钢包回转台大臂损伤诊断

本文应用人工神经网络模型,以结构的固有频率为特征参数,对钢包回转台大臂上出现的裂纹损伤深度进行了诊断和预测研究,结果表明利用神经网络技术对工程结构进行裂纹损伤故障的联合诊断和预测分析是切实可行的。     

结构腐蚀损伤定量预测方法对比研究

用BP人工神经网络(artificial neural简称ANN)算法分别对飞机结构材料、lCrl7不锈钢腐蚀损伤数据进行学习训练，建立了腐蚀损伤与环境条件的映射模型，并预测腐蚀损伤值。分析了三种预测方法的预测精度。得到了ANN预测的精度比灰色GM(1，1)模型及Logistic模型的预测精度高，且对数据有较好的适应能力的结论；采用ANN技术定量预测飞机结构腐蚀损伤是一种较好工程方法。     

基于失效树理论的结构多位置损伤检测方法

在某一确定荷载作用下,结构不同部位的失效概率是不同的.为此提出了基于失效树理论进行人工神经网络样本采集的方法.在此基础上,采用人工神经网络和遗传算法进行结构动力损伤定位和损伤程度的估计.算例分析表明:基于失效树理论可以有效地减少训练样本的大小,从而有效的进行结构多损伤情况下的损伤检测分析.     

基于压力波的柴油机喷油器故障诊断研究

柴油机喷油器故障直接影响到燃油的喷射质量，导致燃烧过程恶化，影响柴油机的性能指标。通过实验模拟喷油器的典型故障，用外卡式压力传感器测取高压油管的燃油压力波，并利用人工神经网络模型进行了故障诊断。结果表明，该方法可实现柴油机喷油器不解体诊断。     

基于神经网络的镍基高温合金蠕变断裂寿命研究

利用人工神经网络，使用BP算法对镍基高温合金蠕变断裂寿命进行研究。建立不同成分镍基变形合金在不同温度下，外应力与蠕变断裂寿命之间关系模型，并进行网络训练，对合金的蠕变断裂寿命进行模拟。结果表明，模拟结果与实测结果符合良好，采用人工神经网络方法可以为镍基变形合金蠕变断裂寿命的预测提供一种有效的手段。     

波信号的解调和人工神经网络的损伤识别算法(英文)

讨论了基于波信号的解调和人工神经网络的损伤识别算法,以及其在Lamb波信号的应用。Lamb波与损伤相互作用,将修改回波信号,从该信息提取相关的损害信息可用于自动损伤检测。然而,由于该波与损害相互作用的复杂性,波信号的反应是不容易解释。反应的波信号被认为是一个高频率载波信号调制的低频信号。基线减法后,频域卷积和滤波,原来的信号解调成一个新的简单的信号,其与因损伤发生的能量变化有关。随后进行特征提取,通过寻找新信号的局部极大值和所取得的峰值和位置将作为人工神经网络的损伤特性的输入。这种损伤检测验证算法的有效性,通过一个带缺口复合材料层压板缺损模型利用有限元进行验证。对不同缺口深度和位置的反应波信号用于模拟和训练和测试的样本。最后,对网络的精度和泛化能力进行评估,结果是令人满意的。     

人工神经网络技术在电工产品可靠性实验中的应用(理论部分)

本文简要介绍了人工神经网络，BP神经网络的结构、训练和学习规则以及人工神经网络非线性时间序列预测的应用概况。     

BP神经网络及其在压铸模具优化设计中的应用

简述了在压铸过程中飞边产生的原因和相应的预防措施以及BP人工神经网络的基本原理，利用BP人工神经网络来预测压铸件的飞边的大小，再与模拟结果进行比较，从而达到优化压铸模具设计的目的。     

用神经网络—遗传算法优化MgO—B2O3—SiO2渣系组成

应用人工神经网络对ＭｇＯ－Ｂ２Ｏ３－ＳｉＯ２渣系组成与硼提取率关系进行拟合和预测，首次采用遗传算法对组成优化，并得到最佳硼提取率所对应的组成。     

人工神经网络预测马氏体开始转变点Ms

人工神经网络技术应用于马氏体开始转变点的研究。利用人工神经网络的反向传播(BP)算法，建立了材料的合金成分与马氏体开始转变点的网络模型，从而对马氏体开始转变点温度进行分析和预测，并与经验公式相比，该网络模型具有更高的精度，从而为预测马氏体开始转变点温度提供了新颖的方法。     

人工神经网络技术及其在板料成形智能化中的应用

本文在概述人工神经网络特性、BP网络模型及BP算法的基础上 ,对BP算法改进、训练样本及网络结构等相关技术进行了总结。重点综述了人工神经网络技术在板料成形专家系统、成形力预测、参数识别、智能控制、故障诊断、缺陷分析、板料成形性能研究和模具优化设计等板料成形智能化相关技术中的应用 ,探讨了应用中存在的问题 ,并展望其发展趋势     

基于深度卷积神经网络的轴承多故障诊断研究

针对现有研究轴承单一故障较多而研究复杂多故障较少的不足,结合卷积神经网络自动提取特征的特性,文章提出较为先进的无需人工提取故障特征的端到端深度卷积神经网络方法进行轴承多故障诊断。与基于人工提取故障特征的神经网络故障诊断方法相比较,该方法提高了轴承多故障诊断的精度,并有效区分故障发生位置,可为工业应用提供可靠的理论实验依据。     

用神经网络算法预测氢蚀孕育期

利用神经网络的分析方法，对高温氢腐蚀进行分析建模，综合考虑温度、氢分压和氢腐蚀孕育期之间的关系，为准确的数学建模、预测设备的使用寿命和相应专家系统的研制开拓了新的思路。     

复合正交柔性神经网络及其应用

针对目前神经网络所存在的不足,提出一种带参数的单极性Sigmoid函数的柔性复合正交神经网络,并给出相应的参数学习算法,这种柔性复合正交神经网络不仅扩大了网络辨识模型的能力与学习适应性,而且算法简单,学习收敛速度快,有线性,非线性逼近精度高等优异特性。以模型辨识作为应用实例,仿真结果表明,其算法是有效的,柔性神经网络能提高正交神经网络的性能。     

用反向传播人工神经网络预测低碳低合金钢的马氏体转变开始温度

根据收集和整理的实验数据，建立了低碳低合金钢的成分与马氏体转变开始温度(M.点)的反向传播(BP)人工神经网络，用这种方法预测了一些钢的M.点，并与用其它经验公式得到的结果进行了比较．结果表明：用人工神经网络能更精确地预测钢的M.点，预测精度明显高于其它线性经验公式．另外用正交实验法设计了几种基准成分的钢，用人工神经网络分析了几种合金元素对M.点的定量影响，计算结果表明，与传统的经验公式表达的信息不同，合金元素的含量与钢的M.点间表现为非线性关系．可以认为，这种非线性关系是由合金元素间复杂的交互作用引起的．     

人工神经网络在设备故障监测与诊断中的应用

文章综述了神经网络技术在设备腐蚀，材料失效，泄露，结垢，堵塞及其它故障监测和诊断中的应用，探讨了其优缺点，作用原理及发展前景。     

基于免疫神经网络的数控机床故障诊断研究

针对BP神经网络在数控机床故障预测中出现的收敛速度慢和训练容易陷入局部极值问题,提出一种基于人工免疫算法优化BP神经网络(IMBP)的数据机床故障诊断算法。介绍了常见的数控机床故障类型和分类,阐述了人工免疫算法和BP神经网络以及人工免疫优化BP神经网络算法的工作流程。利用免疫算法的全局搜索性能先对神经网络权值和阈值进行全局优化,加快了BP算法训练过程的收敛速度,减少训练过程所需要的时间。通过仿真性能测试分析,结果表明:与BP、GABP和IMBP 3种算法对比,比BP神经网络算法的数控机床故障预测诊断提高了18.3%,比GABP神经网络算法提高了12.05%,提高了数控机床故障诊断精度。     

基于GA-BP神经网络的气压伺服系统辨识研究

气压伺服系统控制器的优化设计依赖于准确的系统模型。针对系统的非线性问题,研究采用神经网络进行系统辨识的原理和结构;考虑传统BP算法存在局部收敛、学习速度慢的问题,采用遗传算法对神经网络的初值和权值进行优化,并采用LM算法进行网络学习,最终建立系统的神经网络辨识模型。通过仿真对比神经网络辨识结果与传统线性模型辨识结果,结果表明:基于GA-BP神经网络的辨识模型精度较高,适用于非线性系统辨识。     

基于人工神经网络的电涡流逆问题解

在涡流检测中,常利用最小方差法来进行缺陷重构,这种方法要求正问题的求解效率高。提出一种新的求解正问题方法,该方法利用人工神经网络来估计涡流检测信号,大大提高缺陷重构效率。通过对理想裂纹数值验证显示,该方法可以用数值计算方法得到学习样本对人工神经网络进行训练,并且人工神经网络在学习过程中对噪声不敏感,因而可以有效抑制噪声。