BP神经网络在煤矿爆破振动强度预测中的应用

根据BP神经网络理论,对煤矿主斜井爆破开挖产生的振动强度进行了预测。通过建立合理的网络预测模型,以影响爆破振动特征参量的主要因素作为模型的输入,在模型误差小于0.001的前提下,对21组数据进行了重点预测。参量预测误差均小于10%,可以满足该复杂场地条件下安全施工的预测要求。     

BP神经网络在爆破振动中的研究与应用

为准确地预测爆破结果、减少爆破振动对建筑的损伤和保障工人的安全,利用具有处理非线性问题能力的BP神经网络预测爆破结果。选取合格的爆破结果作为网络模型的学习样本,经过一定次数的训练学习后通过神经网络的前馈特性确定各层阈值和误差,完成对BP神经网络的建立,发现预测结果与真实结果相比的误差在10%以内。再结合PAC算法、POS算法或者MATLAB软件等优化网络后甚至可以将误差控制在5%以内。通过建立BP神经网络预测可以减少爆破作业带来的危害,降低安全成本,指导爆破作业的施工。     

神经网络在D350风机故障预测中的应用

风机的故障预测关系到风机的安全运行,准确的预测可以提前知道故障发生的时间,确定预防性维护的措施与时间,保障企业的生产安全,减少经济损失,长期以来,人们对风机故障的研究仅限于对风机故障原因的差别和诊断,而对风机故障预测的研究却甚少。     

神经网络在电机振动控制中的应用

基于干扰对消原理，利用多层前向神经网络对电气传动系统中存在的电机非线性振动进行控制。计算机仿真结果表明了该控制方案的可行性和有效性。     

焦化风机振动分析

对2台焦化风机进行了振动测试,通过对比2台风机的振动大小、波形、频谱,诊断出其中一台风机增速器存在对中不良,诊断结果经现场验证得到证实,经过处理后振动恢复正常。确保该风机能够长时间的安全可靠运行。本诊断方法可用于其他同类机组的现场问题处理中。     

BP神经网络方法在采煤机故障诊断中的应用

本文介绍了BP网络的原理、算法,并用BP网络对采煤机截割部机械传动系统的故障进行了趋势预测。经过地面模拟加载实验及井下验证,证明用人工神经网络可较好地预报机器故障,变被动维修为视情维修,为合理安排生产计划及设备检修提供了可靠的依据。     

综合改进BP神经网络在边坡稳定性预测中的应用

针对标准BP神经网络存在收敛速度慢和易陷入局部最小值的问题,提出用附加动量法和自适应学习速率法来优化BP神经网络,提高其收敛速度;引入具有全局搜索能力的模拟退火算法,克服其容易陷入局部最小值问题。应用综合改进后的BP神经网络对已知的实际边坡进行了预测,并将其预测结果与标准BP神经网络和实际值进行对比分析。结果表明:综合改进后的BP神经网络在边坡稳定性预测具有较好的预测效果,与标准的BP神经网络相比,不仅提高了计算速度,而且较大地提高了预测精度,具有较好的应用前景。     

BP神经网络在岩体初始应力预测中的应用

为最大限度地利用矿区实测地应力数据资料,用BP人工神经网络方法进行了不同深度的岩体初始应力预测。根据金川矿区现有的地应力实测数据资料,说明了该方法的具体应用和计算过程,并建立了拓扑结构为1-12-3的BP神经网络;经过训练以后,用于地应力最大水平主应力、垂直主应力及最小主应力的预测。最后将地应力实测值、回归值、预测值作了对比,预测结果与实测值误差较小(±5%左右),能够满足工程需要。结果表明:只要选取合适的隐层节点数目及最优的网络结构,经一定次数的训练后,BP神经网络具有较高的预测能力;在一定条件下,应用于岩体初始应力研究和工程实践具有可行性。     

模糊神经网络在旋转机械故障诊断中的应用

将神经网络和模糊算法结合，建立了串联式模糊神经网络模型，并利用该模型对D350风机进行了故障诊断。     

BP神经网络在振动筛故障诊断中的应用

按BP神经网络的基本原理和算法,确定了振动筛的BP神经网络结构,用振动筛运行状态的特征量作为BP神经网络的输入,运用Matlab神经网络工具箱对该网络进行训练,得到了用于诊断的BP神经网络模型。实验结果表明,运用神经网络方法能较为准确诊断振动筛故障。     

基于BP神经网络的感应电动机转子故障诊断方法

分析定子电流频谱特性诊断感应电动机转子故障,为了避免故障特征的边频分量被基频旁瓣淹没,利用扩展Park矢量法提取故障特征。在此基础之上,对所得到的故障特征矢量进行归一化,作为BP神经网络的输入量,同时以故障类型作为BP神经网络的输出量。设计BP神经网络结构,利用输入输出量对BP神经网络进行训练,进而实现感应电动机转子故障的自动识别。     

BP神经网络在煤级划分中的应用

煤化过程的复杂性和煤级指标的多元性,导致不同煤化阶段中的各煤级指标显著不同,煤级划分比较困难。利用BP神经网络的非线性映射特性,以典型的煤样主要煤级指标做训练样本,对网络进行训练,对其中各煤化阶段指标的权值和神经元内部的阈值沿误差下降的方向不断修正,最终达到了精度要求。经检验,训练后的网络对煤化阶段划分效果较好,对实际工作中具有一定参考价值和指导意义。     

BP神经网络在顶煤冒放性评估中的应用

 文章依据顶煤冒放性的自然影响因素,应用人工神经网络的理论与方法,建立了顶煤冒放性的BP神经网络评价模型,以文献[1、2]中的29个放顶煤工作面的顶煤冒放性评价结果作为网络模型的学习训练样本,对网络进行训练。最后应用训练后的神经网络,对6个不同煤矿的顶煤冒放性进行评价并将评价结果与实际开采情况相比较,验证了该评价方法的正确性和可行性。     

BP神经网络模型在水泥土强度分析中的应用

建筑工程地基加固效果受土体腐殖酸的影响。根据国内外土壤腐殖酸现有研究成果及方法,通过对不同水泥掺量、不同地域水泥土的对比性试验,运用灰色关联分析方法,以确定腐殖酸组分对无侧限抗压强度的影响。由水泥土无侧限抗压强度试验数据所建立数学模型显示,其预测模型及效果精度完全满足工程的需求。     

神经网络模型在大坝位移分析中的应用

大坝变形监测是大坝安全监测中最重要的项目之一.由于大坝变形受到各种外界因素的影响,变形情况非常复杂,预测的准确性对大坝的安全评估起着重要作用.因此,对大坝变形分析预报方法的选择显得尤为重要.该文介绍了统计模型和神经网络模型,提出将BP神经网络方法与统计方法结合的方法.用这两种方法对某大坝位移监测数据进行分析,并对未来变...     

基于BP神经网络电动机转子故障诊断方法的研究

利用BP神经网络对转子故障进行建模分析。发挥神经网络的自学能力和联想能力,对非训练样本,做出控制决策,表现非常灵活。可根据实验数据进行网络训练,用新数据进行模型验证。还与概率神经网络(PNN)进行对比验证。实验表明只要选择合适的节点数,BP神经网络比概率神经网络对转子故障有较强的学习和辨识能力,收敛较快,性能稳定,预测结果显著。     

改进的BP神经网络在浑河沈阳区段水质评价中的应用

应用神经网络模型对浑河沈阳区段水质进行评价,由于网络的改进有效地提高了训练的速度、节省训练时间,并且提高了评价的准确性,说明该方法为水质评价提供了一种快捷有效的评价方法。     

BP神经网络在轴承故障诊断中的应用

传统故障诊断方法很难对无法建立数学模型的系统进行有效的故障诊断。为了有效诊断轴承的故障,提出了基于BP神经网络的轴承故障诊断方法。简单介绍了常用的故障诊断方法、BP神经网络的结构和学习算法,详细介绍了BP神经网络在轴承故障诊断中的应用方法。仿真结果表明,通过合理选择网络节点数和训练样本,可以有效检测出轴承的故障信息。     

BP神经网络在教学评价中的应用

利用BP神经网络的自适应和自学习原理用于教学质量评价,提出了基于神经网络的教学质量评价模型结构,以及改进的BP网络学习算法,并利用MATLAB系统加以实现。