基于人工神经网络的船舶同步发电机故障诊断系统的研究

本文分析了人工神经网络在发电机故障诊断中独特的特点,建立了BP神经网络模型和算法公式,提出了基于BP神经网络的电机故障诊断方法和原理框图,最后通过对某船舶电站同步发电机的故障诊断的实例仿真,验证了基于BP神经网络故障诊断的准确性,为船舶发电机的精密诊断提供了一种有效地方法。     

高强混凝土强度的人工神经网络预测

为了在多因素作用下更为准确地预测高强混凝土的抗压强度,采用了人工神经网络中的BP网络模型及其学习算法,基于MATLAB神经网络工具箱对文献中高强混凝土的实测数据进行分析预测,并与回归分析方法计算的结果进行了对比,结果表明,人工神经网络在高强混凝土抗压强度的预测方面具有较高的精度,且明显优于回归模型.因此,神经网络方法是一种可以定量分析、简便易行、计算精度高、预测能力强的分析方法,用于高强混凝土抗压强度的预测是可行的.     

人工神经网络方法对卤代联苯化合物的QSRR研究

将卤代联苯化合物作为研究体系,利用基于原子类型的电子拓扑结构（E-state）和基于13种原子类型的电性距离矢量描述子（MEDV-13）作为描述符,分别应用多元线性回归、人工神经网络中的误差反向传播神经网络和径向基函数神经网络的方法建立了55种卤代联苯化合物的QSRR模型。使用人工神经网络的方法预测的结果比多元线性回归的方法的结果稍好,相关系数R可以达到0.99以上,说明使用人工神经网络的方法能够准确地预测卤代联苯化合物的气相色谱和液相色谱的保留指数。     

自适应子波神经网络数据挖掘方法

分析了人工神经网络所依据的生物学基础,探索改进与完善网络模型的途径,将子波与巳有的神经网络模型相结合,提出一种基于自适应子波神经网络的数据控制方法,并依此来构造数据挖掘过程的机器学习机制,以求提高对问题的处理能力,数据挖掘的仿真实例表明,与一般的人工神经网络相比,用自适应子波神经网络进行数据挖掘不仅是有效的,而且也是可行的。     

汽车半主动悬架的神经网络控制及仿真

基于 1 /2汽车非线性模型和对角回归神经网络模型 ,应用模型参考自适应控制对半主动悬架系统进行了离线辨识 ,构成了非线性神经网络控制器 ,在线训练了神经网络控制器 ,并对半主动悬架进行了控制仿真 ,对仿真结果进行了分析、总结。     

神经网络方法在蓄电池建模中的应用

简要地介绍了人工神经网络,阐述了构建该网络及利用该网络建立蓄电池通用模型的方法,并建立了一种基于神经网络的电动汽车蓄电池模型;使用PSAT软件对该模型进行了仿真计算,得出了仿真结果;设计了某一阀控密封式铅酸蓄电池的充放电试验方案,进行了所建网络的训练和测试,对仿真与试验结果作出了比较和评价.研究表明,人工神经网络方法及所建模型在混合动力汽车设计中有很好的实用性.     

系统云灰色模型的人工神经网络建模

利用人工神经网络的方法实现系统云灰色模型的参数白化，提出了系统云灰色神经网络模型SCGNNM(1，1)，并给出了相应的学习算法。仿真结果证明了模型的可行性。     

利用回归和人工神经网络预测城市雨水径流总磷模型的有效性

利用人工神经网络(ANN),探讨在不无监测系统的集水区城市降水质量预测的适用性.预测使用常规的气候和地理数据集,通过构建背景传播的神经网络和回归联合模型,克服利用逐步回归的方法对数据进行分析时违背独立数据假设的问题.研究通过交叉验证用于确定停止降水时间为输入变量参数,利用地区平均浓度(EMC)作为独立的变量,构建的模型比用负荷量构建的模型更精确.数据域和输入变量的选择对回归模型的准确性也有较大影响.但计算效率、动量和隐节点数目的选择等因素,对人工神经网络模型准确性的影响较小.同时,回归和人工神经网络模型的降水质量预测结果十分相似,但在不无监测系统的集水区域城市降水质量的预测方面,回归模型更有实效性.     

航空客运量的BP神经网络组合预测模型

根据组合预测的理论和神经网络的非线性和良好的函数逼近特性,提出了基于人工神经网络的灰色幂模型、多项式回归模型组合的航空客运量预测模型．此模型综合了各单一模型的有效信息,同时也融合了人工神经网络在不确定因素预测领域的优势,能够比较客观地反映我国航空客运系统的发展趋势．文末通过实例对模型精度进行了分析,结果表明,预测值与实际结果具有良好的一致性．     

应用递归人工神经网络预测电力短期负荷

介绍了神经网络的基本原理,使用递归人工神经网络模型对电力短期负荷进行预测,采用了梯度下降法,来提高训练的收敛速度,预测仿真结果表明,使用递归神经网络预测比传统的预测方法更准确.     

居民出行产生量BP神经网络预测方法

居民出行产生量预测是交通需求分析的重要内容之一,预测结果是确定各类城市交通设施发展规模及布局规划的重要依据.通过分析人工神经网络的作用机理和居民出行产生量的影响因素,建立了居民出行产生量预测的四层BP神经网络模型,以土地利用作为输入神经元,以交通区居民出行产生量作为输出单元,以赣州市城市综合交通规划交通调查数据对模型进行了标定与检验,并与出行次数法和回归分析法进行了比较,结果表明BP神经网络模型具有较高的预测精度.     

精密机械热动态误差模糊神经网络建模研究

结合模糊逻辑与人工神经网络的优点,提出精密机械热动态误差的模糊神经网络模型,并在多变量模糊模型后件结构与参数辨识中提出了主分量分析建模的新方法.基于语言控制规则的模糊模型,采用模糊推理方法,建模的关键在于结构辨识和参数辨识. 采用主分量分析方法可有效地辨识模型后件的结构与参数.为克服建模用的有效数据量少于后件参数,而无法建立相应的模糊模型这一问题,采用一种多变量系统的模糊神经网络建模方法,利用神经网络具有学习的能力,通过使用适当数量的具有充分激励信息的优选数据组作为学习样本对神经网络进行训练,从而建立起模糊神经网络模型.当辨识的模型精度达不到要求时,可应用模糊神经网络的多次训练获取更高的模型精度.实测数据建模表明,模糊神经网络模型能有效地描述热动态误差.     

基于人工神经网络的遥感图像处理方法研究

根据遥感图像的特性，介绍了人工神经网络在遥感图像分析与处理领域的各种应用，重点分析了基于人工神经网络的遥感图像分类与增强、遥感图像复原与重建、图像边缘检测与纹理信息提取等方法，在MATLAB平台下对基于BP神经网络的个别算法进行了实现，并说明了神经网络方法在遥感图像分析与处理技术中的应用潜力。     

管道输送原油蜡沉积速率模型研究

分别采用人工神经网络法和逐步回归分析法对原油管道蜡沉积实验数据进行分析处理,建立蜡沉积速率模型。利用建立的蜡沉积速率模型预测管道蜡沉积速率并与实际蜡沉积速率相比,结果表明,基于人工神经网络方法建立的蜡沉积速率比基于逐步回归分析法建立的蜡沉积速率精度高,但逐步回归分析法计算速度快且具有表达蜡沉积速率与其影响因素之间亲疏关系的优点,而人工神经网络方法没有此功能。综合考虑两种方法的优缺点,在建立蜡沉积速率模型时,先用逐步回归分析法对实验数据进行预处理,得出蜡沉积速率的主要影响因素,然后再把蜡沉积速率的主要影响因素作为神经元的输入,利用人工神经网络的方法建立蜡沉积速率模型。     

基于动态人工神经网络的投资银行风险预警

投资银行是金融体系的重要组成部分,从可量化监测的角度考察,选取了投资银行风险监测指标中包括市场风险、信用风险、流动性风险、资本风险在内的17个具体监测指标,构建了投资银行风险预警指标评价体系.运用基于数值优化的方法即L-M算法构建了基于前馈神经网络的投资银行风险预警模型.用训练好的BP神经网络模型,对检验样本进行了预测判别,结果显示出神经网络模型对我国投资银行风险具有较强的预测能力.     

BP神经网络在回归分析中的应用研究

通过实例比较，分析了神经网络在回归分析和预测中的应用。与传统的回归方法相比在某些方面有一定的优势。     

基于BP神经网络的结构系统跟踪辨识方法

针对人工神经网络在结构系统辨识中存在的问题,提出一种基于BP神经网络的跟踪辨识方法.通过将实际结构模型分为一个机理模型和一个实时误差模型,前者基于常规的BP神经网路通过离线训练而成,而后者通过小型的BP神经网络实时辨识系统误差,进而使这种经过改进的系统识别网络能够具有动态递阶识别系统的能力.计算机仿真分析表明,这种方法可有效地减小由于不同外荷载作用引起的结构系统辨识误差,提高人工神经网络在系统辨识中的精度和可靠度.     

人工神经网络结合遗传算法反演岩体初始地应力的研究

提出综合应用实数编码的遗传算法与改进的BP神经网络的优化反演分析方法,并通过数值分析,探讨了该方法在应用于位移反演岩体初始应力与材料参数方面的有效性.在算例中,以Burgers模型的计算数据作为改进神经网络的训练样本,用遗传算法搜索待反演参数解向量.计算结果表明利用遗传算法优化神经网络权值能提高神经网络迭代算法的效率与可靠性.该方法应用于岩体初始应力场的反演具有迭代过程平稳、收敛快、结果准确等特点,能够有效地求得岩体初始应力与材料参数.     

基于人工神经网络的强化学习在机器人足球中的应用

将人工神经网络与强化学习相结合，提出了基于人工神经网络的强化学习的应用方法，并用该方法解决了机器人足球比赛中踢球机器人的动作选择问题．实验结果表明了该方法的有效性．