基于BP神经网络的发动机故障诊断研究

对基于BP神经网络的电控发动机故障诊断进行了初步研究,提出了BP神经网络的结构。举例建立了基于神经网络技术的点火系的故障诊断模型并对诊断系统进行系统测试和做出评价。     

基于BP神经网络的某型飞机火控系统故障诊断

根据某型飞机火控系统的特点,给出了BP神经网络数学模型及其学习算法,在此基础上以某型飞机火控系统作为为被诊断对象,运用BP神经网络数学模型及其学习算法对其进行故障诊断。诊断结果表明BP神经网络不仅能识别出样本自身的故障,而且能准确诊断出样本以外数据故障,提高某型飞机火控系统一线维修保障效率。     

基于BP神经网络的发动机故障诊断专家系统

电控发动机结构复杂,故障率高,研究其故障诊断专家系统能够及时准确地对故障做出判断,提高诊断效率。针对传统专家系统在知识获取及推理中的不足,提出将人工神经网络与专家系统结合的设想,介绍了基于BP神经网络的故障诊断专家系统的结构及原理,并运用到发动机故障诊断中,实践结果证明该方法切实有效。     

基于PNN神经网络的电控发动机故障诊断

PNN是前馈型神经网络,具有强大的非线性模式分类能力。提出运用PNN神经网络对发动机电控系统进行故障诊断的方法,介绍了PNN神经网络及其工作原理,以伊兰特汽车发动机电控系统为研究对象,让发动机在怠速情况下,并对其进行故障设置,运用金德KT600故障诊断仪采集发动机故障数据流,利用PNN神经网络建立诊断模型,并对网络诊断模型进行验证,诊断结果完全正确,且训练速度非常快。实验结果表明PNN神经网络具有较强的泛化能力和实用价值。     

基于BP神经网络的电控发动机故障诊断

针对汽车发动机电控系统结构的复杂性,提出用BP神经网络进行故障诊断的方法。以北京现代05款途胜G4GC型发动机电控系统为实验,并对其进行故障设置,采集发动机故障数据流,运用BP神经网络构建诊断模型,并且改变BP训练方法。诊断结果表明用BP神经网络诊断发动机电控系统故障是行之有效的,具有较好的应用前景。     

基于改进的LVQ神经网络的发动机故障诊断

学习向量量化(LVQ)神经网络可以通过监督学习完成对输入向量模式的准确分类,提出了一种基于改进的LVQ神经网络的发动机故障诊断方法,介绍了LVQ神经网络及其改进的学习算法。以长城哈佛GW2.8TC型发动机为实验对象,让发动机在怠速状况下,对发动机进行故障设置,利用金德KT600电脑故障诊断仪采集发动机数据流,运用改进的LVQ神经网络建立诊断模型,诊断结果表明,改进的LVQ神经网络能对发动机故障做出正确分类,准确率比较高。     

基于BP神经网络的发动机故障诊断研究

对基于BP神经网络的电控发动机故障诊断进行了初步研究,提出了BP神经网络的结构.举例建立了基于神经网络技术的点火系的故障诊断模型并对诊断系统进行系统测试和做出评价.     

基于人工神经网络的航空发动机故障诊断方法

针对航空发动机工作环境和结构的复杂性,设计了一种基于人工神经网络的航空发动机故障诊断方法。使用BP神经网络实现对航空发动机故障的诊断和识别,为了加快BP算法的收敛速度,采用带惯性项的批处理BP算法对BP神经网络进行训练。通过对检验样本的测试验证了该方法的有效性和可行性,将不同隐含层数及不同误差精度的算法性能进行了比较分析,结果表明本设计的网络结构及选取的误差精度能满足实际需要。     

基于GA与L-M优化算法的变压器故障诊断研究

利用MATLAB环境建立一个用于变压器故障诊断的BP网络模型。首先利用具有全局寻优功能的遗传算法对BP神经网络的初始权值和阈值进行优化,然后采用L-M(Levenberg-Marquardt)优化算法对BP神经网络进行训练,从而达到加快网络训练速度,避免训练过程陷入局部极小点的目的。最后,详细记录网络的实际输出,并与期望输出做对比研究,最终证实了此网络达到了设计要求,可用于变压器的故障诊断。     

基于神经网络的计算机网络故障诊断研究

计算机的普及促使现阶段人们的工作与生活方式发生明显的变化,为人们提供优质的服务,但受多种因素影响,计算机网络故障发生较为频繁,进而降低其功能性.基于此,本文从神经网络故障诊断原理和基本算法入手,深入进行分析,探索计算机网络在实际中的应用,分析其网络故障,明确现阶段神经网络下存在的网络故障,以供参考.     

基于LMBP神经网络的惯性器件故障预报方法研究

利用Levenberg-Marquardt(L-M)算法优化计算BP权值调整量,将L-M算法与传统的BP网络相结合开发出一种快速收敛的LMBP网络,并在此基础上提出了基于LMBP神经网络的时间序列预测方法。最后利用该方法对某惯性器件进行故障预报,通过仿真实验证明了该方法的有效性。     

模糊神经网络在客户信用评级中的应用研究

应用模糊理论的解释能力及神经网络自组织、自学习、自适应等的优点组建模糊神经网络模型，用于商业银行企业客户的信用风险评级，在组织网络时采用结构替代型神经网络，很好地将模糊系统与神经网络融合到一起，并产生模糊规则，训练结果表明系统误差小。     

基于拟牛顿算法优化神经网络的入侵检测研究

当前的入侵检测技术主要有基于规则的误用检测和基于统计的异常检测.提出了一种基于拟牛顿算法优化神经网络的入侵检测方法,与传统算法相比,该方法具有收敛快,检测率高等优点.     

神经网络专家系统在电机故障诊断中的应用

针对传统专家系统不能进行自学习、自适应的问题,本文提出了基于神经网络专家系统的异步电机故障诊断方法。本文将小波神经网络和专家系统相结合,充分发挥了二者故障诊断的优点,很大程度上降低了对电机的诊断误差。仿真结果验证了该算法的有效性。     

一种基于回归神经网络的非线性矢量量化方法

本文提出了一种两级神经网络矢量量化(NNVQ)的方法.该方案中,通过用激励矢量所驱动的网络输出来逼近所要编码的矢量.网络和激励码本都通过优化从而能克服常规算法中的一些病态情况.实验结果表明使用了回归神经网络和优化训练算法的NNVQ的性能好于一般的矢量量化算法.     

Low complexity VLSI implementation of CORDIC-based exponent calculation for neural networks

This article presents a low hardware complexity for exponent calculations based on CORDIC. The proposed CORDIC algorithm is designed to overcome major drawbacks (scale-factor compensation, low range of convergence and optimal selection of micro-rotations) of the conventional CORDIC in hyperbolic mode of operation. The micro-rotations are identified using leading-one bit detection with uni-direction rotations to eliminate redundant iterations and improve throughput. The efficiency and performance of the processor are independent of the probability of rotation angles being known prior to implementation. The eight-staged pipelined architecture implementation requires an 8?×?N ROM in the pre-processing unit for storing the initial coordinate values; it no longer requires the ROM for storing the elementary angles. It provides an area-time efficient design for VLSI implementation for calculating exponents in activation functions and Gaussain Potential Functions (GPF) in neural networks. The proposed CORDIC processor requires 32.68% less adders and 72.23% less registers compared to that of the conventional design. The proposed design when implemented on Virtex 2P (2vp50ff1148-6) device, dissipates 55.58% less power and has 45.09% less total gate count and 16.91% less delay as compared to Xilinx CORDIC Core. The detailed algorithm design along with FPGA implementation and area and time complexities is presented.     

RBF神经网络LM算法的改进

文章对现有的RBF神经网络算法进行改进,改进的基本思想是：采用L-M算法训练RBF网络,并对L-M算法的重要参数提出一种随迭代步数的动态调整方法,从而提高运算的精度和效率,并经过仿真验证了提出改进方案的有效性。     

基于GSA-BP神经网络的压力传感器温度补偿

针对压力传感器输出的温度非线性特性,采用遗传模拟退火算法优化的BP神经网络(GSA-BPNN)进行误差补偿,并与标准BP神经网络补偿误差进行了比较。通过matlab仿真验证,实验结果表明：采用GSA-BP神经网络不易陷入局部极小值,大大减小传感器非线性误差,误差精度小于0.1%,补偿结果优于标准BP神经网络。     

基于LMBP神经网络的MCM布局电磁场预测模型

通信微波多芯片组件(MCM)内不合理的芯片布局将会导致电磁干扰加剧。对具有不同布局的MCM多层布线基板的电磁场进行了仿真分析,并以仿真分析结果作为样本数据,建立了基于LMBP神经网络的MCM布局电磁场预测模型,然后用该模型对两种单面芯片布局下的MCM的坡印廷矢量数值进行了预测。结果显示,MCM电磁场的仿真与模型预测差值分别为0.332e–7W/m2和0.263e–7W/m2,证明了该预测模型的可用性。     

On capacity planning for the GMPLS network control plane

This article presents capacity planning rules for the control plane of all-optical networks featuring GMPLS and RSVP-TE as a connection setup protocol. As per RSVP standard, a refresh message mechanism is incorporated to RSVP such that the state is periodically refreshed on a link per link basis. We provide analytical expressions for the bandwidth and buffer sizes to be provided such that no flows are torn down due to lack of refresh messages. Our findings show that small buffers (several KBytes) suffice to sustain the signaling load for as much as 400 RSVP flows per link, with the simplest RSVP refresh mechanism (neither using link bundling nor acknowledgments). On the other hand, we also find the packet drop probability per link for a given network topology for the case that the flow survival probability is larger than a given threshold. We provide numerical examples based on the COST 239 european network topology and real RSVP traffic traces from early-commercial switching equipment.