一种改进BP算法在转炉轴承故障诊断中的应用

轴承故障的及时诊断非常重要,针对传统BP算法在炼钢转炉轴承等机械设备故障诊断应用中存在故障识别速度慢、精度不高的缺点,提出了同时调整神经元温度常数T、位置常数θ和联接权值W的观点,并推导出相应的改进算法公式;对比试验结果表明,改进BP算法能加快网络训练速度,提高识别精度,在轴承故障诊断领域中显示出良好的非线性模式识别能力;该算法经过一年多的现场实际运行,效果良好,证实此方法可靠,易于推广。     

一种改进的BP神经网络算法与应用

针对传统BP算法存在的收敛速度过慢、易陷入局部极小、缺乏统一的理论指导网络结构设计的缺点,分析了一般的改进算法在神经网络优化过程中存在的问题,从蚁群算法和BP算法融合的角度上,并引入了放大因子,提出一种综合改进的BP算法。该算法引入放大因子改善BP算法易陷入局部极小的情况,结合蚁群算法用于指导网络结构设计,并极大地改善了收敛速度过慢的问题。最后,将改进的BP算法与传统BP算法进行应用于煤矿瓦斯预测。通过对实验结果的分析,从时间和正确率上都表明改进的BP算法要优于传统的BP算法。     

一种改进的 BP 神经网络算法与应用

针对传统 BP 算法存在的收敛速度过慢、易陷入局部极小、缺乏统一的理论指导网络结构设计的缺点,分析了一般的改进算法在神经网络优化过程中存在的问题,从蚁群算法和 BP 算法融合的角度上,并引入了放大因子,提出一种综合改进的 BP 算法.该算法引入放大因子改善 BP 算法易陷入局部极小的情况,结合蚁群算法用于指导网络结构设计,并极大地改善了收敛速度过慢的问题.最后,将改进的 BP 算法与传统 BP 算法进行应用于煤矿瓦斯预测.通过对实验结果的分析,从时间和正确率上都表明改进的 BP 算法要优于传统的 BP 算法     

一种改进的粒子群算法在BP网络中的应用研究

采用Sigmoid激活函数的三层前向神经网络能够以任意精度模拟复杂的非线性关系,训练算法对神经网络模式分类的性能有较大影响。基于梯度下降的BP网络存在收敛速度慢、易陷入局部极小的缺陷。粒子群算法是一种全局优化算法。本文针对粒子群算法本身存在的不足加以改进,用改进后的粒子群算法对BP网络进行训练,从而克服BP网络的一些缺陷。采用IRIS分类问题验证了本文提出的方法的有效性。实验结果表明本文采用的方法比普通PSO-BP算法效果更好。     

一种改进的BP算法在导弹综合测试专家系统中的应用

为解决采用反向传播算法的多层前馈神经网络收敛速度慢和容易陷入局部最小的问题,以及它对参数选择过于敏感,本文引入了遗传算法的思想和方法,提出了一种随机搜索和DBD算法相结合的新算法。通过对学习率的修正量随机互换,在不增加计算量和存储空间的情况下,使较大规模的网络能够快速收敛,摆脱了局部最小的陷阱,并且对网络参数的选择不太敏感。该算法在导弹综合测试专家系统的应用中取得了很好的效果。     

一种BP改进算法

本文针对ＢＰ算法局部最小问题，提出了一 种改进算法－ＢＰ算法。     

一种改进的同伦BP算法及其在故障诊断中的应用研究

为克服标准BP算法中存在的网络学习收敛速度慢、容易陷入局部极小等问题,引入同伦算法,提出了一种将同伦论与快速BP算法结合的改进算法,并采用二进制结构表示输出模式矩阵。最后以柴油机燃油系统为例,对其中的几种故障进行诊断研究。仿真结果表明此方法既能快速收敛,又能大大提高避免陷入局部极小的能力。     

一种混合遗传算法和BP算法的故障诊断方法的研究

将遗传算法和人工神经网络结合,构成一种新的混合智能学习算法,并用于732电路的故障诊断。经仿真实验,该算法在网络的权值训练和故障的诊断精度均优于单一的基于人工神经网络的故障诊断。     

BP算法在车灯调节装置故障诊断中的应用研究

首先介绍了人工神经网络的基本原理,然后详细介绍神经网络反向传播算法,包括ＢＰ网络的基本结构及学习算法,最后研究了人工神经网络ＢＰ算法在车灯调节装置故障中的应用。通过样本训练和检验,验证了人工神经网络ＢＰ算法在车灯调节装置故障诊断的可行性。     

BP旋转算法在故障诊断中的应用

针对BP算法神经网络训练时收敛速度慢的缺陷,选用了一种改进的BP算法--BP旋转算法.选用旋转机械故障诊断中的实际故障样本,采用BP旋转算法训练神经网络,进行故障诊断.研究结果表明,BP旋转算法大大加快了网络训练时的收敛速度,具有实际应用价值.     

改进的遗传BP网络在旋转机械故障诊断中的应用

针对旋转机械故障的复杂性和相关性,本文采取改进的遗传BP网络算法进行诊断.首先利用遗传算法对BP网络的初始权值和偏置值进行优化,然后采取改变学习速度的方法对BP算法进行了改进,很好地解决了传统BP算法的学习收敛速度慢和产生局部极小的问题.通过样本训练和故障诊断分析,该算法在速度和精度上都有很大的提高.     

改进的BP神经网络在局域网故障诊断中的应用

现有的网络故障诊断方法存在诸多的不足,为了能够实现准确有效快速地排除网络故障,将人工神经网络的方法应用到对局域网的故障诊断中。先对传统的BP人工神经网络进行了分析,针对其收敛速度慢,存在局部极小值的缺点提出了一种改进后的BP人工神将网络。并先后将传统的以及改进后的两种BP神经网络应用到局域网的故障诊断中。仿真测试结果表明改进后的BP神经网络方法相比传统的BP神经网络方法确实能够更有效快速地完成对局域网的故障诊断,具有一定的应用价值。     

改进遗传算法在公交调度优化中的应用

在充分考虑公交公司运营成本和乘客候车等待成本的基础上,引入了乘客坐车舒适度这一指标建立了公交调度优化模型。针对基本遗传算法在实际应用中出现进化缓慢和提前收敛的问题,利用蚁群算法具有局部搜索能力强和收敛速度比较快等优点,引入了蚁群算法引导变异,建立了自适应的遗传算法,实现了模型求解的高效性和高精度。     

改进共轭梯度BP算法的应用研究

该文针对梯度下降BP算法在网络训练时易陷入局部最小值及共轭梯度BP算法的适用范围窄的问题,将两者有机结合起来,应用于火电厂高压加热器系统故障诊断中。经仿真试验证明,这种结合能有效地避免局部极小值的问题,极大提高网络的训练速度。同时通过试验,搜寻到了判断高加系统故障诊断网络训练进入极值点的最优标准值。     

基于BP神经网络的改进算法研究

BP算法使用优化算法中的梯度下降法,梯度下降法的不足,使BP算法收敛速度慢,计算量比较大,且收敛速度与初始权的选择有关;学习时,无法保证可以得到最小值。BP的改进算法提出权值更新的快速收敛方法,使用MatLab对改进算法进行仿真,结果表明改进算法具有高效性和有效性。     

改进BP算法在入侵检测中的应用

主要讨论了神经网络BP算法在入侵检测中的应用,并对算法进行了改进。提出了基于最大运行次数的神经网络BP算法,克服了以往由于误差阈值设置不准确带来的模型训练不足而导致误报率和漏报率高的问题,并通过控制误差趋势来适当地增加运行次数,直至误差稳定,从而保证模型的充分训练。同时,针对转移函数、权值、隐含层个数的确定和学习率的设计也提出了改进意见来提高模型的预测精度,最后通过实例来验证算法改进的有效性。     

改进的并行fp-growth算法在工业设备故障诊断中的应用研究

如今,工业设备不断向智能化、大型化发展,伴随着设备故障日益复杂多样,如何快速、准确地诊断故障成为一个难题。通过研究,提出以大数据技术Hadoop为平台,基于兴趣属性列的改进的fp-growth算法作为数据挖掘方法,来实现工业设备的故障诊断。实验以工业齿轮箱为例,首先选取两部分数据分别作为训练数据和测试数据,在预处理阶段对训练数据进行空值处理、维度相关性分析以及抽样离散化数据;其次提出基于兴趣属性列的改进的并行fp-growth算法,从训练数据中挖掘出属性列与故障之间的关联规则;最后通过测试数据验证关联规则,证明了改进方法的可行性。实验结果表明,基于兴趣属性列改进的并行fp-growth算法能够在保证准确率的情况下进行快速故障诊断。     

用改进蚁群算法求解函数优化问题

提出将蚁群算法用于求解函数优化问题的新方法。使用一定数量的蚂蚁在解空间中首先随机搜索,然后模拟蚂蚁觅食的方式,更新搜索路径上的信息素,按照转移概率来决定搜索方向,即通过信息素来指引搜索,最后搜索收敛于各个全局最优解。给出了基于此思想的具体算法,并通过计算示例仿真说明了该算法的有效性,表明该算法可以同时快速收敛发现多个全局最优解,并保持稳定。