模拟电路故障诊断的BP神经网络方法研究

BP网络是模拟电路故障诊断中应用十分广泛的一种神经网络。针对传统BP算法的误差下降缓慢,调整时间长,甚至容易陷入局部极小点而不能自拔等局限性,提出用弹性算法与BP网络相结合的方法,并结合某型雷达装备的具体电路,运用该方法建模、仿真。实验结果表明,采用弹性算法结合后的BP网络误差收敛稳定,训练速度快,在克服传统BP算法的局限性上效果显著,为新型雷达装备的故障诊断和维修提供了一种方法,具有特定的实用意义。     

一种改进的BP神经网络算法

针对传统BP神经网络存在学习率设置不当与深度神经网络过拟合导致准确率不高的问题,提出改进的BP神经网络算法。该算法引入了drop-out机制来防止神经网络过拟合,并针对学习率设置不当的问题,将用指数衰减学习率代替传统BP神经网络中固定学习率。实验结果表明,改进后的BP神经网络相较于传统BP神经网络有效地提高了3.06%的测试准确率。     

无线传感网络监测数据分类算法仿真分析

研究无线传感网络数据的准确分类问题。针对无线传感网络监测得到的数据属性呈现高冗余特征,用传统的BP神经网络进行分类易陷入局部最优解、泛化能力差、收敛速度慢与精度低等问题,造成数据很难被准确分类,提出用免疫算法优化BP神经网络的分类算法。该算法利用免疫算法所具有的全局收敛特性和个体多样性保持机制,全局搜索优化BP神经网络的权值,再用BP算法对其开展局部搜索工作。仿真实验结果证明,该算法能够有效克服训练经典BP神经网络时容易陷入局部极值的不足,加快了网络的收敛速度,传感器网络数据分类识别的准确率也得到了大幅度提高。     

基于神经网络的干涉仪测向方法

针对干涉仪测向系统中采用传统算法难以克服系统误差的问题,提出了一种基于神经网络的干涉仪测向方法。通过对干涉仪测向系统进行建模,分析了测向误差来源和解相位模糊算法,建立了基于相位干涉仪测向系统的BP神经网络模型,并采用了Levenberg-Marquardt算法对BP神经网络进行改进。以微波暗室的试验数据为训练数据,利用Matlab工具箱对神经网络进行了验证性的仿真试验。仿真结果表明:与传统的测向算法相比,该算法能克服系统误差,进一步提高干涉仪测向精度,改进后的神经网络的收敛速度得到大大提高。     

基于改进进化神经网络的双目视觉系统标定

摄像机标定在机器视觉技术中具有重要意义.针对传统三维物标定方法操作繁琐,BP神经网络标定受初始权值和阈值影响的问题,提出一种基于光轴会聚模型的思维进化-神经网络标定方法.利用BP神经网络可逼近非线性函数,思维进化算法具有较强全局寻优能力,有效解决了BP神经网络易陷入局部最小以及初始权值、阈值随机化问题.实验证明,与经典张正友标定法、BP神经网络方法相比,改进进化神经网络标定法可获得更好的双目标定精度.     

声发射信号诊断的膝盖骨性关节炎

针对目前膝盖骨性关节炎(OA)发病率高,传统的诊断方法缺乏便携性,价格贵,存在放射性危害等局限性。该文提出了一种基于遗传算法优化BP神经网络的膝盖OA诊断。该方法以健康组和患病组为研究对象,将采集到的声发射(AE)信号通过遗传优化算法得到BP网络的最佳初始权值和阈值,利用BP神经网络对AE信号进行诊断分类。经实验室建立的膝盖OA声发射数据库的实验结果表明,该诊断方法效果好,误差小,能对膝盖OA患者进行实时检测和早期预测,具有临床价值。     

基于加权D-S证据理论与共轭梯度下降BP神经网络结合的柴油机故障诊断

针对在柴油机故障诊断中,传统的D-S理论无法解决证据冲突问题,以及传统BP神经网络存在局限性,本文以某大功率柴油机为例,提出一种将加权D-S证据理论与共轭梯度下降BP神经网络相结合的新的柴油机故障诊断方法,通过对V12四缸柴油机的进行数据测量与实验对比,证明该方法中加权证据理论能有效地处理存在冲突证据时的融合问题,避免了传统BP神经网络存在的局限性,将两种改进后的方法相结合也避免了构造D-S证据理论的基本概率赋值函数的困难性,同时利用神经网络大规模并行工作方式增强了信息处理的快速性,并且可以尽量减少不确定性因素的影响,说明本文提出的方法是非常有效可行的。     

基于油液在线监测的风机齿轮箱磨损状态识别

针对风机齿轮箱磨损状态识别中传统算法识别准确率低的问题,该文提出了一种基于BP神经网络的风机齿轮箱磨损状态的识别方法。该方法基于油液在线监测的多维数据样本,构建BP神经网络风机齿轮箱磨损状态识别模型。仿真实验中,在经过对测试数据学习训练后,BP神经网络和传统聚类算法分别对一组测试数据进行磨损状态识别,BP神经网络模型的风机齿轮箱磨损状态识别准确率可达到98%,而相同样本下,传统聚类算法的识别准确率仅为90.4%。对比实验结果表明,所提方法具有更高的识别准确率。     

三维地震数据的可视化

传统的地震数据解释方法是利用地震剖面与水平切片的二维图象显示三维数据,它具有很大的局限性。科学可视化技术的出现使得三维数据三维解释成为可能。将科学可视化技术应用于三维地震数据场,则产生了三维地震数据可视化技术,它主要包括面可视化与直接体绘制两种技术。本文主要研究三维地震数据场的直接体绘制方法——光线投射算法。     

基于改进遗传神经网络的MR脑组织图像分割方法

为了提高MR脑组织图像分割的准确度,针对传统BP神经网络算法存在的问题,提出了改进的遗传神经网络算法。首先根据医学图像改进遗传算法的编码方式、适应度函数以及遗传操作,利用该算法获取最小适应度函数值,进而确定神经网络最优权值和阈值;然后将该神经网络用于MR脑部图像的分割。试验结果表明,改进的遗传神经网络算法分割效果优于传统BP神经网络算法。     

基于模糊神经网络的执行器故障诊断

针对神经网络在故障诊断中的局限性,提出了一种将模糊理论与BP神经网络结合的故障诊断方法,使其应用到执行器故障诊断中.通过和BP神经网络学习算法对执行器故障诊断的结果比较来证明模糊神经网络算法的优越性.首先介绍执行器常见故障;其次对故障征兆进行模糊化预处理,获得了神经网络训练样本,最后应用Matlab软件进行了系统仿真.仿真结果表明:该方法收敛速度快、诊断精度高、自适应性强,能够有效地诊断执行器故障.     

基于BP神经网络的长距离分布式光纤传感高空间分辨率定位算法

为解决基于数字编码移相-积分测距系统中，因发送序列与本地序列之间的真实相位差非1 bit码长的整数倍而影响测量结果准确性这一问题，文中提出一种基于BP神经网络长距离分布式光纤传感高空间分辨率定位算法。该算法根据BP神经网络判断1 bit内细分程度并与传统算法相结合实现动态测距。实验结果表明，基于BP神经网络长距离分布式光纤传感高空间分辨率定位算法的长距离定位精度平均相对误差从0.23降低到0.035，弥补了空间分辨率与准确率受数字码本身局限性的问题，为大规模基础设施的长距离、高精度实时监测提供了可能。     

基于改进BP神经网络的关联挖掘模型设计

针对传统BP神经网络的关联挖掘模型中关联挖掘方法和用户交互矛盾问题,提出一种基于改进BP神经网络的关联挖掘模型设计。采用改进的BP神经网络算法进行BP神经网络计算,解决了二次函数的非线性优化问题。运用优化的算法保证了适应度函数的选择能力,避免了阈值以及权值对BP神经网络的误差倒数的影响。为了验证所设计的基于改进BP神经网络的关联挖掘模型的有效性,设计了对比仿真实验,实验结果表明,提出的基于改进BP神经网络的关联挖掘模型设计能够有效地解决关联挖掘方法和用户交互矛盾问题。     

灰色神经网络在城市用水量预测中的应用

为解决传统BP神经网络在城市用水量预测中易陷入局部极小点等问题,将BP神经网络与灰色理论相结合,构建了灰色神经网络模型(GNNM),实现了二者的优势互补,并利用粒子群优化算法(PSO)对该模型的初始权值和阈值进行优化,形成了PSO-GNNM(1,N)算法.通过与传统BP神经网络、灰色理论预测法的预测结果相比较,该算法具有预测误差小、泛化能力强等优点,可为城市用水量的预测工作提供技术支持.     

基于遗传算法的BP网络学习算法研究

介绍了遗传算法和标准BP算法及其改进形式,指出遗传算法和BP算法各自的优缺点.利用遗传算法全局寻优和BP神经网络局部寻优相结合的方法,提高了传统BP神经网络的计算精度和收敛速度.最后进行了仿真实验,结果表明,该方法不仅收敛速度快,而且易达到最优解,具有很高的实用价值.     

PM2.5测量系统中改进神经网络控制算法优化补偿

针对现阶段PM2.5测量系统的测量精度较低的问题,提出了改进的BP神经网络PID控制算法对其进行优化补偿。通过对粒子群优化算法的速度公式进行了改进,采用优化的粒子群算法优化了BP神经网络,将其用于PID的在线参数调节,以PM2.5测量系统作为研究对象,将改进的BP神经网络PID控制算法与传统PID分别作了仿真研究。研究结果表明,基于改进的粒子群优化算法改进的BP神经网络PID控制算法与传统的PID控制相比,提高了测量精度,在一定程度上减少了误差。     

变压器绕组温升的几种算法比较

介绍了变压器绕组热点温升的传统直接测量方法,国家标准计算方法,热电类比模型法,BP神经网络模型和算法。分析每种方法原理并进行比较,得到相应的优缺点。验证BP神经网络模型算法在变压器绕组热点温升中的应用,证明该方法是有效的。     

基于改进型BP神经网络的电网负荷预测

考虑到传统的线性电网负荷预测方法的预测精度无法满足现代电力电网管理系统的要求,使用更适用于电力电网负荷的预测任务的非线性BP神经网络算法建立预测模型。由于常规的BP神经网络存在容易陷入局部最优解以及收敛效率低等问题,该文使用模拟退火算法对BP神经网络权值训练算法进行优化,提高预测模型的收敛效率和自学习能力。通过实例对所研究的预测模型进行分析,结果表明,所研究的改进型BP神经网络的训练次数和训练耗时均低于常规神经网络,具有更高的收敛精度,同时改进型BP神经网络预测模型的预测误差明显降低,具有较好的工程应用价值。     

基于GA的BP神经网络在多目标优化中的应用

针对传统多目标优化的求解方法通常存在目标权值主观性大,优化目标仅为各目标加权和以及在求解过程中各目标优化的不可操作性等问题,文中提出了一种新颖的多目标优化算法,其将改进后的遗传算法与BP神经网络融合,提出了基于遗传算法的BP神经网络融合算法。该算法将遗传算法与BP神经网络算法相结合,充分发挥遗传算法的全局搜索能力优势和BP算法的局部搜索能力特点,使得多目标优化问题得以求解,加快收敛速度,从而提高了收敛精度。     

基于PSO和改进神经网络的图像滤波方法的研究

提出了一种基于改进BP神经网络和粒子群优化算法（PSO）的图像滤波方法。该方法利用对数最小均方误差函数（LNLS）代替BP神经网络传统的最小均方误差函数（LMS）,用来减小图像噪声对神经网络精度的影响;并将改进后的BP神经网络利用PSO算法优化,从而避免神经网络陷入局部极小值点,进一步提高神经网络滤波能力。实验结果表明,与传统滤波方法相比,该方法不仅能有效地滤除图像中的高斯噪声而且能很好地保护图像细节。