基于BP神经网络的超声测距误差补偿

指出了超声波在测距应用中的局限性,并给出解决方案。着重从新的角度补偿超声传感器的误差,提出了用BP前馈神经网络补偿超声波声速受温度、湿度变化而引起的误差。在室外工作的测距仪上,应用该补偿方法后超声测距的精度提高了2个数量级。本方案适用于高精度要求或复杂环境下超声测距。     

BP神经网络在加速度计误差补偿中的应用

加速度计受其零偏、温度等影响明显,直接影响导航系统的精度,需要研究补偿方法,提高加速度计的测量精度。鉴于神经网络具有高效的曲线拟合功能和优越的逼近复杂非线性函数的特点,提出了基于BP神经网络的加速度计误差补偿方法。仿真结果表明,经BP神经网络补偿后,加速度计误差补偿后的输出能良好地逼近其期望输出,输出最大误差的绝对值由0.4575 g减少到0.07014 g,误差降低了一个数量级,很好地抑制了加速度计的误差,提高了加速度计的精度。     

基于BP神经网络的超声测压温度补偿模型

在分析了温度对超声管外压力测量的影响和现有模型不足的基础上,利用BP神经网络良好的非线性拟合能力,通过实验数据训练网络,最终建立了温度—声速—压力模型,实现了温度的补偿,结果表明补偿后的模型精度明显提高。     

基于BP神经网络的故障诊断技术研究

分析了传统的故障诊断方法的特点和缺点,在此基础上选择BP神经网络应用于故障诊断,详细探讨了BP神经网络的建模方法,根据设备的层次结构和特点,将集成神经网络应用于故障诊断,有效地克服了单一神经网络故障诊断的一些缺点,大大提高了故障诊断的效率和准确率.     

基于BP神经网络的氧化锆氧量计的非线性补偿研究

氧化锆氧量计的工作原理是氧浓差电池原理,其氧浓差电势的计算是严重的非线性函数;选用只含一个隐含层的三层BP神经网络结构,充分利用BP神经网络的非线性函数逼近能力,无需模型只要适量的学习样本通过反复训练,即可按指定精度完成对氧化锆氧量计非线性特性的辩识和输出信号的非线性补偿;就隐含层节点数、学习率、误差指标等参数对该方法中BP神经网络训练次数和收敛过程的影响进行了比较研究。     

基于BP神经网络的压力传感器温度补偿方法研究

硅压阻式压力传感器在工作时受温度的影响较大,随着温度的升高或降低,传感器的实际测量值会出现一定的误差,出现温度漂移的现象。为了抑制温度漂移对传感器的影响,采用人工神经网络中的BP神经网络的方法对温度漂移现象进行补偿,通过对补偿前后数据的对比,使传感器的灵敏度温度系数和满量程误差分别提升了两个数量级,得到了较为理想的效果,提升了传感器的性能和可靠性。     

基于遗传BP神经网络的数据挖掘技术

数据挖掘技术是从大量数据中挖掘知识的有效的工具。BP神经网络和遗传算法是运用在数据挖掘中的两种新兴算法,神经网络的结构复杂、网络训练时间长、收敛速度慢,但其具有较高的正确率,把BP神经网络与遗传算法相结合,可以提高收敛速度,并在有限步内达到较高的精度要求,因此本文提出了一种遗传算法和BP神经网络相互结合的新算法,并把算法运用在数据挖掘技术中。     

基于BP神经网络温度补偿的压力传感器无线数据采集系统

介绍了一种多路智能压力传感器数据采集电路的设计方法,采用BP神经网络算法对其实现温度的软件补偿。该算法有效改善了传感器的非线性及温度变化所引起的输出的误差,提高了测量精确性和可靠性。通过无线收发模块PTR2000实现了数据的无线传输。该系统可以在一些特殊的场所实现信号的采集、处理和发送、接收,并具有成本低、可靠性好、实用性强等优点。     

基于PSO的BP神经网络在压力传感器温度补偿中的应用

针对硅压阻式压力传感器的温度漂移问题,提出了基于粒子群优化算法PSO(Particle Swarm Optimization Algorithm)的BP神经网络的温度补偿模型,通过粒子群化算法对BP网络的权值和阈值进行全局寻优,克服了BP网络收敛速度慢和易陷入局部极值的缺陷,而且温度补偿的精度较高。研究结果表明,该方法有效的抑制了温度对压力传感器输出的影响,提高了传感器的稳定性和准确性。     

BP神经网络研究

简述BP算法原理,并通过训练一个布尔函数的实例,对BP神经网络算法进行分析与研究,从中可以看出不同的神经网络可以解决同一个实际问题,但是它们的效率及精确度是不同的,需要根据具体应用采用合适的网络形式。     

基于改进BP神经网络的航空液压油软测量

BP 神经网络越来越多地被应用于软测量建模中,与传统方法相比,BP神经网络进行信息处理可以减少数据的分析和建模工作,但也存在易于陷入局部最小值和初始权值随机选取的缺陷问题;为了解决传统BP神经网络存在的缺陷,文中在数据预处理过程中引入主成分分析法(PCA),在BP网络输入权值时引入遗传算法(GA),最终达到弥补BP神经网络缺陷的目的;详细介绍了改进算法的流程与步骤,将改进的BP神经网络应用于航空液压油的软测量,先是对航空液压油软测量参数进行分析,包括辅助变量的选择和数据预处理,然后进行基于改进型BP神经网络的建模与仿真实验;实验结果表明,基于改进BP神经网络的航空液压油软测量效果优于传统神经网络,具有更强的泛化能力,因此可进行更广泛的应用。     

反潜巡逻机作战仿真组件化建模研究

为了提高反潜巡逻机作战仿真模型的重用性,引入了基于J2EE/EJB的组件化仿真建模思想,可以通过组合模型组件的方法构建复杂的仿真系统.首先,根据反潜巡逻机的装备组成、战术手段及特点,构建了基于EJB组件和分层的反潜巡逻机作战仿真模型系;其次,采用UML对模型系和模型组件进行建模,从静态视图和动态视图两个方面阐述了潜巡逻机作战仿真建模的具体方法;最后,介绍了反潜巡逻机作战仿真系统的设计与实现,提出了基于EJB和HLA的仿真体系架构,给出了模型组件和客户端的关键代码实现,并通过仿真执行流程展示了如何通过模型组件构建反潜巡逻机作战仿真系统.     

基于BP神经网络的浓度传感器非线性校正

提出基于BP神经网络的浓度传感器非线性误差校正方法。文中详细给出了BP神经网络算法原理及训练方案。当替换传感器或环境条件发生变化时,只要获取一组输入输出样本对,便可重新训练网络,获得新的输入输出样本关系,从而实现传感器非线性校正和动态标定,提高传感器的互换性,有实际应用价值。     

基于BP神经网络的SCL译码研究

现存极化码译码算法仍然遭受非常高的复杂度.针对此问题,提出一种基于BP神经网络的SCL译码算法,该算法通过离线收集数据来搭建并训练一个合适的BP神经网络;借助已完成训练的BP神经网络,通过在线操作来寻找列表大小L的最优初始值;在此基础上,通过设计一种改进的SCL译码算法来降低复杂度.实验结果表明,与现存算法相比,新算法在低信噪比下能够显著降低平均译码复杂度.     

基于MapReduce的BP神经网络算法研究

随着信息化社会的飞速发展,需要进行数据挖掘的数据量急剧增大,传统的串行化BP神经网络训练方法在处理海量数据集时存在很大问题,如耗时过长,甚至内存不足无法训练。为了解决这个问题,提出了一种在云计算环境下,基于MapReduce的BP神经网络训练方法 MR-GAIBP,实验证明,提出的方法,相比于已有的方法拥有更快的收敛速度和更高的精度,在大数据集上有更快的训练速度。     

基于BP神经网络的PID控制研究

PID控制算法是工业控制领域中应用广泛的控制算法,但在实际应用中其参数整定问题一直是一个尚未很好解决的难点.为了解决控制参数整定,改善系统性能,利用BP神经网络技术应用到PID控制器中.通过建立三层神经网络模型,在控制过程中按照梯度下降法修正神经网络的权系数,实现PID神经网络的自学习和逼近任意函数的功能,在控制过程中根据变化实时调整PID的三个控制参数,从而进行PID控制参数的在线整定.仿真结果表明,引入了BP神经网络的PID控制系统,提高了动态性能,增强系统稳定性和快速性,并获得更好的控制效果.     

BP神经网络算法的技术分析

本研究通过对BP神经网络的特点及其原理进行简单介绍,提出当前的一些算法改进,分析各种算法的优缺点,最后对BP神经的应用现状进行了探讨。     

基于BP神经网络的智能入侵检测研究

分析了入侵检测技术在计算机网络安全技术中的作用和地位,同时将BP神经网络算法应用于入侵检测当中,建立了基于BP神经网络的智能入侵检测系统.该系统能够通过数据包捕获模块实时抓取网络中传输的数据包,之后通过协议分析模块进行数据包所使用的数据协议的识别,从而能够在BP神经网络模块分别针对采用TCP、UDP、ICMP这三种网络数据传输协议的数据包进行处理.从本文中列出的该系统在Matlab07上的仿真结果可以看出:基于BP神经网络的智能入侵检测系统能够有效地提升入侵检测识别率.