基于布谷鸟搜索优化神经网络的锂电池荷电状态预测

锂电池荷电状态(SOC)的预测是电动汽车锂电池管理系统中最为关键的技术之一;为实现对SOC的高精度的预测,提岀了一种基于布谷鸟搜索算法(CS)优化的误差反向传播(BP)神经网络的锂电池SOC预测方法,该方法的核心难点之一,在于优化BP神经网络的初始权值和阈值,从而可以改善易陷入局部最优的情况,减小算法对初始值的依赖;Matlab仿真结果表明,CS—BP神经网络算法的均方根误差值比BP算法的均方根误差值平均降低了0.010 6,CS—BP算法具有更高的预测精度和极强的泛化性能.     

BP网络算法在平面运动测量误差补偿中的应用

在航天对接试验平台开发项目中,针对平面运动物体非接触高精度测量的难点,提出一种针对物体三自由度平面运动的创新性测量方法.利用激光测距传感器的并联组合,实现对物体位置和姿态的非接触式测量.以传感器测量值为输入样本,运用BP神经网络算法建立误差模型,通过调整权值因子使建立的网络模型能够拟合出测量误差,从而修正测量的数学模型.基于BP神经网络的误差补偿方法对平面运动物体测量误差的补偿具有明显的效果,能够满足位姿测量的精度要求.     

人工肺-嗅觉系统集成与混合气体识别方法

针对仿人机器人的嗅觉及多种混合气体识别问题,提出一种人工肺-嗅觉系统(HALOS-I)及基于主动呼吸的气体识别方法.该系统硬件主要集成了微型真空泵、酒精/硫化氢/氨气/烟雾/甲烷5种气体传感器、单片机以及信号采集与处理电路;分别用K-均值聚类分析法、遗传算法结合神经网络(GA+BP)、三级级联神经网络(GA+3BP)进行了5种单一气体及4种混合气体的识别实验,结果表明:GA+BP算法仅对5种单一气体识别率达到90%以上,加入混合气体后识别率较低;GA+3BP算法除对硫化氢和烟雾的混合气体识别率为70%以外,对其余8种气体识别率均在90%以上,表明GA与多级级联BP神经网络相结合方法对多种单一及混合气体具有较高的识别率.     

基于BP神经网络的铂铑热电偶的非线性校正

热电偶是工业中广泛使用的测温元件,由于其自身的物理特性的限制,其输出热电势与被测温度之间存在着一定的非线性,这将增大温度的测量误差,从而影响测量精度。针对这一问题,提出了基于BP神经网络的非线性校正算法,以热电偶的热电动势为输入信号,以与其相对应的温度值作为输出信号,给出了前馈型BP神经网络的结构和训练权值的方法。通过实验仿真结果对比可知,此方法降低了热电偶测温的非线性误差,便于操作,大大提高了铂铑热电偶在温度测量中的测量精度。     

地球同步轨道SAR曲线轨迹二维空间分辨率分析

针对地球同步轨道合成孔径雷达(GEO SAR)中,卫星轨道是曲线轨迹,且由于地球自转等因素的影响,卫星相对于点目标的运动轨迹没有显式表达式,且航迹速度在不同的卫星轨道位置差异很大的问题,提出了一种基于相位梯度分析的高轨SAR二维空间分辨率计算方法.文中提出了一种猜想,并采用介值定理证明:在合成孔径时间内,存在1个等效航迹速度,使得理论方位向分辨率位于1个范围之内,并计算得到了该方位向分辨率范围.最后,后向投影算法仿真实验验证了该方法的有效性.     

改进型BP网络在男西服规格尺寸自动生成上的应用

男西服规格尺寸设计对成衣的合体性和板型有着直接的影响,在现今的服装企业中,这项工作对制板师的经验依赖程度比较高,容易因人员流动影响成衣质量。随着人工神经网络等人工智能技术的发展,本文构建了一种可用于男西服规格尺寸设计的改进型BP神经网络模型,并探讨和分析了隐含层神经元数、传递函数、动量因子等影响神经网络性能的关键因素,经过多次仿真测试,表明利用改进型BP网络可以实现由人体关键部位的净体数据自动生成男西服成衣规格尺寸。若经过进一步完善,此方法还能应用于其他服装品种的规格尺寸设计,有利于提高服装企业的制板效率和成衣的适体率。     

预测板式换热器污垢热阻的新方法

通过动态监测板式换热器冷却水污垢热阻及影响污垢热阻的松花江水水质参数（如pH值、溶解氧、铁离子、氯离子、细菌总数、浊度、电导率、化学需氧量、碱度和硬度等）变化。采用BP神经网络主成分分析、主成分回归、全要素BP神经网络三种预测方法建立板式换热器污垢热阻预测模型,选取1-15号样本为训练或回归拟合样本,16-20号样本为测试样本,并将三种方法的预测结果进行了对比。结果表明,三种方法均可对板式换热器污垢特性进行有效预测,而基于主成分分析的BP神经网络方法的预测结果误差小,优于另外两种方法。     

基于BP神经网络的数字图像修复

考虑到BP神经网络非凡的学习能力和非线性映射能力,提出了利用BP神经网络修复数字图像.由于一般的BP神经网络收敛速度较慢,且易陷入局部极小,产生振荡现象.因此考虑在梯度下降算法的基础上引进动量因子,结果发现收敛速度加快、振荡现象减轻.该方法根据待修复区域的边界寻找相似块,利用相似块周围像素数据得到BP神经网络的权值和阈值.试验表明:文中的方法相对于利用偏微分方程(如BSCB方法)速度要快,而且具有更大的ISNR.     

应用 BP 神经网络预测精锻斜齿轮损伤因子

通过利用DEFORM-3D软件对斜齿轮精密锻造过程进行有限元模拟,获得了损伤因子的分布特点。运用Matlab软件建立BP神经网络损伤因子预测模型,分析了不同锻造条件对损伤因子的影响,并对不同锻造条件下的损伤因子进行预测。利用检测样本对训练的神经网络进行验证,结果表明,BP神经网络预测损伤因子与模拟结果吻合较好,预测结果误差较小,预测精度满足实际应用要求。     

混合ATM信元容错识别方法

ATM信元的识别是ATM通信中的重要环节.在无线ATM通信中,由于通信链路的不可靠性,信元在传输过程中可能会由于出现误码而导致无法识别.针对此问题,文章提出一种基于中心距离提取法和误差反向传播型神经网络相结合的方法,提取ATM信元净荷的结构特征,对含错ATM信元进行非线性容错识别.仿真结果表明,该方法对于含噪ATM信元的识别问题较常规方法有更理想的效果.