基于神经网络信息融合的发动机磨损磨粒识别

磨粒识别和分类是铁谱分析技术在发动机故障诊断和状态监测的关键环节.针对单一神经网络模型磨粒识别的局限性,提出了一种基于不同类型神经网络信息融合的磨粒智能识别方法.首先利用径向基函数(RBF)神经网络和反向传播(BP)神经网络对磨粒进行识别,得到2组初始识别结果, 归一化后作为2组基本概率分配函数,然后利用D-S证据理论对其融合得到最终识别结果.实例计算表明,与单一神经网络模型相比,提出的信息融合方法提高了磨粒识别的区分度和准确率,并具有良好的通用性和容错性.     

基于BP神经网络的手写数字识别

数字识别是模式识别领域中重要研究方向之一,具有广阔的应用前景。文章在对BP神经网络基本原理研究的基础上,提出了利用BP神经网络方法来实现手写数字识别的方案。通过MATLAB仿真实验表明,基于BP神经网络的数字识别系统取得了良好效果。     

基于BP神经网络的复合储能式装载机工况识别及控制器匹配

复合储能式装载机具备多种能量回收再利用功能,但由于工作工况复杂多变,无法选择与之匹配的最优控制器,使得其控制性能和经济性能并未达到最优。利用基于BP神经网络的识别模块进行工况识别,并依此匹配相应控制器,然后通过整车仿真模型进行仿真,结果表明,整车控制性能和经济性能均得到显著提升。通过dSPACE进行硬件在环试验,试验与仿真结果基本一致,验证了优化切实有效,为整车控制器的设计优化提供了参考。     

改进的航空发动机内积神经网络辨识模型

根据样本空间的内积特性，在输入样本中引入快变参数的导数项，提出了一种无需迭代学习的内积神经网络。以某型航空发动机的机载记录数据为例，对发动机进行了建模，计算表明该模型自学习速度快，计算简便，抗干扰能力强，且精度较高。     

基于神经网络的手写体签名识别的研究

随着网络越来越发达,人们之间的交流越来越方便,网络交易也越来越红火,与此同时的网络安全问题也越来越突出,大量的信用卡号码、密码和身份证件被窃取和盗用,给国家和个人带来了巨大的损失。由于每个人的签名笔迹都很难模仿和相对稳定性,利用其特征值设计一种手写体签名识别系统,效果良好。     

基于神经网络的发动机异响故障诊断方法

针对汽车发动机异响故障诊断的特征，研究了基于神经网络的异响故障诊断专家系统的理论和方法及实现过程，并将此方法应用于具体JL368Q发动机异响故障诊断，结果表明其方法具有通用性和高效性。     

发动机不同工况对混合气浓度的要求

介绍了发动机5种工况对混合气浓度的要求,并给出了每种工况对应的混合气浓度的选择范围。     

基于工况识别与多元非线性回归优化的能量管理策略

为给混合动力汽车智能管理策略提供基础,开展了基于学习向量化(LVQ)神经网络的工况模式识别算法研究。选取4种典型微观道路类型工况和3类标准循环工况,提取11个参数为训练特征数据,建立了LVQ神经网络工况模式识别算法;在此基础上,以某款混联式动力系统为例,结合多元非线性回归分析制定相应控制策略;最后,基于Simulink仿真平台建立LVQ神经网络工况模式识别及整车仿真模型,分别采用中国城市典型循环工况以及构建UDDS+NYCC+UDDS的标准行驶工况进行道路工况识别验证。结果表明,所建立的LVQ神经网络工况识别算法可以准确识别工况模式并能有效提高能量管理策略的控制效果。     

基于概率神经网络的发动机故障诊断方法研究

传统的故障模式诊断方法很难对复杂系统的故障进行诊断,概率神经网络作为一种自适应的模式识别技术,以其结构简单、学习速度快、具有非线性处理和抗干扰能力强等优点广泛应用在模式分类和故障诊断领域。利用概率神经网络对发动机的故障进行诊断,仿真结果表明,该网络诊断准确率高、泛化能力强,可以对系统进行实时监测和诊断。     

基于广义回归神经网络的发动机特性建模

对传统的发动机建模方法进行了比较,在BP网络的基础上进行了改进,利用GRNN网络建立了外特性和调速特性的统一模型,得到了仿真结果并进行了分析.     

基于模糊神经网络的航空发动机故障诊断研究

提出了一种基于模糊神经网络的航空发动机故障诊断方法 ,介绍了该方法的原理及实现算法 ,并利用某型发动机地面定检状态实测的数据作为样本数据 ,建立了基于模糊神经网络的航空发动机的故障诊断模型。通过该模型对起飞状态实测的发动机参数进行了辨识 ,结果表明该方法具有学习速度快、诊断精度高等优点。可用于航空发动机及其它装备的故障诊断。     

基于神经网络发动机模型的动态三参数换挡规律

精确的发动机动态模型是制定换挡规律并实现车辆动力传动系统最佳匹配的基础。采用神经网络辨识的方法建立发动机动态转矩和油耗模型;并在此基础上提出基于该模型的动态三参数换挡规律计算方法。该方法在AMT样车开发中的应用表明：与两参数换挡规律相比,基于神经网络发动机模型的动态三参数换挡规律可使自动变速汽车具有更好的动力性和燃油经济性。     

基于神经网络的发动机故障波形识别方法的研究

介绍了波形信号的识别机理：应用神经网络技术,设计了发动机故障波形识别系统,并对BP算法进行了改进,并且以发动机喷油器电压波形为例,校验了设计过程（此例的信号通过检测获得）。     

混凝土泵车发动机万有特性模型与工况优化研究

将底盘传动系纳入发动机动力系统,提出了混凝土泵车发动机万有特性模型的现场测试方法.该方法无须将发动机从底盘上拆除进行台架测试试验,利用混凝土泵车液压系统对发动机进行现场加载,通过对液压参数的测试获得发动机输出扭矩,避免了对发动机转矩的直接测试.运用曲面插值法实现了发动机万有特性曲线的绘制,并以此为依据对该型号混凝土泵车工况进行优化,获得4种工况下与液压系统最佳匹配的发动机转速.试验验证：利用曲面插值法建立的某型号混凝土泵车发动机万有特性模型最大相对误差不超过5%,建模方法简单、精度高,以该模型为依据优化后的发动机工况节油效果明显,最大节油率为16.67%.     

基于GA-BP神经网络的发动机失火诊断

为了提高神经网络在发动机失火故障诊断中的准确率,提出了GA-BP神经网络算法。分析了发动机故障时的尾气变化情况,提出了发动机故障诊断规则;分析了BP神经网络原理,指出其训练速度慢、容易陷入局部极值问题;使用遗传算法对神经网络结构和参数进行优化,得到最优网络结构,将优化后的模型参数作为初始值再次进行BP算法优化;将此算法与自适应动量BP神经网络进行对比,GA-BP神经网络不仅缩短了训练时间,而且故障诊断准确率也大大提高。     

基于神经网络专家系统的燃料电池发动机故障诊断系统设计

文章在分析了传统故障诊断方法在燃料电池故障诊断中的局限性的基础上,结合燃料电池发动机的特点,提出了基于神经网络专家系统的智能故障诊断方法,成功开发出一套基于VC++平台的燃料电池故障诊断专家系统软件,实现了燃料电池的状态检测和故障诊断,对保证燃料电池发动机的安全运行有重要的意义。     

基于自组织特征映射神经网络的零件图像的识别

提出了基于小波变换提取零件图像特征和用自组织特征映射神经网络实现识别的方法，首先，对零件图像进行小波多尺度边缘检测，提取零件图像的边缘轮廓；然后将被检测的边缘轮廓图像分成若干个子区域并分别统计各子区域的边缘像素量，各子区域中的相对边缘像素系数作为零件的特征，将这些特征作为神经网络的输入样本，由自组织特征映射神经网络实现识别。实验结果表明该方法是有效的。     

基于BP神经网络的手绘电路图形符号识别技术

首先介绍了手绘电路图形符号扫描输入和图像信息去噪压缩处理方法,并离散化成标准的二维矩阵形式.然后引入一个三层前馈型BP神经网络,采用Delta迭代训练算法,学习图像矩阵输入与元件符号输出之间的映射关系,并着重阐述了神经网络学习的过拟合问题.最后通过MATLAB编程仿真和交叉验证表明,提出的BP神经网络结构及其训练算法合理、有效和实用.     

基于卷积神经网络的分心驾驶行为识别

针对分心驾驶行为识别,提出基于ResNet18的多标签分心驾驶行为识别方法和基于迁移学习的多分类分心驾驶行为识别方法.首先基于ResNet18模型连接多个全连接层,对多种行为进行多标签识别;然后利用迁移学习,提出基于改进的ResNet34模型进行多分类识别.实验结果表明:文章提出的改进算法对分心驾驶行为识别的准确率最高...     

基于粗糙集和神经网络的润滑油中磨损磨粒的识别

为了更有效地对润滑油中的磨损磨粒进行识别,探讨了基于粗糙集和神经网络的磨粒识别。它首先利用粗糙集理论对磨粒特征参数进行约简,这样能够大大减少了神经网络的输入维数。然后介绍了一种径向基神经网络,并利用它对磨粒进行分类。对20个磨粒进行识别,磨粒分类分对14个,分错6个,识别率达到70.0%。