基于蚁狮算法优化支持向量机的站台门设备状态预测

为了降低地铁机电系统的维修成本、提高地铁站台门设备状态的预测精度,该文提出了一种基于蚁狮算法优化支持向量机的站台门设备状态预测方法。该方法采用ALO算法对SVM进行优化,建立ALOSVM站台门设备状态预测模型,采用站台门实际故障数据进行仿真分析,并与BP神经网络、SVM和ELM的预测效果进行对比,该文提出的方法预测结果的正确率为96.25%,预测精度比其他3种方法高,验证了该文提出的方法的正确性和实用性。     

基于BP神经网络算法的316L不锈钢极薄带热处理力学性能预测

目的 为了预测不锈钢极薄带热处理后的力学性能、优化热处理工艺以及实现热处理工艺的智能控制,构建基于BP算法的神经网络模型。方法 以316L不锈钢极薄带为研究对象,进行热处理试验和拉伸试验,通过以热处理的退火温度、保温时间和取样方向作为输入层参数,以屈服强度、抗拉强度、断后伸长率作为输出层参数,采用BP算法构建了316L不锈钢极薄带力学性能预测的思维进化算法优化BP神经网络模型,并进行模型的预测和应用验证,考虑不同隐含层节点数及不同BP神经网络模型对性能的影响。结果 思维进化算法优化的BP神经网络模型测试集的屈服强度、抗拉强度和断后伸长率的平均相对误差分别为8.92%、5.21%和9.28%,训练集相关系数为0.980 94。思维进化算法优化BP网络单、双隐含层误差总和最低分别为0.578 6和0.546 9,BP网络与思维进化算法优化的BP网络误差总和最低分别为0.579 9和0.546 9。结论 思维进化算法优化BP神经网络模型具有较好的预测能力和泛化能力,以及较高的预测精度。与企业现用生产工艺相比,采用模型优化后热处理工艺的综合力学性能有显著提高。     

基于PSO优化BP神经网络的多传感器数据融合

针对室内环境监测中单一传感器测量数据精度低、可靠性差的问题,提出一种基于粒子群(particle swarm optimization,PSO)优化BP神经网络多传感器数据融合算法。首先使用防脉冲干扰平均滤波算法来消除检测数据中的异常数据和噪声数据。其次,利用卡尔曼滤波算法对多同类传感器进行数据级融合,有效地降低因噪声干扰导致的测量误差,为异质传感器进行决策级融合提供最佳数据。最后,采用PSO优化BP神经网络算法进行决策级融合。实验结果表明,基于PSO优化BP神经网络多传感器数据融合算法对测试样本的平均绝对百分比误差(mean absolute percentage error, MAPE)和拟合度(r²)均优于BP神经网络和自适应加权(adaptive weighted, AW)优化BP神经网络,且运行时间比BP神经网络以及AW-BP神经网络分别短69.31%、50.36%。经验证,基于PSO优化BP神经网络多传感器数据融合算法具有更高的融合精度,同时缩短了算法的运行时间。     

基于GA-BP神经网络矿岩爆破参数优选

针对BP神经网络方法用于矿岩爆破参数优选存在收敛速度慢、误差相对较高等问题,提出利用遗传算法优化的BP神经网络模型,用于矿岩爆破参数的智能优选.通过具体实例,对采用BP神经网络和改进后的GA-BP神经网络的算法进行对比实验,结果表明优化后的BP神经网络性能得到提高,优化后的爆破参数能取得更好的爆破效果.     

重载并联六维力传感器及静态标定

针对传感器重载小尺寸需求,提出一种具有混合分支的重载并联六维力传感器,分析了其结构特点和测量原理。搭建了重载并联六维力传感器标定系统,为改善维间耦合及制造误差等对测量精度产生的影响,从标定算法及模型优化方面对其进行了研究。分别利用最小二乘法和BP神经网络算法对加载实验数据进行了处理,分析结果表明BP神经网络算法要明显优于最小二乘法,并通过数据随机分组测试验证了结果的正确性。基于BP神经网络,提出了一种基于人工鱼群算法的BP神经网络算法,并采用优化后的BP神经网络标定算法对实验数据进行了计算分析,结果表明优化后的BP神经网络计算结果较好且稳定,不易陷入局部极值。     

基于IALO算法的蓄电池参数辨识

合理的等效电路模型及准确的模型参数对蓄电池荷电状态(SOC)的准确估计具有重要影响。针对蓄电池三阶Thevenin等效电路模型,基于改进蚁狮优化算法,提出了一种模型参数辨识方法。引入混沌Logistic映射初始化,使初始化群体遍及解空间,有利于寻找全局最优解;引入自适应惯性权重加随机柯西变异策略,有效提高了算法收敛速度;引入精英反向学习策略,有效提高了群体的多样性,避免算法陷入局部最优解。5个测试函数的测试结果表明:相比于蚁狮优化算法、粒子群算法与樽海鞘优化算法,改进蚁狮优化算法收敛速度更快,精度更高。对蓄电池三阶Thevenin等效电路模型进行参数辨识,结果表明:改进蚁狮优化算法相比蚁狮优化算法具有更高的辨识精度。     

基于BP神经网络的盲均衡器设计

为构建用于某语音信号传输系统盲均衡器的BP神经网络模型,编写了基于BP神经网络的盲均衡算法伪代码,计算了算法的时间复杂度,分析了BP神经网络输入层神经元个数、隐含层神经元个数和隐含层层数对盲均衡算法性能的影响,评估了基于Sigmoid的变步长算法、基于误差补偿的变步长算法和基于误差的变步长算法对基于BP神经网络的盲均衡器性能的改进效率,据此设计了一种含双隐层结构的BP神经网络盲均衡器,并对其性能进行了数值仿真分析,明确了其适用范围,为该语音信号传输系统设计提供了技术支撑。     

基于BP神经网络和FPA的高速干切滚齿工艺参数低碳优化决策

为解决高速干切滚齿工艺参数决策中存在的主观依赖性强和用时较长的问题,并实现滚齿加工低碳化,提出一种基于实例推理和优化算法的高速干切滚齿工艺参数低碳优化决策方法。利用反向传播(back propagation,BP)神经网络构建加工效果评价值的预测模型,通过改进K-means聚类算法获取待决策工艺问题的相似实例抽取集,以此构建待优化工艺参数约束,再运用花朵授粉算法(flower pollination algorithm,FPA),以碳耗最小为优化目标,获取待决策工艺问题的最优工艺参数。以某企业高速干切滚齿机为例,验证了该方法的可行性和有效性。使用该方法生成的工艺参数,加工效果更好,碳耗更低,可避免对工艺手册或个人经验的依赖,提高决策效率。研究结果有利于高速干切滚齿机的低碳运行,对机械制造企业实现低碳制造具有一定的参考意义。     

基于麻雀搜索和模糊学习策略的车位预测方法

针对目前诱导系统存在数据不同步性,时间差存在滞后问题,该文提出一种基于麻雀优化神经网络的泊位预测方法。首先,结合小波分析对时间序列进行分解重构;其次,建立一种优化的BP神经网络模型,通过麻雀算法对BP的权值进行不断调整以克服局部最优。同时,引入动态模糊学习策略,使最优解的邻域发生微小变化,避免陷入局部最优,并改进得到的解的质量。利用某停车场历史数据对所提算法进行有效性验证。实验表明,所提算法平均绝对误差（MAE）和均方根误差(RMSE)分别为6.223 0、4.629 5,准确度均优于其他智能优化模型,能够有效预测剩余车位。     

不同配比Ni-Cr系涂层非线性动力学系统的抗腐蚀性能研究

采用非线性动力学系统的BP数据网络进行管材涂层腐蚀性能预测。首先采用增重法获取9种腐蚀工况下的增重数据,将获取的数据用于构建BP神经网络模型,通过传输和反演操作设置拓扑结构为6×15×1的BP神经网络,然后基于90组实验数据用于验证和评价BP神经网络预测模型,最后通过对优选出的涂层进行Ni-Cr系涂层的机理分析,从而解决生物质电站锅炉"四管"的腐蚀问题,研发的抗腐蚀涂层具有较好的经济性和实用性。     

基于蚁狮优化算法与迹稀疏正则化的结构损伤识别

针对基于群智能结构损伤识别既有方法的识别精度和抗噪鲁棒性不足问题,提出基于蚁狮优化算法与迹稀疏正则化的方法求解结构损伤识别问题。将结构损伤识别逆问题转化为数学中的约束优化问题,并根据模型修正原理利用结构模态参数定义优化问题的目标函数;在目标函数中引入迹稀疏约束;通过不同损伤工况下简支梁损伤识别数值模拟以及钢管简支梁实验验证方法的有效性。结果表明,基于蚁狮优化算法与迹稀疏正则化的结构损伤识别法能有效修正有限元模型,在不同噪声水平和损伤工况下不仅能准确定位损伤位置,且能精确识别损伤程度;该方法为结构损伤的现场识别提供了可能性。     

局部工作空间有源降噪系统次级声源与误差传感器布放研究

为有效抑制工作空间的低频噪声,对有源降噪系统次级声源与误差传感器的布放进行研究。以纺织机械-簇绒地毯织机的工作空间为研究对象,对簇绒地毯织机工作空间的噪声进行采集,以目标区域降噪量最大为控制目标,确定目标函数,采用蚁狮算法对有源降噪系统中的次级声源以及误差传感器的位置进行优化,得出最优布放方案,并分别进行单频和实际噪声的仿真分析。结果表明,根据蚁狮算法得到的布放方案在0～500 Hz的频段上平均降噪量为3.17 dB,能够很好抑制簇绒地毯织机工作空间的低频噪声。该结论可为后续簇绒地毯织机工作空间主动噪声控制系统的设计提供参考。     

基于WOA–BP神经网络的液滴铺展预测

目的 提高BP神经网络对电喷印过程中液滴铺展行为的预测能力。方法 提出一种鲸鱼优化算法(WOA)优化BP神经网络的液滴铺展预测模型。首先，采用相场方法建立电场作用下液滴铺展的数值模型，并通过实验验证仿真结果的准确性。然后，选取初始直径、撞击速度、接触角和电场强度作为神经网络的输入参数，将最大铺展直径作为神经网络的输出参数，利用鲸鱼优化算法优化神经网络中的初始权值和阈值，构建液滴铺展预测模型。最后，基于仿真结果对预测模型进行训练与测试，并将其与传统的BP神经网络模型进行对比分析。结果 相较于传统BP神经网络预测模型，WOA–BP神经网络预测模型的平均绝对误差、均方根误差分别降低了72.60%、77.60%，而平均绝对百分比误差则从15.029 3%减小为4.585 3%。结论 WOA–BP神经网络预测模型可以更好地预测液滴铺展，可为液滴铺展的预测提供新的方法。     

基于BP神经网络算法的多参数在线测量物联网系统

针对现有物联网在线测量系统存在的参数测量周期长,异常反馈不及时的问题,设计了基于BP神经网络算法的多参数在线测量物联网系统。该系统通过感知层、网络传输层及应用层完成参数的采集、分析处理及显示,其核心在于系统应用层加入BP神经网络算法对实时采集参数进行优化处理,来缩短参数测量时间。通过算法仿真实验可知,本文所提出的基于BP神经网络算法优化的在线测量系统,对于加快数据采集时间,提高制造过程系统反馈调节速度,有着很好的效果。     

基于粒子群神经网络的汽车故障诊断技术研究

正本文提出基于粒子群优化的BP神经网络,先构建BP神经网络对汽车运行数据进行分类,再利用粒子群算法寻找BP神经网络最合适的权值和阈值后,再返回神经网络对数据进行分类,这种闭环反馈的诊断技术能有效缩短诊断时间,提高故障诊断的准确率。一、指标分析汽车的整个系统大致分为电气和机械两个部分,其中机械部分包括:动力系统、转向系统、刹车保护系     

基于小波包和PSO-BP的风机滚动轴承故障诊断

为了识别风电机组运行过程中滚动轴承的运行状态并提高故障诊断率,该文提出了一种基于小波包分解和粒子群算法优化BP神经网络的滚动轴承故障识别方法。以滚动轴承4种故障状态下的振动信号为研究对象,首先,采用小波包对振动信号进行分解、重构,提取各故障状态下的故障特征向量,将其作为BP神经网络模型的输入值。其次,针对BP神经网络的缺点,通过粒子群算法优化BP神经网络的权值和阈值构建PSO-BP故障诊断模型,试验结果表明,基于小波包和PSO-BP的方法能够很好地提高风电机组滚动轴承故障模式识别的准确率。     

3UCVD SiGe工艺的神经网络模型

介绍了用于生长SiGe材料的 3UCVD设备的简要情况。对 3UCVD工艺系统构建了神经网络模型 ;基于误差反向传播 (BP)学习算法设计了一种自动调整网络结构和训练精度的网络训练方法 ;利用 3UCVD工艺实验的数据样本编制程序 ,对数据样本进行了训练拟合 ;并利用训练后的网络进行了工艺预测 ,网络预测的结果和实验结果符合良好     

基于模糊Petri网考虑制造约束的零件

加工方案决策是计算机辅助工艺规划中一直未能完全解决的关键问题.首先,在给出Petri网系统和T_不变量定义的基础上,根据Petri网原理和产生式规则建立一个基于模糊规则的零件表面加工方案Petri网模型;然后,根据Petri网T_不变量在考虑制造资源约束的条件下,提出一种新的可选加工方案T_不变量生成方法;最后,通过实例验证了所提方法的有效性.实例结果表明,采用作者提出的决策方法能够获得零件表面加工的最优/次优工艺方案     

基于模糊Petri网考虑制造约束的零件表面加工方案决策方法

加工方案决策是计算机辅助工艺规划中一直未能完全解决的关键问题.首先,在给出Petri网系统和T-不变量定义的基础上,根据Petri网原理和产生式规则建立一个基于模糊规则的零件表面加工方案Petri网模型;然后,根据Petri网T-不变量在考虑制造资源约束的条件下,提出一种新的可选加工方案T-不变量生成方法;最后,通过实例验证了所提方法的有效性.实例结果表明,采用作者提出的决策方法能够获得零件表面加工的最优/次优工艺方案.     

3UCVD SiGe工艺的神经网络模型

介绍了用于生长SiGe材料的3UCVD设备的简要情况。对3UCVD工艺系统构建了神经网络模型；基于误差反向传播（BP）学习算法设计了一种自动调整网络结构和训练精度的网络训练方法；利用3UCVD工艺实验的数据样本编制程序，对数据样本进行了训练拟合；并利用训练后的网络进行了工艺预测，网络预测的结果和实验结果符合良好。