基于神经网络的发动机故障预报

结合发动机的故障诊断、分析和发动机的故障预报模型,采用BP神经网络,编写出软件程序,通过其自组织学习和训练,预报发动机故障。因具有较强的泛化能力,提高发动机故障预报的能力。     

一种新型组合神经网络模型研究

神经网络是现代人工智能的最重要的研究领域之一,由于单一神经网络存在诸多的局限和不足,首先简要分析单一神经网络的局限,然后提出一种新型的综合神经网络模型,模型由多个神经网络组成,使各个网络之间有相互关联,是几个神经网络模型有机结合起来后综合的结果.     

基于灰色神经网络的中低碳铬铁终点硫含量预报模型研究

针对复吹转炉冶炼中低碳铬铁终点硫含量在线监测困难、取样检测无法实时指导生产的现状,考虑影响终点硫含量的供氧强度、铁水温度等因素,采用以灰色预报模型结合BP神经网络的方法实现中低碳铬铁终点硫含量的预报。仿真实验表明:中低碳铬铁终点硫含量预报绝对误差值在±0.004%以内的命中率为95%,相对误差值在15%以内的命中率达到85%,验证了该预报模型的有效性。     

神经网络模型及其在计量与测试中的应用

本探讨了神经网络模型及其在计量与测试中的应用。以反传（BP）神经网络为例，详细讨论了神经网络模型结构、学习算法，推导了一种优于常规BP算法的递推预报误差算法，并给出了应用实例。     

基于RBF神经网络的微惯性测量组合标定

针对微惯性测量组合标定精度低的问题,充分发挥神经网络良好的逼近非线性函数的优势,以RBF神经网络为主要逼近手段,对微惯性测量组合输出非线性特性进行精确逼近,从而得到更为准确的标定结果.试验结果表明,基于RBF神经网络的标定算法能够有效地逼近微惯性测量组合敏感信息,与传统基于最小二乘法建模方法相比,微惯性测量组合输出标定...     

基于RBF神经网络的船舶冲击谱速度数据挖掘与预报

船舶水下非接触爆炸载荷作用下的冲击环境计算分析是船舶设备抗冲击的一项关键工作,而如何快速有效的对船舶冲击环境进行准确预报是人们关心的问题。建立了10余艘尺寸分布合理、形式多样的船舶有限元计算模型,每艘船舶沿船长在不同甲板层上选取了分布均匀的400组样本测点,载入水下非接触爆炸载荷进行计算,形成120多万条船舶冲击环境数据,以此建立了大规模船舶冲击环境数据库,并以径向基神经网络为框架搭建了船舶冲击环境预报模型,分别将船舶的主尺度参数、船舶水下爆炸数值仿真的工况设置参数以及考察点的位置坐标作为神经网络的输入参数,以船舶考察点的谱速度作为唯一输出对搭建的RBF网络进行训练,并通过聚类算法对网络参数进行优化处理,模型训练完成后对未知船舶在给定工况下的冲击环境进行了预报及分析。预报结果表明,经过优化算法优化后径向基神经网络预报模型不仅具有较高的预报精度,且具有较好的泛化和鲁棒性能。该方法可为设计阶段船舶冲击环境的快速预报提供一种新型方法。     

神经网络与加权模糊马尔可夫链的组合模型及其应用

根据数据序列具有宏观变化、微观波动、相近性和相依性,建立了基于BP神经网络与模糊加权马尔可夫链的数据预测模型.首先利用BP神经网络对数据拟合,对残差进行模糊C均值聚类得到马尔可夫链的状态区间,以此求出状态转移概率矩阵,并利用归一化后的自相关系数对其进行改进,确定出预测数据所属状态区间,根据状态区间求出预测值.从实例分析表明该文算法具有较高的精确度和可靠性,应用前景广阔.     

基于BP神经网络的高含水岩石爆破震动参数预报

运用现场试验震动监测得出水介质对高含水岩石爆破地震波传播规律的影响,再结合BP神经网络理论,将水介质纳入网络模型,建立爆破震动参数预报的BP神经网络模型。采用高含水岩石爆破现场监测数据对网络模型进行训练。把训练达到最优后的预报结果与实测结果作对比,发现BP神经网络模型预报参数与实测值较为接近。     

基于参数模型的智能化预测系统及其应用

本文首先研究了基于参数模型的智能化预测,人类专家对预测问题的认知模式与预测模型的智能化选取问题,然后,介绍了所研制的一个基于参数模型的智能化预测系统,应用该系统完成了某大型工厂每月故障停机台时的预测.该系统能正确、合理地选择预测模型,预测准确率在90%以上,并能由此分析设备故障停机的规律,反映设备的工作能力和老化程度,为工厂的设备管理与生产计划提供可靠的信息.     

矩期洪水预报的模糊联想记忆网络模型

径流是水文系统的输出之一，径流的形成是一个复杂的过程，难以用精确的数学模型进行描述，而应用从定性到定量的综合集成的方法，将专家群体、数据和各种信息与计算机结合起来，把理论与人的经验结合起来的对其进行研究。人们对径流形成的认识常常以一种结构性语言知识的形式来表达，模糊联想记忆网络模型具有模拟人类联想记忆的功能，为应用结构性语言知识进行综合推理提供了一种有效的途径，使得在径流预报中模拟应用人的经验成为     

RBF神经网络在爆破振动强度预测中的应用

在介绍RBF神经网络基本思想的基础上,建立了爆破振动预测模型,用RBF神经网络方法对质点振幅、主振频率及振动持续时间进行预测。用阳泉煤矿主井爆破开挖工程中所监测到的振动数据对模型进行了训练,并对27组数据进行了预测,实测结果和模型预测结果的对比表明,RBF神经网络预测模型能反映影响因素与特征量之间的非线性关系,适用于爆破振动特征参量预测。     

基于神经网络的结构模型修改

结构模型修改已经演化为一个多学科的研究课题，并且可以在最优化框架内进行解决。考虑到模型修改是一个典型的反问题，全局最优解并不一定是真止实际需要的解，提出了一种两步的结构模型修改方法，首先利用神经网络代替模型分析过程，然后根据实际测量的模态数据结合梯度下降算法得到修改结果，与利用遗传算法直接搜索最优模型修改结果相比，该方法不但可以减少模型分析次数，而且可以提供多种可能的修改结果供进一步参考。     

神经网络方法在大跨度屋面风压研究中的应用

大跨度结构屋盖表面风压系数和功率谱的测量对于结构风振响应的计算有重要意义。提出了根据有限的风洞试验测试结果用神经网络方法预测未知点平均和脉动风压系数、以及脉动风压的自功率谱和互功率谱函数的方法,并将这一方法应用于一座实际大跨度屋盖结构,其预测结果与实测值吻合得较好。这为研究大跨度屋盖结构的风荷载和风振响应分析提供了一个有效方法。     

基于神经网络模型的结构参数提取新方法

参数识别是结构健康监测、性能评估的关键问题之一。作为一种代表性的动力系统时域参数化模型方法,自回归滑动平均(Auto-regressive and moving average,ARMA)模型在机械和土木工程结构的参数识别中得到了广泛应用;另一方面,尽管一般而言神经网络模型的权重和阈值并不需要具备明确的物理意义,但由于神经网络具有描述复杂函数关系的能力,作为一种非参数化模型方法在结构动力系统的建模和控制领域发挥重要作用。该文首先通过结构运动平衡方程的离散时间解,证明了非参数化神经网络模型与ARMA模型在描述线性结构动力系统的响应时间序列上的等效性,在此基础上,提出了一种从结构的非参数化神经网络模型中抽取结构物理参数的新方法。通过一个多自由度系统的数值模拟结果和一个四层钢框架模型的动力试验实测数据验证了所提出的结构参数抽取方法的有效性。     

振动环境试验响应的神经网络预测方法

航空、航天、机械等领域中的大型复杂结构的地面振动环境试验是检验产品或结构对振动环境的适应性以及评估动态性能的重要手段之一。然而，由于试验成本高和试验中测点布置难度和测点数量有限，只能反映结构在有限的试验条件下局部测点位置上的响应情况。本文通过神经网络方法建立结构测量点的响应和输入的映射关系，可以通过较容易的振动环境试验结果，对所建立的神经网络模型进行训练学习以识别映射关系模型，从而对结构在较严酷的环境条件下的试验结果进行预测。本文通过一典型结构的振动环境试验以及该方法的实现证明了神经网络应用于振动环境试验的响应预测方法的有效性和可行性。     

基于小波包特征提取的模糊诊断网络建立及应用

本文首先根据小波包分解原理和应用经验总结出小波包特征量与汽机故障对照表,将其与模糊综合评判和BP网络有机结合在一起,建立了基于小波包特征提取的模糊BP诊断网络模型.采用模糊综合评判技术,使该网络可在少量典型故障样本监督下训练成功,对于缺少机组运行故障知识库的厂家具有推广应用前景.最后举例说明,该网络在汽机诊断中是一种有效的智能分类器.     

布沼坝露天矿爆破效果预测BP神经网络模型应用

针对布沼坝露天矿西帮抢险治理工程,进行了35次生产爆破试验,完成了爆破参数的初步优化。同时以孔距、排距、孔深和抵抗线等作为模型的输入因子,大块率、爆堆的前冲距离、爆堆的后冲距离和挖掘机的铲装速率等作为模型的输出因子,以现场爆破试验数据为训练样本,建立爆破效果预测的BP神经网络模型。通过对网络仿真结果和现场实测数据进行比较分析,表明BP神经网络模型能够比较准确地预测出布沼坝露天矿西帮治理工程的爆破效果。     

神经网络模型在台阶爆破块度预测中的应用

爆破块度的预测是一项比较复杂的课题。鉴于以往预测爆破块度的方法存在着某些不足,本文在神经网络理论的基础上,建立了爆破块度预测的神经网络模型,并在台阶爆破中应用。通过网络模型与Ｒ—Ｒ分布式和Ｇ—Ｇ—Ｓ经验模型的比较,验证了利用神经网络模型预测爆破块度的可靠性。     

布沼坝露天矿爆破效果预测BP神经网络模型应用

针对布沼坝露天矿西帮抢险治理工程,进行了35次生产爆破试验,完成了爆破参数的初步优化。同时以孔距、排距、孔深和抵抗线等作为模型的输入因子,大块率、爆堆的前冲距离、爆堆的后冲距离和挖掘机的铲装速率等作为模型的输出因子,以现场爆破试验数据为训练样本,建立爆破效果预测的BP神经网络模型。通过对网络仿真结果和现场实测数据进行比较分析,表明BP神经网络模型能够比较准确地预测出布沼坝露天矿西帮治理工程的爆破效果。     

多维线性模型参数估计的神经网络方法

本文提出一种用于多维线性模型（ＡＲ，ＡＲＭＡ）参数估计的神经网络方法和相应的递归预测误差算法。本文在分析多输入、单输出，含一个隐含和多层神经网络的输入输出关系的基础上，提出了首先将理想输出Ｘｉ进行预畸变（Ｆ（Ｘｔ））作为神经网络的训练目标。当神经网络训练完毕后，网络的连接权就是待估计的线性模型参数。本文提出方法的优点是网络结构简单，估计结果准确。仿真模拟结果表明，本文所提出的神经网络方法估计多维线性模型参数是有效的。