BP神经网络在柴油机涡轮增压系统故障诊断中的应用

将BP神经网络应用于柴油机涡轮增压系统的故障诊断。简要介绍了BP神经网络的基本原理和算法,采用BP算法对网络进行训练、学习,可以识别柴油机滤清器堵塞、空冷器空气测流阻增大、气缸进排气堵塞及废气涡轮流阻增大四种故障,诊断结果和实际结果非常吻合,诊断结果可靠性强,并可以准确预计故障等级。     

基于BP训练数据选取的压气机特性曲线计算

基于BP神经网络方法,研究了压气机特性曲线的拟合及BP神经网络结构设计。对不同训练数据选取方法和比例情况下的BP神经网络进行了计算,分析BP神经网络数据选取与网络泛化能力之间的关系。分析结果表明,均匀顺序选择的BP神经网络在压气机特性曲线仿真上具有更优的泛化能力。     

基于神经网络的压气机特性计算新方法

提出一种利用神经网络进行压气机特性计算的新方法。从求解燃气轮机全工况问题出发,分析了压气机特性计算的困难所在,针对一个实例,应用三层反向传播神经网络求出隐含的压气机特性参数间的关系。     

基于BP神经网络的函数逼近

本文详细叙述了BP算法的原理,剖析了Matlab的BP相关函数,并使用MATLAB中提供的BP函数进行非线性函数的逼近,验证了该网络模型的准确有效性.     

基于MATLAB的BP神经网络实现研究

BP神经网络是人工神经网络中的一个典型代表。MATLAB的神经网络工具箱提供了许多有关神经网络设计、训练和仿真的函数和方便、友好的图形用户界面来实现BP网络,还可实时将仿真结果可视化,从而使应用BP网络来解决许多领域的实际问题变得非常方便和有效。     

基于BP神经网络的太阳辐射度预测

太阳辐射预测准确,能够对光伏发电的输出功率做出较为准确的预测,将为电网的运行和控制提供重要参考依据。建立了一种用于预测太阳辐射的BP神经网络仿真模型,通过利用实际数据对该模型进行训练,实现了对未来太阳辐射的预测。     

涡轮增压汽油机气路预测模型的建立与预测控制

针对涡轮增压汽油机气路系统中节气门与废气旁通阀动力学耦合、机理建模复杂的问题, 本文提出基于神经网 络模型的气路系统预测控制方法,实现了节气门与废气旁通阀的协调控制. 首先, 针对涡轮增压汽油机气路系统map与 机理混合描述的特性, 利用系统的输入输出数据,采用反向传播神经网络(back propagation neural network, BPNN)训 练得到一个非线性气路模型; 其次, 基于泰勒展开式对预测模型进行线性化, 并对模型的精度进行了验证,进而利用该 模型预测系统的未来动态; 然后, 在考虑系统存在输入约束的条件下, 设计了一个线性模型预测控制器对节气门与废气 旁通阀进行协调控制, 实现了进气歧管压力和升压的跟踪控制进而满足发动机的扭矩需求; 最后, 通过离线仿真和基 于dSPACE的快速原型实验(rapid control prototyping, RCP)验证了控制系统的有效性和实时性.     

基于MATLAB的BP神经网络预测系统的设计

利用MATLAB设计了BP神经网络预测系统.介绍了MATLAB的BP神经网络工具箱函数和图形用户界面,详细介绍了BP神经网络预测系统的设计,并对所设计的预测系统进行了性能评价.系统具有良好的性能,在很多领域可以发挥较大的作用.     

基于BP神经网络的水果识别系统

近些年,计算机视觉发展迅速,在水果识别方向进行了广泛的应用和研究。本文设计基于BP神经网络的水果识别系统,选取生活中常见的三种水果:苹果、橘子、香蕉作为对象。首先,通过网络资源等搜集水果图像建立样本库;然后通过MATLAB对图像进行预处理,为后续的特征提取做好准备。水果特征的提取选择纹理、形状、颜色三种特征进行提取;同时在每种特征中选用不同的特征值作为特征向量。通过提取三种特征后输入到BP神经网络中进行训练、识别。经测试,识别的成功率可以达到93.18%,证明了可行性以及未来的可实用性。     

基于MATLAB的改进BP神经网络的实现与比较

BP神经网络应用广泛,且算法很多,研究多种神经网络的优势与不足,以能在不同对象下选取合适的神经网络算法。运用MATU出来实现各种BP神经网络的设计和训练。并以函数逼近为例,通过对不同的BP神经网络仿真与原函数图像的拟合,比较不同的BP神经网络的性能,验证新型BP网络的优势,得出如何根据对象选取神经网络的结论。     

基于MATLAB的BP人工神经网络设计

本文介绍了BP人工神经网和MATLAB软件,并举例说明了MATLAB神经网络工具箱的用法.     

基于改进BP神经网络的函数逼近性能对比研究

为了正确反映实际应用中经常采用的6种典型BP神经网络的改进算法的非线性函数逼近能力,本文从数学角度详细阐述这6种典型BP神经网络的改进算法的学习过程,简要地介绍MATLAB工具箱中设计BP网络的训练函数,最后在MATLAB环境下设计具体的网络来对指定的非线性函数进行逼近实验,并对这6种典型BP神经网络的改进算法的性能差异进行对比。仿真结果表明,对于中小规模网络而言,LM优化算法逼近性能最佳,其次是拟牛顿算法、共轭梯度法、弹性BP算法、自适应学习速率算法和动量BP算法。     

MATLAB7.0中改进BP网络的实现

BP神经网络广泛应用于非线性建模,模式识别等方面,针对BP网络收敛速度慢,计算量大等缺点,介绍了BP神经网络改进训练算法,利用MATLAB7.0中的神经网络工具箱提供的丰富的训练函数,对几种典型的BP网络训练算法的训练速度进行比较,给出了应用实例和注意事项。     

基于主成分分析的燃料电池空压机故障诊断

空气压缩机是燃料电池车发动机系统中的重要零部件,也是传统工业向新能源行业转型的代表[1].国内燃料电池车用空压机发展时间较短,针对目前汽车对发动机的需求以及测试中出现的空压机故障类型,结合传统空压机故障诊断模式[2],收集了车用空压机的对应故障征兆,先对测试参数进行主成分分析(Principal Component Analysis,PCA),再利用Matlab中的BP神经网络工具箱对燃料电池空压机进行故障诊断,诊断结果与实际情况比较吻合.     

基于BP神经网络的土壤水力学参数预测

为了获取区域土壤水分和溶质运移模拟所需的土壤水力学参数,利用黄淮海平原曲周县的试验资料建立基于BP神经网络的土壤转换函数模型。本文采用土壤粒径分布、容重、有机质含量等土壤基本理化性质,来预测土壤饱和导水率Ks、饱和含水量sθ、残余含水量θr、以及van Genuchten公式参数α、n的对数形式ln(α)和ln(n),并与多元线性逐步回归方法进行比较。t检验结果表明,BP神经网络训练和预测得到的模拟值与实测值之间吻合很好,该方法具有较高的预测精度。通过对平均相对误差的比较,得出在粒径分布的基础上增加容重、有机质含量等输入项目,可以提高部分土壤水力学参数的预测精度,而有些参数的预测精度反而降低。以误差平方和为标准的比较结果表明,BP神经网络模型的预测效果总的来看要优于多元线性回归法。     

MATLAB与Excel间的数据交换

用实例介绍了MATLAB与Excel间实现数据交换的方法和步骤,使用户能更充分地发挥这两大软件的优势。     

基于BP神经网络的电子设备故障诊断技术

故障诊断涉及模式分类与识别问题,神经网络对外界输入样本有很强的识别分类能力,能很好地实现非线性曲面的逼近.因此神经网络在设备故障诊断中能很好地得到应用,BP神经网络是目前最为广泛和成功的神经网络之一.介绍了BP神经网络在电子设备故障诊断技术中的应用,讨论了BP神经网络的算法和改进算法及其诊断过程,并对某型电台的故障诊断进行了MATLAB仿真.