神经网络与有限元结合在轧机板形预报中的应用研究

通过有限元仿真分析,较准确的模拟了带钢轧制过程,获取对轧机板形影响较大的参数值,并将其结果作为训练样本对神经网络进行训练,建立了较为理想的基于神经网络的板形预测模型,实现了轧制过程中的板形参数的预报。仿真结果表明该神经网络与有限元结合的板形预测模型可获得良好的预测精度,弥补了传统板形预测模型的预测精度不能满足板形在线控制要求的缺陷。     

基于BP神经网络锅炉炉膛火焰可视化监测方法研究

为了可视化监测炉膛火焰燃烧状况,提出一种基于级联前向BP神经网络模型的锅炉炉膛火焰可视化监测方法。通过比较选取级联前向BP神经网络作为炉膛温度预测模型,利用图像处理技术得到炉膛火焰辐射能图像对应二维温度场,并采用正则化方法重建炉膛火焰三维温度场。仿真结果表明,根据二维温度场可得火焰等温线走向和分布,根据三维温度场易得火焰中心分布及全炉最高温度点信息,实现锅炉运行控制和异常温度报警,满足燃烧诊断要求并实现炉膛火焰可视化监测。     

震动信号识别传感器系统设计

设计了一种具有信号识别功能的震动传感器,用于监测地面运动引起的信号,实现安防区域24h无人监控.系统利用处理器实现信号识别算法,通过无线芯片将识别结果发送给数据控制系统中心,实现传感器信号识别和信息传输功能.实验测试结果表明:该系统能够在3s内有效地对25m距离内的人和车辆信号进行识别,正确识别率达96％;在10s内对100 m距离内的轮式车和履带式车识别,正确识别率达90％.     

双弯管法煤粉质量流量检测

双弯管法是一种基于弯管单相流测量原理的气固两相流固相质量流量测量方法,其测量结果与输入参数间非线性关系非常复杂,直接影响其测量精度.在双弯管法固相质量流量测量原理基础上,利用人工神经网络优良的非线性映射能力,建立了一种带有附加动量项的BP神经网络软测量模型,并在气固两相流测量实验平台上进行了实验研究.以实验数据为样本对双弯管法软测量模型进行训练,仿真结果与实验数据一致性较好,测量误差小于6％,为煤粉质量流量实时在线测量提供了一种行之有效的方法.     

基于视频图像的火焰多特征检测

根据火灾发生时火焰的颜色、面积变化和火焰的纹理特征,提出一种基于视频图像的火焰多特征检测方法.着重介绍了对采集到的视频图像中的火焰进行颜色、面积变化的分析,并通过BP神经网络进行火焰纹理相似性的识别,以便得到更准确的火焰识别效果.     

多装配特征影响下的装配质量特性预测方法

针对现有产品装配过程中一次装配成功率难以保证的问题,以灰熵关联分析与粒子群—BP神经网络为建模工具,采用灰熵关联分析对装配特征进行筛选,找出影响产品装配质量的关键装配特征,缩减预测模型的规模,应用粒子群—BP神经网络实现产品装配质量的预测.以某型外圆磨床的砂轮架装配为例,验证了该方法的有效性.     

轴承表面缺陷类型识别算法

针对生产和装配过程中轴承表面缺陷检测传统方法的不足,提出一种新的轴承表面缺陷类型识别算法。首先改进 Canny 算子以提高轮廓识别度,将 Sift 算法应用于缺陷区域提取,对轴承表面缺陷图像和无缺陷图像进行 Sift 图像匹配以定位缺陷区域,运用像素点的异或运算以精确提取缺陷区域。选择部分 Hu 矩值和几何特征值准确描述缺陷区域,将其作为 BP 神经网络算法的输入,从而最终识别出缺陷类型。实验表明,该方法提高了识别率,且具有非接触、速度快、精度高和抗干扰能力强等优点,较好地实现了轴承表面缺陷类型的检测。     

基于BP神经网络和模糊推理系统的短时交通流预测

本文研究短时交通流预测。短时交通流预测是智能交通系统研究和实践的必要基础。本文提出和建立了一个短时交通流量预测模型,该模型利用一个基于规则的模糊系统,非线性地组合BP 神经网络模型和自适应卡尔曼滤波模型的交通流量预测结果,使得短时交通流量的预测结果更加准确可靠。该模型将传统方法和人工智能方法有机结合,一方面,利用人工神经网络强大的动态非线性映射能力,从而提高预测精度;另一方面,充分发挥卡尔曼滤波的静态线性稳定性,解决了单独使用BP神经网络进行预测时识别率不理想和可信度不高的问题。实验结果表明,本文提出的短时交通流预测模型具有较高的准确度和可靠度。     

基于LBP统计特征的低分辨率安全帽识别

针对工地进出口的视频监控录像,考虑远距离低分辨率安全帽识别问题,探讨了低分辨率安全帽识别方法,分析了提取不同的特征和应用不同的分类器与识别率的关系.首先截取视频中的人头,获得大小为22*22的图像,然后分别提取图像的统计特征、局部二进制模式特征、快速主成分分析特征,再利用分类器和反向人工神经网络进行分类预测,最后计算测试样本的识别率.实验结果表明,提取图像的二进制模式统计特征,再结合反向人工神经网络的识别率效果最佳,识别率可达87.27%.     

基于改进的BP神经网络车牌识别的研究

近年来,城市智能交通系统发展的很快,车牌识别系统作为城市智能交通系统中信息采集的一种重要手段,也引起越来越多关注.本文对车牌识别的形态进行深入研究,应用了改进的BP神经网络算法.实验结果显示这个方法可以更高效的识别车牌并且建立一个良好的未来车牌识别技术的基础.