基于EMD平均能量法的滚动轴承故障诊断

文中提出了一种用于滚动轴承故障诊断的系统一基于EMD和BP神经网络相结合的诊断系统。该方法首先对原始振动信号进行小波包预处理,提高信噪比,从而得到更适合研究的故障振动信号。然后再对信号进行EMD,分解得到IMF分量,对几个感兴趣的IMF进行分析,获得每个IMF分量的平均能量,作为BP神经网络的输入向量,由此训练神经网络,实现了对滚动轴承故障的智能诊断,并用实际的滚动轴承故障数据进行了验证。图6表2参12     

基于Dropout-CNN的滚动轴承故障诊断研究

针对滚动轴承故障特征很难提取及传统故障诊断方法准确率偏低的问题,提出一种基于Dropout的改进卷积神经网络(Dropout-CNN)结构,可以无需预先提取滚动轴承振动信号的故障特征,直接端到端的实现滚动轴承故障诊断。该方法以振动信号为监测信号,使用傅里叶变换生成振动信号频谱图,以此作为整个系统的输入,利用卷积神经网络强大的特征提取能力可以自动完成故障特征提取以及故障识别。试验结果表明该方法平均诊断准确率高达99. 5%。该方法实现了大量样本下滚动轴承不同故障类型的故障特征自适应提取与故障状态的准确识别。     

神经网络PID控制器在纸浆浓度调节中的应用

在造纸过程中,针对纸浆浓度控制系统的大滞后和模型不确定的特性,利用BP神经网络所具有的自学习能力和任意非线性表达能力,提出了用BP神经网络自整定PID参数的控制策略,对纸浆浓度的调节进行控制,并使用MATLAB软件进行仿真研究。仿真结果表明:基于BP神经网络的PID控制器具有很强的适应性,可以获得满意的控制效果。     

基于MATLAB神经网络工具箱的微生物培养基配方设计

用BP神经网络的方法建立联结微生物培养基的性能与主要因素糖、硫酸锌、硫酸铵、硫酸钾、磷酸和硫酸镁的浓度的关系模型,并应用MATLAB神经网络工具箱实现对该模型的训练和系统仿真.不论培养基的配方如何变化,只要用一定的试验数据对模型进行训练,然后对拟采用的配方进行仿真,均可得到较为可靠的目标参数.     

基于径向基函数神经网络的电机轴承智能故障诊断

本文提出了一种新的电机轴承故障诊断方法.首先把滚动轴承振动信号作为识别故障的特征向量,然后送入径向基函数神经网络中,进行故障类别的自动识别.试验结果表明,该诊断模型对电机轴承故障诊断具有良好的诊断效果,系统不仅能够检测到轴承故障的存在,而且能够比较准确地识别轴承的故障模式.     

基于MATLAB神经网络工具箱的微生物培养基配方设计

用BP神经网络的方法建立联结微生物培养基的性能与主要因素糖、硫酸锌、硫酸铵、硫酸钾、磷酸和硫酸镁的浓度的关系模型，并应用MATLAB神经网络工具箱实现对该模型的训练和系统仿真。不论培养基的配方如何变化，只要用一定的试验数据对模型进行训练，然后对拟采用的配方进行仿真，均可得到较为可靠的目标参数。     

蚁群神经网络传感器故障识别法在二次测爆装置中的应用

文章针对煤矿井下二次测爆装置中传感器主要故障,提出利用蚁群神经网络故障识别的新方法。通过蚁群算法对数据进行多次寻优,找到理想的权值,再将它们输入BP神经网络系统进行训练。此法有收敛速度快,能防止BP网络陷入局部极小点的优势。最后根据实际矿井情况模拟仿真,实验证明这种方法对比单纯使用BP网络算法,效果明显提升。     

基于人工神经网络气辅注塑工艺参数的预测

探讨了运用人工神经网络技术进行气辅注塑工艺参数快速预测的方法。针对生产中常见的气辅制件,选择某一典型制件类型,建立了基于人工神经网络的预测模型。结合正交设计的思想获取训练样本,在MATLAB软件平台上完成预测模型的训练和工艺参数仿真模拟。仿真结果和实例验证表明利用BP神经网络进行气辅注塑工艺参数预测的方法是可行的。     

基于模糊神经算法的风电机组齿轮箱故障在线诊断

文章提出了一种以模糊神经网络(FNN)为核心算法的风电机组齿轮箱故障在线诊断系统。该系统分为数据采集、特征提取和波形识别三部分,通过识别齿轮磨损、齿轮点浊和齿轮断齿三种重要齿轮故障的波形,不仅可以在线检测风电机组齿轮箱运行状态,而且可以对潜在故障进行预警。FNN是对模糊逻辑和神经网络优缺点进行深入分析,再将两者优点相结合的一种算法。通过对振动信号进行分析和处理,用以上三种故障波形对FNN进行训练,同时采取多振动传感器的方式,确保了振动信号的准确性。     

运用模糊神经网络诊断锭子轴承故障

提出了一种模糊神经网络的锭子轴承故障诊断方法。以锭子轴承振动信号中相应频率的振幅为特征参数,诊断锭子轴承常见的几种故障。采用混合算法对网络进行训练,发挥模糊神经网络强大的自学习能力和知识表达能力的优点。试验结果显示能够提高故障诊断的精度和效率。     

基于邻域相关性小波去噪的滚动轴承包络解调及故障分类

将邻域相关性的冗余第二代小波应用于滚动轴承信号降噪,用Hilbert包络解调法提取的故障特征频率,比较不同转速和载荷下的提取效果,提出包络幅值峭度指标,并将其输入BP神经网络进行故障诊断。结果表明:基于邻域相关性的冗余第二代小波降噪方法能很好的抑制噪声,保留原信号的信息;降噪后的故障信号经过Hilbert包络解调能找到特征频率及其倍频,其效果优于原始信号的包络解调分析。工况会影响分析效果,且速度对提取效果的影响大于载荷。包络幅值峭度指标能很好区分不同工况的故障信号,结合BP人工神经网络诊断正确率为100%。     

基于BP神经网络的电控发动机故障诊断应用研究

以桑塔纳2000(GSI)电控发动机为例,在怠速工况下,模拟发动机可能出现的故障,利用金德K81电脑检测仪和NHA—501型尾气分析仪采集数据样本.调用Matlab神经网络工具箱中的BP神经网络,对所采集的其中4组数据样本进行训练、仿真.结果表明,BP神经网络对发动机故障的诊断是迅速、准确的.     

基于模糊神经网络的造纸机变量泵故障诊断

提出了一种模糊神经网络的纸机变量泵故障诊断方法。针对纸机变量泵运行时转速变化的特点,采用基于数字重采样的阶比分析方法对变量泵振动信号进行预处理,将非平稳信号转换成平稳信号以利于有效提取信号特征。以变量泵振动信号阶比波谱各频段上的能量为特征参数,通过模糊神经网络模型诊断其转子不平衡、油膜振动、轴与轴承不对中故障。该方法充分发挥了模糊神经网络强大的自学习能力和知识表达能力的优点,有效提高了故障诊断的精度和效率。     

PSO‐based BP‐ANN predictive model of S. Typhimurium in processing of surimi with citric acid

Foodborne pathogenic contamination is a major problem of surimi production. In this study, the effect of variables, namely citric acid concentration (0.5, 1, and 2%), process temperature (4 and 25 °C) and time (1–15 min) on the inactivation of Salmonella Typhimurium (S. Typhimurium) were investigated. The results indicated that citric acid had a significant effect on the survival of S. Typhimurium. To describe the kinetics of S. Typhimurium, both back‐propagation artificial neural network (BP‐ANN) and particle swarm optimization‐based back‐propagation artificial neural network (PSO BP‐ANN) were used to develop models for simulating the dynamic population of S. Typhimurium. The novelty of this work consisted in the application of combining PSO and BP‐ANN together as an optimization strategy to enhance its predictive ability. The results of the new model with PSO algorithm suggested a more accurate prediction model. With the optimal ANN–PSO model, the coefficient of determination (R²) were 0.9786 and 0.9985; mean squared error (MSE) values were 0.0499 and 0.0049 for the training and testing data set, respectively.

Practical applications

Surimi is an important intermediate product in Asia, while fresh surimi may be contaminated with Salmonella Typhimurium during processing, transportation, and storage. In this study, Citric acid has been used to control microbial growth, and extend food shelf‐life. PSO‐based BP‐ANN model were selected to predict the population of Salmonella Typhimurium in processing of surimi with citric acid as a more accurate prediction model. As surimi is constantly consumed, predicting and monitoring the harmful pathogenic bacteria is vital to ensure the food safety.     

基于Levenberg-Marquardt算法改进BP神经网络的卷烟销量预测模型研究

针对一般时间序列分析方法中预测方法的不足,采用改进的BP神经网络对卷烟销量进行预测。介绍说明改进的BP神经网络Levenberg-Marquardt算法原理,对卷烟销量数据进行归一化处理,建立卷烟销量神经网络预测模型,利用Matlab软件对数据进行训练、仿真。与实际销量进行对比分析,证明采用改进的BP神经网络预测结果准确。     

BP神经网络在粮食霉变预测中的应用研究

霉变是造成粮食损失的重要原因,为了降低损失,将危害控制在萌芽状态,提前预测预警意义重大。本研究利用MATLAB的神经网络工具箱建立了预测粮食霉变的BP神经网络,给出了稻谷在给定含水率、温度、储藏时间的条件下是否会发生霉变的预测模型。同时,通过合理选择训练样本的数目,探究训练样本数量对网络精度的影响,并通过华北地区实仓数据验证由实验数据得到的BP神经网络在实际应用中所能达到的准确程度。经过验证,对于实验数据,训练样本数目大于400时,神经网络预测正确率可以达到94.3%;样本数越大,正确率越高。随机选择2 500个实验室样本数据进行训练得到的神经网路预测模型,对剩余样本预测准确率达到98%,对于实仓检测数据,正确率可以达到82.1%。     

烟草商业企业综合岗位员工的BP神经网络评价方法研究

针对当前烟草商业企业综合岗位员工评价方法的不足,提出了综合岗位员工的BP神经网络评价方法。构建了综合岗位员工评价模型和指标体系,描述了方法的应用过程,并通过MATLAB神经网络工具进行模拟计算。     

基于小波神经网络的帘子布疵点智能识别技术

针对帘子布疵点图像特征,提出了将小波变换和人工神经网络技术应用在帘子布疵点检测上.在融合图像灰度的基础上,经小波变换后再提取分解子图像的特征值,利用BP神经网络进行图像分类.结果表明:对帘子布常见疵点如油污、破洞、抽经、断纬等能比较准确地识别.