臂架应变作为输出量,构建了3层BP神经网络模型。通过构造试验方案获取样本数据,随机选取训练集、测试集,利用MATLAB工具对BP神经网络进行训练和验证,并对臂架故障进行了预测。实例验证了BP神经网络对臂架故障预测方法的可行性,该方法的提出相对于传统的现场监控方法更简便,并为臂架工况参数的选择提供了基础支持。 相似文献
6.
7.
准确的短期负荷预测能够减少发电机组停机备用和旋转备用,其预测效果直接影响电网的安全稳定和经济效益.针对BP神经网络初值敏感、易陷入局部最优的缺点,提出了一种改进人工蜂群算法优化BP神经网络的负荷预测方法.首先融合负荷数据与温度、湿度等天气数据并进行高斯滤波处理,再采用搜索位置更新实现人工蜂群算法的改进,利用其算法完成BP网络权值和阈值的优化,最后建立用于短期负荷预测的优化模型,并通过实例进行仿真验证.结果 表明:该改进预测模型与传统BP算法相比预测精度及收敛速度均有大幅提高,具备工程实用价值. 相似文献
8.
9.
10.
夏颖怡 《精密制造与自动化》2017,(2)
刀具的使用寿命对于刀具需求计划制定、刀具生产准备以及切削参数的设置等具有重要影响。为了准确预测刀具使用寿命,在BP神经网络中引入了一种新型遗传算法,提出了一种基于遗传算法优化的BP神经网络的刀具寿命预测方法。BP神经网络中的权值和阈值利用遗传算法进行优化处理,训练BP神经网络预测模型求得最优解。实验结果表明,基于GA-BP神经网络刀具寿命预测方法相比传统BP神经网络预测具有更高的寿命预测精度,为刀具需求制定、成本核算、切削参数的制定提供了理论依据。 相似文献
11.
针对汽车线控主动转向行驶稳定性问题,对汽车线控主动转向的控制策略和控制方法进行了研究;并对汽车的动力学模型进行了建立及简化;利用遗传算法可以克服BP网络收敛速度慢和极易陷入局部极小值等特点,提出了一种基于遗传算法优化BP神经网络的线控转向系统。通过选择典型工况,利用Carsim和Matlab/Simulink联合仿真平台对不同的控制方法进行了仿真验证。研究结果表明,基于遗传算法优化的BP网络控制对汽车主动转向控制效果较好,能使实际横摆角速度对理想的横摆角速度实现很好的跟踪,并显著提高了汽车行驶稳定性。 相似文献
12.
预行程误差的预测和补偿能够大大提高加工精度在线检测系统的测量精度.提出了一种基于BP神经网络的检测误差预测新方法,建立了一个基于BP神经网络的在线检测系统预行程误差预测模型,通过实验数据对该网络进行训练,并将训练好的神经网络应用到实际加工零件的误差预测和补偿.为了验证该方法的有效性,以一圆柱零件的圆度误差检测为例,对其加工精度的在线测量进行了预行程误差的预测与补偿,经与CMM检测结果的对比,说明了该方法的有效性. 相似文献
13.
根据空调负荷的非线性特点,提出了一种基于粒子群算法优化误差反向传播(BP)神经网络的空调负荷预测方法,针对BP网络训练容易出现麻痹和易陷入局部极值,以及其预测空调负荷时精度不够理想等现象,将粒子群算法的随机全局优化和梯度下降局部优化结合,达到改善神经网络泛化能力和提高空调负荷预测精度的目的。用该方法对的空调系统冷负荷与室外空气的干球温度、含湿量和太阳辐射照度的关系进行建模和预测,通过实例验证了该优化算法优于BP网络,能更加有效地处理动态空调负荷中的非线性问题,获得更可靠的预测结果。 相似文献
14.
针对BP神经网络存在的过拟合问题,提出了基于Pearson关联度的神经网络预测模型。将传统的基于误差反向传播的BP神经网络中的误差函数替换为Pearson关联度函数,利用梯度上升法对训练过程中神经网络的连接权重和阈值的调整量进行了推导,并为调整量添加了动量项用于提高神经网络收敛速度,然后建立了关联度反向传播预测模型,并对其权重进行了阈值限制以及增加学习率来防止过拟合。对通用数据集进行时间序列预测实验,通过与改进的RBF和BP神经网络对比,表明对于多因素时间序列的预测Pearson关联度BP神经网络的预测误差精度RMSE降低了4.02,收敛次数减少1 690代。实现了将关联分析与BP神经网络的结合,能够在保证效率的同时,解决过拟合问题,提高预测精度。 相似文献
15.
16.
17.
为了提高短期电力负荷预测的准确性,提出了一种改进型粒子群优化BP神经网络预测模型。在改进的粒子群每次迭代过程中求出种群平均适应度值,并将每一粒子适应度值与种群平均适应度值比较,当粒子适应度值劣于种群平均适应度值时,对其空间位置初始化处理,随机生成新的位置,当粒子适应度值优于或等于种群平均适应度时,保持位置不变,通过此种方式,保留了种群中优良粒子,在搜索空间不断缩小的后期拓展了搜索空间,保持了种群多样性,利用改进的粒子群算法优化BP神经网络的初始参数,再将训练样本训练BP神经网络求得最优参数。将此模型应用到河南省某地区短期电力负荷预测中,结果表明此种方法有效提高了预测精度。 相似文献
18.
针对超声参量-目标特征经验拟合方法预测金属表层裂纹深度准确性不高的问题,提出一种基于差异性与最小集合原则优选特征并训练BP神经网络的金属表层裂纹深度的声表面波(SAW)定量表征技术。该技术运用有限元法模拟激光激发SAW过程,提取裂纹引起的反射与透射SAW峰值、平均值等多个特征训练BP神经网络用以预测裂纹深度,实现不锈钢表层深度0. 1~2. 0 mm的20组开口裂纹定量表征。模拟结果表明:裂纹深度预测结果相对误差在3%以内,与经验拟合曲线预测结果相比,准确率提高60%以上。实验采用5 MHz表面波探头采集不锈钢试样表层深度1. 0与1. 5 mm预加工裂纹各20个反射波信号,通过BP神经网络预测的裂纹深度相对误差在0. 1%以内,验证了定量表征技术的可行性与准确性。 相似文献
19.
20.
提出一种利用GA-BP神经网络预测钣金折弯过程中折弯机器人机械臂末端夹持点轨迹模型的方法。通过钣金折弯实验与ANSYS仿真对比,得到最佳的仿真条件;使用参数化建模,针对不同的影响因子如钣金材料的弹性模量、屈服强度、强化系数和钣金件及上下模几何形状等,进行批量化仿真获得模型训练数据;通过对BP神经网络训练建立折弯随动模型,并引入遗传算法对BP神经网络的初始权重和阈值进行优化,解决BP神经网络存在的过拟合和局部最优问题;通过测试集进行验证评估,结果表明该折弯随动模型相对误差在0.4%以内,可满足常规折弯工艺的应用需求。 相似文献