基于SolidWorks的内圆磨床三维模型设计与分析

本文利用SolidWorks软件建立内圆磨床的三维模型并进行总体装配;对总装后的实体模型进行干涉检查、尺寸调整、数据测量、运动仿真等分析,模拟内圆磨床的实际工作状态。     

基于BP神经网络模型的磨床部件动态灵敏度分析

利用ANSYS的APDL语言建立磨床部件的参数化模型,计算出磨床部件的动态特性,快速采用得到BP神经网络模型的学习样本,建立基于BP神经网络的动态分析模型,将磨床部件结构参数与其动态特性之间的关系反映为神经网络模型的网络输入与网络输出之间的数学关系,从而方便地,快速地对磨床部件进行了动态灵敏度分析,结果表明,在BP神经网络模型上进行磨床结构优化要比在有限元模型上方便,快速,该方法特别适用于对大型复杂结构的优化设计计算。     

基于神经网络理论的内圆磨削过程模型研究

探讨用神经网络（ＮＮ）模型描述内圆磨削过程，介绍了ＮＮ模型的特点，针对ＢＰ算法，提出了一改进算法．利用内圆磨削轴承内圈内孔的实例，设计了一个三层ＮＮ模型，并针对内孔尺寸某一数据集，在计算机上进行了ＮＮ仿真建模．结果表明：ＮＮ模型适于描述内圆磨削过程，且合理选择输入节点及隐节点将加速网络的收敛．     

高精度内圆磨床控制系统中伺服电机的选择

本文参考三菱伺服电机的选择原则和方法.介绍了在高精度内圆磨床的控制系统中选用交流伺服电机的计算和校核过程.     

基于BP神经网络的产品造型设计

提出了一种基于BP神经网络的产品造型设计方法,采用计算机建模、模糊集理论和语义差异方法进行模拟研究。研究结果对采用BP神经网络建立产品造型参数和形容词的形象之间关系进行了分析。依据设计要素、产品造型和形状规则建造一个新的数据库连接,设计师可以生成产品图像不同的三维模型的基本的设计元素和形状规则。因此,改变参数的配置得到可接受和可修改产品的形状图像,运用这种方法所设计的产品可以更密切地配合消费者的需求。     

基于Simulink的BP神经网络实现研究

BP神经网络是人工神经网络中的一个典型代表,但利用BP神经网络解决实际问题时,经常涉及到大量的数值计算问题,而运用计算机高级语言编程对BP神经网络模型进行仿真和辅助设计是件十分麻烦的事情,为了解决这个矛盾,Matlab中的Simulink提供了大量的可用于实现BP网络的模块,本文通过应用Simulink中的模块构建了一个BP网络,并通过一实例验证了所构建的BP网络的可行性.从而使应用BP网络来解决许多领域的实际问题变得非常方便和有效.     

BP神经网络的模型优化研究及应用

随着神经网络在数据分析、预测及生产控制中的应用,神经网络的优化学习成为研究的一个重要课题。通过探讨BP神经网络模型的建立过程,针对BP神经网络的模型优化问题进行了详细研究。并通过对银行客户分类的仿真实验证明,优化模型能够有效地提高BP神经网络的收敛速度及预测精度。     

用EXCEL实现BP神经网络训练

简要介绍了反向传播神经网络的基本原理,首次提出了用电子表格EEXCEL实现BP神经网络训练的方法。     

BP神经网络的硬件实现

本文提出了一种采用MOS晶体管的电流模式连续时间模拟BP（Backward Propagation）神经网络的硬件实现新方法。硬件系统适合利用VLSI技术,具有片内误差反向传播学习功能,能简化BP新算法修正权值,对所设计的电路提供了PSPICE仿真结果,结果表明硬件实现方法的可行性。     

发酵过程状态预估的BP神经网络模型实现

论述了利用改进的BP神经网络实现发酵过程状态预估模型的设计原理和方法,包括BP神经网络的拓扑结构选取、学习和测试样本的选择及处理,变步长引入动量项BP神经网络的训练方法以及全局收敛法的实现等。此外,用VC实现了发酵过程BP神经网络建模平台。经聚赖氨酸发酵过程验证,其模型具有良好的收敛性能和泛化性能,可应用于发酵过程状态参数的在线预估和测量。     

基于神经网络内模的逆变系统控制器设计

针对逆变系统负载适应性能不强、动静态性能不佳的特点,设计出一种基于神经网络内模原理的逆变系统控制方法。通过对该方案的理论分析,得出了控制系统的实现方法。通过相应的仿真研究对其策略特性进行分析和比较。与传统控制方式相比较,这种智能控制不依赖于被控对象。由神经网络实现对系统的智能控制,提高了系统的逆变波形质量和负载适应性,使系统获得了较好的动态和稳态性能。     

基于BP神经网络的手写数字识别系统

提出了利用BP神经网络方法来实现手写数字识别系统的方案。手写数字图像通过颅处理后,在特征提取方面采用两种适应性较强的特征提取方法,即18点特征提取方法和手写数字笔画特征提取法．不但减少了提取时间。而且提高了手写数字图像的识别率。利用Visual C＋＋编写手写数字识别系统,得到了较好的识别结果。     

基于BP神经网络的集群负载预测器

针对由于作业调入调出引起的负载突变,提出了基于通知机制的反传(BP)网络和动态滑动窗口混合预测方法,设计并实现了基于神经网络的负载预测器.该方法在发生突变时,利用动态滑动窗口均值法预测并重新训练样本,训练结束后使用新的BP模型预测.其通知机制能减少预测器的样本识别时间,模型保存机制提供了无需训练样本的机会.测试结果表明,该预测器具有较好的预测精度,能够将大部分预测值的平均误差控制在5%以内,并快速适应突变事件.     

小生境遗传算法优化的BP神经网络模型

斜对传统BP神经网络模型收敛速度慢、易陷入局部极小点、网络结构不稳定等缺陷,提出一个小生境遗传算法优化的BP神经网络模型.该模型充分利用小生境遗传算法的搜索能力和BP神经网络的非线性映射和学习联想能力,通过小生境遗传算法的选择、交叉、变异及小生境淘汰等操作,优化BP神经网络的初始权值和阈值,并采用BP算法对网络进行训练,有效解决网络初值不合理的问题,提高网络收敛速度、稳定性.实验证明:与传统方法相比,该模型具有很强的可行性和有效性.     

基于BP神经网络模型的企业综合绩效评价方法研究

以平衡计分卡法为基础构建了企业综合绩效评价体系,重点介绍了BP神经网络模型在此企业综合绩效评价体系中的应用方法和步骤,最后对该方法的优缺点进行了分析.     

基于BP神经网络考查课评分系统

考查课在大学课程中占有很大的比例,而其成绩的评定易受教师主观因素影响,不够准确。利用具有自学习、自识别能力的BP神经网络建立考查课考评体系,不断调整网络的权值使SSE（平方误差和）总朝着减小的方向发展,直到达到目标误差为止。     

一个基于神经网络的入侵检测系统原型的开发

文章介绍了神经网络技术在入侵检测上的应用现状,讨论了BP神经网络算法中存在的一些问题及改进措施,开发了一个基于神经网络的入侵检测系统的原型.     

基于BP神经网络的呼吸系统疾病诊断仿真研究

文章选取某三甲医院的320例症状相似而诊断不同的呼吸系统疾病病例,将其分成训练数据和测试数据各160例,研究建立基于BP神经网络模型的呼吸系统疾病诊断仿真系统,运用Matlab仿真工具进行实验测试,将仿真诊断结果与经验丰富的临床医生的诊断进行比较,两者诊断符合率达到94.6%。结果表明,基于BP神经网络模型的呼吸系统疾病诊断仿真系统,可以模拟临床医生对呼吸系统疾病作出正确诊断。     

基于BP神经网络的供应商选择研究

供应商的选择在整个物流系统中占有非常重要的地位.本文建立了基于BP神经网络的供应商评价指标体系,给出了BP神经网络的评价模型,并结合算例进行分析.实例证明,该方法是可行的.