一种新的前向神经网络部件冗余容错方法

多层前向神经网络(MLP)的容错性有两种主要的研究方法:改进算法和部件冗余.前一种方法需要耗用大量的学习时间,对大型网络是不适用的.Phatak曾提出了用后一种方法进行MLP的单故障容错的一种网络结构,但是冗余部件数庞大,尤其对于大型网络.本文提出了一种新的冗余体系结构,针对单隐层MLP的单故障容错问题.这种体系结构充分考虑了不同权值的不同重要度,解决了原体系结构的仅值瓶颈问题,可以显著减少冗余部件数,尤其对于大型网络,更具有优越性.     

普遍故障下神经网络隐层冗余容错的分析与应用

隐层神经元冗余是提高神经网络容错性的一个有效的方法,在神经网络分类器的容错设计中,这一方法得到了良好的效果,对单故障可以做到完全容错.但是这一应用仅仅只能应用于输出层为硬限幅函数的前向网络,并且只证明了对网络中单故障有效.在实际应用中,网络中的各个节点和权值的故障往往是普遍存在的,因此本文提出了一种隐层冗余结构,对普遍故障存在下隐层神经元冗余容错方法做以评估,得出的结论是应用这种隐层神经元冗余结构可以减小网络的全局故障率;并提出了针对一般前向神经网络的实用的隐层神经元容错方法,这种方法可以有效地提高网络在普遍故障下的容错能力.     

基于双冗余机理的舰炮武器系统网络容错设计分析

本文针对传统双冗余容错网络存在切换延时大、容错能力弱的问题,通过分析网络各种故障发生机理及现象,提出一种基于双冗余交换机的容错网络方案,解决了传统双冗余以太网初始启动时间长、切换延时大、部分故障无法处理的顽症,显著地提高了网络容错的能力。     

共轭梯度BP算法在Matlab 7.0中的实现

应用Matlab 7.0中神经网络工具箱建立BP神经网络的最优化求解方法,采用共轭梯度法对网络的权值和阚值进行优化计算,实现网络权值和阈值的快速计算,为分析神经网络的合理结构提供了必要条件.对BP神经网络的传统梯度下降法与共轭梯度算法进行了仿真.这里通过对算法的训练速度,容错泛化能力等方面加以讨论,多方面印证共轭梯度算法的优越性,仿真结果凸显了训练速度的大幅提高,尤其对训练后网络受损情况下的泛化能力,采用线性回归的方法进行了仿真验证,同样得到满意结果,从新的角度支持了共轭梯度BP算法.     

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。     

混合搜索策略及其在VLSI冗余最优分配中的应用

容错技术对于提高VLSI电路的可靠性和成品率十分重要。为实现容错，系统必须提供冗余。本文利用模拟退火、禁忌搜索等现代优化算法求解VLSI系统中基于全局冗余的最优分配问题，并在此基础上提出结合两者优势的混合搜索策略TS^2A。实验结果表明，该方法在搜索质量上优于单一的优化方法。     

利用改进的BP算法实现神经网络辨识仿真

系统辨识是控制系统设计的基础。基于多层前馈神经网络结构,采用一种改进的BP算法,利用二阶梯度变尺度模型,完成了神经网络非线性系统辨识。与传统的辨识方法比较,神经网络应用于非线性系统辨识具有泛化功能和很好的容错能力,是一种不依赖模型的自适应函数估计器。采用一种改进的BP算法有效地改善了系统收敛速度慢的问题,BP模型已成为神经网络的重要模型之一,从而为控制系统正确设计奠定理论基础。     

一种利用Gauss变异优化BP神经网络的方法

为了克服传统BP算法收敛速度慢和局部极小点等问题,提出了一种改进的BP网络训练方法,将改进的BP算法和遗传算法相结合。首先引入遗传算法中群体的概念,选取最好个体中的误差作为最小误差,其次利用Gauss变异生成的两个小随机数作为BP算法中的学习率和冲量系数,实现对两个参数的动态调整,以达到对BP网络的权值优化的目的。实验结果表明,该方法有效提高了BP网络的收敛速度,在训练时间方面具有明显的优越性,具有较好的实用性。     

浅谈Tricon控制器的三重冗余＼容错

自动控制系统的控制器冗余＼容错问题越来越受到各个企业的重视,对于现代化企业自动化程度越来越高,对控制系统要求就要更高,其关键是控制器的稳定、准确和安全,所以,控制器冗余＼容错就显得特别关键和重要。冗余＼容错是Tricon控制器最重要的特性,它可以在线识别瞬态和稳态的故障并进行适当的修正。冗余＼容错技术提高了控制器的安全能力和可用性,使过程得到安全控制。现就我厂Tricon控制器三重冗余＼容错进行小的分析和说明。     

基于BP神经网络的智能电网配电系统改进算法的研究

提出一种基于BP神经网络的智能电网配电系统改进算法.由于BP网络是一种按误差逆传播算法训练的多层前馈网络,具有学习性,可以根据已有的配电参数样本集进行训练,从中分析出内蒙古各地区根据时间不同所配电的分配情况的内在联系,实现对以后配电系统进行自适应控制.该算法的优点就是在构造过程考虑了BP的预测精度和训练时间,采用了梯度下降法的方法,进行Matlab仿真实验,获得了较为准确的预测结果.     

基于GA与L-M优化算法的变压器故障诊断研究

利用MATLAB环境建立一个用于变压器故障诊断的BP网络模型。首先利用具有全局寻优功能的遗传算法对BP神经网络的初始权值和阈值进行优化,然后采用L-M(Levenberg-Marquardt)优化算法对BP神经网络进行训练,从而达到加快网络训练速度,避免训练过程陷入局部极小点的目的。最后,详细记录网络的实际输出,并与期望输出做对比研究,最终证实了此网络达到了设计要求,可用于变压器的故障诊断。     

基于改进小波包分析的导航设备故障诊断的特征提取

针对故障诊断信号特征提取问题,提出了小波包分析的改进算法,该算法通过对小波包分解系数的重新排序,解决了小波包分析的频带混叠问题,给出了应用改进小波包分析进行故障诊断特征提取的算法,并在此基础上提出了基于改进小波包分析预处理的神经网络故障字典法．通过仿真比较,该方法剔除了样本信号的冗余成分,大幅度地减少了神经网络的规模,加快了网络的收敛速度,为导航设备故障诊断的特征提取提供了行之有效的手段。     

一种基于误差变化率的自适应反向传播算法

本文针对BP算法存在收敛速度慢的缺点,提出一种基于网络动态训练误差变化率自动校正学习步长和冲量因子的自适应反向传播算法。异或问题的仿真结果表明,该方法具有较快的收敛速度。     

基于改进遗传神经网络模型的通信网络故障识别和告警相关性分析方法

随着通信网络自身规模、带宽和复杂度的不断增加以及用户对网络服务质量要求的不断提高,迫切需要智能化的网络管理系统对当今高速通信网络进行有效和可靠的管理,而故障管理正在变的比以往任何时候都更加困难和重要。当网络产生某一故障或失效时,往往在短时间内产生成千上万个告警信息,因而分析这些告警的相关性也变得更加复杂。现有的一些告警分析系统均在不同程度上存在可扩充能力差,难于应付复杂局面,缺乏学习能力等不足。本文提出了一种基于改进遗传神经网络模型的故障识别和告警相关性分析方法。实验表明,这种方法可克服一般告警相关性分析方法的局限,不仅简单,而且在网络学习和训练效率上也高于传统的BP算法,标准遗传算法和一般的自适应遗传算法。     

基亏改进神经网络的柴油机系统故障诊断

BP神经网络可以利用其高度的非线性映射和自组织能力有效解决柴油机系统的故障诊断定位问题。但是标准的BP网络有自身无法克服的一系列问题,因此对标准BP网络的学习方法做出改进．并以此理论建立柴油机系统故障诊断的整体模型。为了检验改进理论的准确性,根据柴油机燃油系统的故障建立网络模型并诊断进行检验．MATLAB仿真结果表明,改进算法有效地提高了学习的效率与稳定性,加快了收敛速度,能有效解决故障的诊断与定位．并且具有良好的稳定性。     

模拟数字电路故障诊断新方法

利用小波变换与神经网络相结合的方法,采用能量分布特征提取方法和改进BP算法,给出了一种基于小波变换和BP神经网络相结合的模拟电路故障诊断方法.用正弦信号仿真模拟电路,应用小波变换对模拟电路的采样信号进行多尺度分解,再进行能量分布特征提取,然后利用神经网络对各种状态下的特征向量进行分类识别,实现模拟电路故障诊断.在用神经网络诊断模拟电路的基础上,进行了将神经网络用于数字电路单故障诊断的研究.对两者的实例电路仿真结果表明,神经网络可以有效、方便地实现电路的故障检测和定位,准确率高,为故障诊断的研究提供了一种新思路.     

基于红外图像的ISSA-BP神经网络机载电路板芯片故障诊断

针对传统红外图像的机载电路板芯片故障诊断法诊断率低且无法诊断动态故障的问题,本文提出了一种基于红外温度数据的改进麻雀搜索算法优化BP神经网络（Improved sparrow search algorithm-Back propagation neural networks, ISSA-BPNN）机载电路板芯片故障诊断方法。首先,提取红外热像仪采集的电路板芯片温度数据,建立电路板芯片升温过程中静态、动态、统计特征的特征模型;然后,利用Sine混沌映射初始化麻雀种群分布,利用Levy飞行策略改进发现者种群位置更新公式,将改进后的麻雀搜索算法优化BP神经网络的权值参数;最后,将温度特征模型输入到ISSA-BP神经网络进行训练和测试,从而完成电路板芯片故障诊断。实验采用航电系统电源电路板进行可靠性分析,实验结果表明,该方法在电路板不同工况下综合故障诊断率达到97.84%。