基于C++ Builder的凝汽器故障诊断系统

为了有效地对电厂凝汽器进行故障诊断并给予操作指导,开发了凝汽器故障诊断系统.该故障诊断系统分别采用标准BP算法和改进BP变步长附加动量法进行网络的学习训练.以凝汽器故障知识库为依据,构造了17个输入层节点、13个隐含层节点、12个输出层节点的三层反向传播网络.经过对比,说明采用经过改进BP变步长附加动量法进行网络的学习...     

基于BP神经网络及其改进算法的汽轮发电机组故障诊断

为了提高汽轮发电机组的故障诊断准确率,提出了基于BP神经网络改进算法的故障诊断系统.根据输入特征向量对BP神经网络进行学习,在matlab上分别采用两种算法对故障诊断模型进行测试.结果表明,改进算法能够更有效地预测汽轮发电机组的故障.     

基于混合遗传算法的神经网络在智能故障诊断中的应用

设计了用模拟退火的混合遗传算法代替BP网络的反向传播过程的改进算法，解决了在故障诊断系统中BP算法容易陷入局部极小值的问题．该算法是在遗传算法中引入模拟退火机制，将其同BP算法结合，形成一个混合的优化算法．新算法既有神经网络的学习能力和鲁棒性，又有遗传算法的强的全局随机搜索能力．仿真结果表明，这种改进算法极大提高了内燃机故障诊断系统的效率和准确性．     

面向筒辊磨机故障诊断的BP算法改进

面向筒辊磨机故障诊断改进人工神经网络的BP算法，应用结果证明改进后的BP算法适用于故障诊断，并能解决局部最小问题。     

基于改进算法ANFIS的变压器故障诊断

在分析变压器油中溶解气体进行变压器故障诊断的基础上,提出一种基于改进算法的自适应神经模糊推理系统的变压器绝缘故障诊断方法.该方法使用IEC三比值法的3个气体比值作为ANFIS输入向量,构造三输入一输出的ANFIS,然后使用具有全局收敛性的相关的广义Fletcher-Reeves共轭梯度法改进ANFIS默认的以BP算法和最小二乘法构成的混合学习算法,再使用新的学习算法训练系统.最后,对模型的有效性进行了检验,并与使用BP学习算法训练的诊断结果做了比较.检验结果表明:使用改进算法的ANFIS进行变压器故障诊断是可行的,并且诊断精度有所提高.     

基于BP神经网络的三相SPWM逆变电路故障诊断

提出了基于BP神经网络的三相SPWM逆变电路的故障诊断方法。首先提出BP神经网络模型及算法,然后运用BP神经网络对三相逆变电路进行故障诊断,通过调整隐含层节点和学习参数,寻找出最优的BP神经网络结构。最后,采用非学习样本数据对训练好的网络进行仿真,实验结果表明该故障诊断方法正确率达99%,该诊断方法同样适用于其它电力电子电路。     

BP神经网络改进算法的应用

目的 通过MATLAB实现BP神经网络的改进算法。方法 采用了动量法和学习率自适应调整的策略。结果 运用MATLAB对BP神经网络进行初始化和训练。结论 实践证明，改进了BP神经网络算法，提高了学习速度，增加了算法的可行性，利用MATLAB软件提供了工具箱编制BP网络解决非线性问题是一种便捷、有效、省事的途径。     

基于高阶神经元网络的晶闸管整流电路故障诊断

介绍了人工神经元网络在晶闸管三相桥式整流电路故障诊断中的应用．较详细地介绍了高阶BP算法及其与普通BP算法的差异．电力系统故障诊断的计算机仿真表明，高阶BP算法可以明显提高系统精度，降低误差．     

基于神经网络的储粮测控专家系统的研究与应用

将神经网络应用于专家系统中,利用神经网络系统的学习功能解决传统专家系统在知识获取、推理能力、自学习能力上的缺陷,与粮情测控系统相结合,提出了一种改进BP算法.该算法加入动量项,然后对自适应算法进行了一些适当改进,进而给出了该算法的理论推导和具体实现步骤.与未改进的BP算法相比,该方法协调了训练次数多而引起的学习效率和收敛速度之间的矛盾,提高了BP算法的熟练速度和收敛速度.实验结果也说明了该方法的快速性、有效性、稳定性.     

基于ANN的矿井提升机故障诊断系统的应用研究

将基本BP算法的改进算法（LMBP算法）利用数值分析的方法进行改进,并将其应用到矿井提升机的故障诊断系统中,改进后的算法能提高网络的训练速度;同时设计了基于ARM芯片和Vxworks操作系统的故障诊断板,并利用BorlandC＋4-builder作为故障诊断界面的设计软件,将新集集团某矿井提升机液压站系统作为实验室仿真研究对象。结果表明,该故障诊断系统具有较好的硬件稳定性,较快的神经网络训练速度,较好的诊断结果。     

变压器故障诊断专家系统的设计

故障诊断型专家系统最重要的问题是知识表示和推理机制.根据人类专家对变压器故障诊断的特点,在学习人类专家诊断变压器故障过程的基础上,对构建变压器故障诊断专家系统的系统结构、知识表示和推理机制进行了较详细的分析和讨论.     

多层前馈神经网络中改进BP算法的研究

首先给出了多层前馈神经网络中的ＢＰ算法,针对实时监测和诊断领域中对收敛速度和精度的较高要求,提出了一种面向诊断的自适应ＢＰ算法,仿真结果表明,该方法既能有效地减小振荡,又能提高收敛的精度和速度。     

改进BP算法及其在滚动轴承故障诊断中的应用

对每次权值和阈值的调整均采用固定不变的学习率,是导致传统ＢＰ算法收敛速度慢的一个主要原因。本文从提高收敛速度及精度出发,对改进ＢＰ算法进行了深入研究,在ＢＰ算法中引入统计思想,给出相关系数定义。基于相关系数,采用变学习率策略,提出两种学习率自适应调整算法,并将其具体应用于滚动轴承的故障诊断中。试验证明,此改进算法的收敛速度比传统ＢＰ算法显著提高。     

自适应神经网络在发电机组故障诊断中的应用

提出了自适应学习率及动量因子的ＢＰ神经网络算法和误差逼近度渐近收缩学习的ＢＰ神经网络算法，并将其应用于汽轮发电机组振动故障诊断与识别。实例结果表明，该算法学习收敛较快，误差曲线平稳，不会引起误差曲线振荡，对复合故障的识别性能好。     

用BP网络诊断汽轮发电机组振动故障

针对ＢＰ网络的不足，提出了自适应学习率的ＢＰ网络算法，该算法从根本上解决了ＢＰ网络中学习率的取值和收敛速度慢的问题，并有效地解决了ＢＰ网络易收剑到局部最小点的问题，并将这种改进的算法应用于汽轮发电机组的故障诊断中，结果表明该方法可行。     

遗传神经网络在模拟电路故障诊断中的应用

对模拟电路的故障诊断,本文采用一种将遗传算法和BP神经网络结合的智能诊断方法-GA-BP算法,实现了模拟电路的故障诊断.该方法采用遗传算法优化神经网络的权值和阈值,代替了原来BP网络随机设定的初始权值和阈值,然后再用改进BP算法进行训练.通过仿真结果比较分析,经过遗传算法优化过的神经网络的训练步教大大减少.克服了传统BP算法的收敛速度慢,容易陷入局部极小值的缺点.     

新型动态模糊神经控制器及其混合学习算法研究

介绍了一种基于动态模糊神经控制器的控制系统,通过在模糊神经网络控制器的第2层引入动态递归环节,使其具有动态映射能力,并提出了动态模糊神经控制器的混合学习算法,即先采用免疫遗传算法的“粗”学习,再采用BP梯度算法的“细”学习,通过对锅炉主汽温控制的仿真表明了该网络结构和训练方法是可行的和有效的。     

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.     

并行遗传神经网络及其在机械故障诊断中的应用

在机械故障诊断中，对并发的故障进行诊断是一个备受关注的问题。为此，提出了用并行遗传神经网络诊断并发的故障的新方法。介绍了并行神经网络的结构、遗传算法的建模原理及并行遗传神经网络的结构和诊断机理。以某大型旋转机械为诊断对象讨论了该方法的实现技术，并与传统的BP(back—propagation)网络用于故障诊断的方法进行了比较。实验仿真结果表明，该方法在训练网络过程中能够避免网络陷入局部极小，加快网络训练的速度，减少诊断时间。     

一种新的基于稀疏贝叶斯学习的ISAR成像方法

将BP(基寻踪)算法和FOCUSS(Focal underdetermined systemsolver)算法用于ISAR成像中,由于它们具有一些缺点,在实际应用中受到很大的限制.但是SBL(稀疏贝叶斯)方法可以克服这些缺点.本文首次提出可以将SBL代替BP和FOCUSS用于ISAR成像中.真实ISAR数据的成像结果表明SBL是一种比BP和FOCUSS更有效,更有潜力的成像方法.