人工神经网络在气体分析系统中的应用

为了研究人工神经网络在气体分析系统中的应用,选择了识别CH4和CO的传感器阵列及用于网络模型训练的样本。实验分析确定了信号预处理方法,选取合适的网络模型并创新性的对用于气体种类识别的BP算法进行改进,并研究网络结构和参数的变化对气体分析系统性能的影响,实验结果证明气体传感器阵列与BP算法相结合进行气体成分分析具有一定的可行性,若能进一步调整及完善气体传感器阵列的硬件测量电路,则可开发出用于现实复杂环境的多气体分析系统。     

基于LMBP神经网络的涡流传感器曲线拟合研究

为了正确反映数字式涡流传感器的实际非线性特性,文中利用Levenberg-Marguardt(L-M)算法优化BP的权值修正量,提出了一种快速收敛的LMBP学习算法,从数学角度详细阐述了LMBP算法的学习过程,并在Matlab环境下设计了具体的网络对数字式涡流传感器特性曲线进行拟合。仿真结果表明,较传统BP网络和传统改进BP网络,LMBP网络有着更快的收敛速度和更强的逼近能力。     

基于PSO-BP算法的压力传感器温度补偿研究

硅压力传感器在工业环境中使用时,尤其是用于测量油井井下压力的时候,环境温度变化范围通常比较大.硅压力传感器由于其自身结构的原因,输出压力值会呈现非线性变化,大大的降低了压力传感器的测量精度.本文是基于PSO-BP神经网络方法对压力传感器在温度变化时产生的误差进行补偿修正,以达到系统精度要求.PSO-BP算法的本意是使用PSO算法用于对BP神经网络的初始权值和阈值进行改进和筛选,然后再使用BP网络对样本进行训练,以提高系统的泛化能力和稳定性.     

基于小波网络的传感器故障检测

针对常规BP网络存在的问题,在小波网络的基础之上将其结构进行改进,提出复合小波网络,代替BP网络用于传感器的故障检测.为避免由于传感器输入信号突变引起的传感器输出与观测器预测值产生较大偏差而导致的误诊断,提出将检测方法加以改进.仿真实验表明,复合小波网络较BP网络和未改进的小波网络收敛速度快、预测精度高,更适用于故障检测;采用了复合小波网络的改进的检测方法既提高了检测的快速性,又提高了可靠性.     

一种基于自适应遗传算法的BP网络的应用

针对遗传算法和BP网络各自的优缺点，探讨了两算法结合的必要性、可能性以及结合方法，提出了一种改进的自适应遗传算法，并把该算法用于优化BP网络的权值。把经优化后的BP网络作为汉字识别的分类器，实验结果验证了所述方法的有效性。     

启发式改进BPNN在模式分类领域内的对比研究

采用附加动量BP算法、自适应最速下降BP算法、自适应动量BP算法、弹性BP算法4种启发式改进方法分别对标准BP算法进行改进,并构建了相应的BP神经网络分类模型,将构建的4种分类模型应用于二维向量模式的分类,并进行了泛化能力测试,将4种BP网络分类模型的分类结果进行对比。仿真结果表明,对于中小规模的网络而言,弹性BP算法改进的BP网络的分类结果最为精确,收敛速度最快,分类性能最优;附加动量BP算法改进的BP网络的分类结果误差最大,收敛速度最慢,分类性能最差;自适应学习速率BP算法改进的BP网络的分类结果的误差值、收敛速度及分类性能介于上述两种算法之间。     

基于BP神经网络算法的仿真研究

BP神经网络,有着较好的函数拟合性,但仍存在着网络不收敛、陷入局部最小的风险和收敛速度慢的缺点。对这些缺点的克服,大量的科研工作者对此算法做了许多改进工作。文中利用输入向量与目标函数之间的关联,更新网络的权重值,针对网络收敛速度慢、陷入局部最小等风险,对BP算法进行了改进。且对已了解的BP神经网络的几种改进算法以某通信设备的故障诊断为实例一一进行实际训练验证,针对网络训练结果做了总结,对比各种改进方法的优劣,通过对比分析得出本文的算法改进效果明显,且故障诊断准确具有实际价值。     

基于改进的小波神经网络的汽车电控汽油机故障诊断

针对现有BP网络在汽车电控汽油机故障诊断中存在的问题,提出将小波函数与神经网络结合构成小波网络,代替BP网络用于故障诊断。并对小波神经网络提出了两个方面的改进。首先是对输出层函数进行了改进,其次是用熵函数代替均方误差函数作为网络的代价函数。仿真结果表明此改进的小波神经网络算法进行汽车电控汽油机的故障是有效的,而且与传统的BP神经网络相比,该改进的小波神经网络具有更强的逼近能力,更快的网络学习收敛速度和能有效避免局部最小值问题。     

基于 RSSI 的无线传感器网络节点定位算法研究

节点位置信息是无线传感器网络应用的基础。基于RSSI（Receive Signal Strength Indicator）的测距技术因其低成本和低复杂度的优点而被广泛用于无线传感器网络的定位技术中。介绍了RSSI信号传输模型,在介绍无线传感器网络定位基本原理的基础上,分析了影响定位精度的因素。综述了近几年提出的无线传感器网络中基于RSSI的节点定位算法及其改进算法,现有基于RSSI定位算法的改进算法主要从测距精度改进、定位精度改进或误差修正改进等方面进行。最后,指出了基于RSSI的无线传感器网络节点定位算法的不足,并进行展望。     

基于GA-ACO-BP的WSN数据融合算法实现

在无线传感网络中,为了提高多传感器数据融合性能,解决传感器电池频繁更换,延长网络生命周期,提出一种将遗传算法与蚁群算法相结合改进BP神经网络的多传感器数据融合算法(GA-ACO-BP)。GA-ACO-BP算法结合了遗传算法和蚁群算法的优势,传感器网络节点将信息通过LEACH协议对数据进行融合处理,降低数据发往Sink节点的传输量,减少数据传输造成的能量消耗。通过实验仿真显示,GA-ACO-BP算法和基于LEACH协议的算法、ACO-BP算法相比,该算法能减少需要传输的数据量,延长网络生存周期。     

基于量子粒子群优化的BP神经网络的汽轮机振动故障诊断研究

为了提高汽轮机诊断系统的诊断速度与精度,提出了将量子粒子群算法和BP神经网络相结合的故障诊断方法。用量子粒子群算法来训练网络的权值和阈值,再将优化后的权值和阈值代入BP网络,进行故障诊断。实例证明,它是一种高效,可靠的诊断方法。     

电视电路直流故障的BP网络快速诊断

测后诊断速度和诊断精度是电视直流故障诊断性能的重要衡量指标。文中将神经网络的自学习和分类技术应用于电视电路的直流故障诊断之中 ,并把反向传播BP网络训练成一个故障学习库。考虑到元件参数容差对诊断的影响 ,文中提出了优选训练样本的具体方法。此外 ,为实现快速诊断 ,重新定义了BP网络输出误差函数 ,提出了可变步长的快速选择方法。同时通过仿真实验证明了这些措施的实施能实现了电视直流故障的快速准确诊断     

基于径向基神经网络的旋转机械故障诊断

针对旋转机械故障征兆与故障模式映射的复杂性,以及BP网络容易陷入局部极小、收敛速度慢等缺点,提出基于径向基（RBF）神经网络的风机故障诊断方法。以风机振动信号的7段频谱能量峰值作为故障特征,采用训练好的RBF网络进行故障辨识。结果表明,RBF网络能满足风机故障诊断的准确性,并在避免局部极小和节约训练时间方面有较好的实用性。     

基于BP网络快速诊断电视电路直流故障

测后诊断速度和诊断精度是电视直流故障诊断性能的重要衡量指标。文中将神经网络的自学习和分类技术应用于电视电路直流故障诊断中，把反向传播BP网络训练成一个故障学习库．考虑到元件参数容差对诊断的影响，提出优选训练样本的具体方法。此外，为实现快速诊断，重新定义了BP网络输出误差函数，提出了可变步长的快速选择方法。通过仿真实验，证明这些措施的实施能实现快速准确诊断电视直流故障的功能。     

基于MIV和BRBP神经网络的电路板红外诊断方法

针对BP神经网络对于海量数据训练及多维数据训练收敛困难的问题,在使用增加动力项、自适应学习速率等方法的基础上,引入均值影响度算法(MIV)构造了贝叶斯正则化反向传播(BRBP)神经网络,以此提高电子线路板红外故障诊断算法的效率。利用红外测温方式,获取了不同室温及运行状态下电路板中21个元器件温度数据。将此21个参数作为故障诊断模型的初始输入变量,经过MIV算法简约为12个参数输入至BRBP神经网络,进行故障评估和诊断。结果表明:相对于传统的BRBP神经网络,本文设计的基于MIV和BRBP神经网络模型诊断方法极大简化了数据训练的数据量并解决了数据收敛的困难,因此效率更高,用时更省。     

模拟电路故障诊断的小波包预处理神经网络改进算法

提出了基于小波包预处理的神经网络模拟电路故障诊断方法的两种改进方法:最优小波包变换(OWPT)预处理和不完全小波包变换(IWPT)预处理BP神经网络算法。首先对模拟电路的响应信号用这两种方法进行预处理,然后计算预处理后信号各个频段上的归一化能量,把归一化的能量作为训练样本送给BP网络进行训练,有效减少了BP网络的输入节点和隐层节点的个数,从而减小了神经网络的规模,降低了计算的复杂度,加快了网络的训练和收敛速度。仿真实验表明此方法能够快速有效的对模拟电路的故障进行诊断和定位。     

具有容差的模拟电路故障定位的神经网络实现

结合Ｋ故障诊断和ＢＰ网络的分类功能,提出了一种神经网络实现模拟故障定位的方法,该方法将ＢＰ网络训练成具有推广能力的广义故障字典。     

基于小波分解和BP网络模拟电路故障诊断研究

为了高效、准确地对模拟电路故障进行诊断,采用了一种基于小波多层分解和BP神经网络相结合的模拟电路故障诊断方法。该法利用了多层小波分解优异的时频特性来提取故障特征参数,结合了BP网络强大的非线性分类能力和快速的收敛特性。将该方法应用到模拟带阻滤波器单一软故障诊断中,仿真结果表明该方法是有效的,而且具有比传统BP网络方法的学习收敛速度快得多,诊断正确率高的特点。     

基于小波变换与BP神经网络的模拟电路故障诊断

利用小波与改进算法的BP神经网络相结合的方法进行模拟电路故障诊断,该方法使用小波分解作为预处理工具,对信号进行消噪和小波分解,然后提取特征信息,进行归一化处理,并作为BP神经网络的输入样本进行模式识别。该方法减少了神经网络的输入维数,提高了收敛速度和辨识故障的能力。仿真结果表明,该方法能准确快速地定位故障,且可有效地进行故障识别、改善神经网络结构以及提高故障诊断精度与速度。     

前向多层神经网络模糊自适应算法

本文将模糊集理论与人工神经网络的研究相结合，提出一种模糊自适应ＢＰ算法，用典型异或问题与规模更大的打印机磁泄漏信息识别问题进行计算机模拟表明，该算法可使ＢＰ算法的收敛速度明显提高。此项工作为神经网络与模糊系统相结合探索了一条新的途径。