Elman神经网络在起重机安全状态评估中的应用

在起重机安全状态模糊综合评判的基础上，用起重机状态参数及相应评判结果作为训练样本，．应用Elman神经网络构建了起重机状态参数与安全状态类别之间的映射关系，应用于实际起重机安全状态评估，结果表明该方法切行有效。     

基于神经网络的起重设备安全评估研究

分析了桥式起重设备在工程应用中的不安全因素,建立安全评价指标体系。依据Elman神经网络的动态数据处理能力及对历史数据的敏感,建立基于Elman神经网络的设备安全评估模型,应用于起重设备安全评估。     

基于LM-BP神经网络的门式起重机安全评估

根据门式起重机的运行规律和特点,提出了起重机安全评估指标,建立了基于LM-BP神经网络的安全评价模型。实验结果证明,该模型具有对起重机进行安全评估的功能,减少了人为因素对权重确定的影响,为起重机安全评估提供参考。     

基于Elman神经网络在塔式起重机中安全状态模式识别

塔式起重机是一种事故发生率高的特种建筑施工机械.应用Elman神经网络构建塔机状态参数与施工安全状态类别之间映射关系.将其应用于实际塔机安全状态模式识别,结果表明该方法切实有效.     

水电站在役通用门式起重机安全评估

针对服役时间长、使用环境恶劣的水电站通用门式起重机安全使用问题，阐述了在役通用门式起重机安全评估的必要性和评估的内容，并以一台在役水电站通用门式起重机为例，通过外观检查、无损检测、载荷试验以及应力测试对起重机进行安全评估，得出了整机评定合格的结论。     

桥式起重机金属结构检测及安全评估研究

通过整理现有桥式起重机规范文件及结合工程经验,提出针对桥式起重机金属结构安全检测的检测方案及各检测项的安全许可范围。利用SVM(支持向量机)机器学习模型建立桥式起重机金属结构安全评估模型,对检测方案中提出的桥式起重机金属结构检测数据,进行智能安全评估。通过MATlAb实现了桥式起重机金属结构安全评估程序,结合工程检测结果进行实例分析。评估结果表明,针对桥式起重机金属结构安全评估这类小样本、模糊非线性问题,本评估方法具有较高的评估可靠性,可为桥式起重机金属结构安全评估提供技术支持。     

基于Elman神经网络的滚动轴承故障诊断方法

介绍了Elman神经网络的模型及原理,阐述了滚动轴承故障诊断的技术路线;通过轴承故障试验台采集滚动轴承振动信号并提取信号特征数据,利用构建的Elman神经网络,实现了轴承的智能诊断。与传统BP神经网络诊断相比,Elman神经网络综合诊断性能更优。     

基于LabView和PNN的门式起重机安全评估系统设计

目前,起重机仍是依靠人工定期检验的方式来保证设备的安全,这种方式自动化水平低,受主观因素变化较大。针对这种情况,将表征门式起重机状态的指标分为4个单元分别评估。同时,使用LabVIEW软件设计评估系统,将概率神经网络作为综合评估模型,对门式起重机的安全状态进行有效地评估。     

SVM的起重机金属结构安全评估研究

通过整理现有桥式起重机规范文件及结合工程经验,提出以量化的方式处理桥式起重机检测数据样本,及以PCA(Principal Component Analysis)降维算法优化样本。利用SVM(支持向量机)算法建立桥式起重机金属结构安全评估系统,对桥式起重机金属结构进行智能安全评估。通过Matlab编程工具,开发了桥式起重机金属结构安全评估程序,结合工程检测样本进行仿真实验分析。实验结果表明,针对桥式起重机金属结构安全评估这类小样本、非线性问题,本评估方法具有较高的评估可靠性,可为桥式起重机金属结构安全评估提供技术支持。     

基于人工神经网络的起重机安全评价

依据起重机的特点，建立了安全性评价指标体系，并将神经网络理论应用于起重机安全评价之中，提出了基于此理论的系统安全评价模型和优点。根据实际收集的安全状况数据构建安全评价网络，并利用MATLAB软件对网络进行训练，得出可以对起重机安全状况进行评价的人工神经网络模型。评价实例验证了此方法的可行性，为起重机安全评价提供了一种新的途径。     

基于超声时序神经网络目标识别的塔机安全预警

为实现塔机失稳监测和防碰撞的安全预警功能,改善塔机被动安全模型存在的低成本、主动性、灵活性、快速性和及时性的不足,通过分析目标物特性与超声时序信号相关特征及测距值特征的关系,结合Elman、SOM网络,构建了基于超声时序神经网络目标识别的塔机安全预警系统,可以实现对扭转角和障碍物的信号采集、数据融合、主动预警功能,试验结果表明该系统可以达到预期的低成本、高速度、高精度的塔机工作要求。     

基于MEA-Elman神经网络的电力日负荷预测

Elman神经网络是一种动态反馈网络,对历史状态敏感,具有短期记忆功能和处理动态信息的能力,可以建立动态、非线性电力负荷预测模型。由于Elman神经网络采用BP算法,容易陷入局部极小解,迭代次数多且学习效率低,该文利用思维进化算法(MEA)优化Elman神经网络的方法,提出基于MEA-Elman神经网络的电力负荷预测模型。实验表明,该方法能够避免不成熟收敛问题,减少迭代次数,有效提高了配电网短期负荷的预测精度,对电力系统合理调度与规划具有重要意义。     

基于Elman神经网络的齿轮箱故障诊断研究

介绍了Elman神经网络的原理、算法,并用Elman网络对齿轮箱机械传动系统的故障进行了诊断。实例结果表明：该方法能够准确地诊断齿轮箱故障,同时具有训练速度快、结构简单、精度高等特点,是1种行之有效的诊断方法。     

改进Elman神经网络在短期热负荷预测中的应用

热电厂的短期热负荷预测在城市集中供暖中起着至关重要的作用,直接影响热电厂的经济效益和热能利用率。电厂的短期热负荷一般采用神经网络预测模型进行预测,而BP神经网络应用最为广泛。Elman神经网络算法在BP神经网络基础上加入了承接层,作为一步延时算子,实现记忆能力,使系统具备适应时变能力,增强系统全局稳定性。但Elman神经网络算法模型的构造依然需要大量样本的支撑,而且输入层的变量多,导致预测时间依然很长,收敛速度慢。该文在Elman神经网络预测前,进行了相关系数预处理和对样本中异常值的平均化预处理,通过数据归一化运算,使Elman神经网络输入层变量大幅减少。仿真实验表明,改进的Elman神经网络算法使预测模型快速寻优,减少预测时间的同时明显提高预测精度。     

基于Elman神经网络的赛车操纵动力学逆向研究

以进行汽车操纵动力学逆向研究为目的。以某方程式赛车为例,建立了计入空气动力特性的多体动力学整车模型.在通过试验验证其准确度的基础上,利用Elman神经网络建立了单移线工况下的侧向加速度、横摆角速度与方向盘转角之间的非线性映射关系.神经网络的验证结果表明,利用Elman神经网络进行汽车操纵逆动力学的研究方法是可行的,并且学习速率较快,识别精度较高。     

基于Elman网络的过程质量智能化控制研究

利用Elman型反馈神经网络对过程质量进行预测和诊断以克服前向型神经网络的缺陷,同时针对目前预测与诊断相分离的现象提出将两者相结合以实现质量的实时控制。仿真结果表明基于此网络的系统能有效预测质量特性值,识别异常变动模式并提高控制精度。     

Fault diagnosis for manifold absolute pressure sensor(MAP) of diesel engine based on Elman neural network observer

Intake system of diesel engine is a strong nonlinear system, and it is difficult to establish accurate model of intake system; and bias fault and precision degradation fault of MAP of diesel engine can’t be diagnosed easily using model-based methods. Thus, a fault diagnosis method based on Elman neural network observer is proposed. By comparing simulation results of intake pressure based on BP network and Elman neural network, lower sampling error magnitude is gained using Elman neural network, and the error is less volatile. Forecast accuracy is between 0.015-0.017 5 and sample error is controlled within 0-0.07. Considering the output stability and complexity of solving comprehensively, Elman neural network with a single hidden layer and with 44 nodes is presented as intake system observer. By comparing the relations of confidence intervals of the residual value between the measured and predicted values, error variance and failures in various fault types. Then four typical MAP faults of diesel engine can be diagnosed: complete failure fault, bias fault, precision degradation fault and drift fault. The simulation results show: intake pressure is observable and selection of diagnostic strategy parameter reasonably can increase the accuracy of diagnosis;the proposed fault diagnosis method only depends on data and structural parameters of observer, not depends on the nonlinear model of air intake system. A fault diagnosis method is proposed not depending system model to observe intake pressure, and bias fault and precision degradation fault of MAP of diesel engine can be diagnosed based on residuals.     

基于Elman网络的切削表面粗糙度预测方法

根据Elman神经网络模型能够逼近任意非线性函数的特点和具有反映系统动态特性的能力,讨论神经网络非线性、多因素预测原理及其拓扑结构的基础上,提出利用Elman神经网络建立切削表面粗糙度预测模型的方法;在Matlab及其神经网络工具箱的基础上,采用Elman神经网络对铝6061切削表面的粗糙度进行训练、预测、分析.结果表...