基于BP神经网络的离心泵的性能预测

针对离心泵性能实测过程繁琐费用昂贵以及鉴于神经网络在非线性系统映射的优越性,提出利用神经网络中的BP网络模型来预测离心泵的性能,并用Matlab7对一系列的离心泵进行性能预测.预测结果表明:神经网络可以实现对离心泵性能的精确预测并用于实际应用.     

电动汽车和直流充电桩兼容性性能测试分析

随着社会环保理念的进一步深入,新能源的快速发展,电动汽车成为当前交通市场的重点发展对象,而解决电动车市场的进一步扩大,需要解决好相应的充电桩建设工作,在目前的电动汽车充电桩建设中,直流充电桩在建设中,做好其兼容性性能测试,对于确保充电桩建设质量具有很好的效果。本文主要针对电动汽车以及直流充电桩兼容性测试进行分析,探究电动汽车和直流充电桩兼容性测试的有效路径。     

基于BP神经网络预测制造企业安全库存的研究

设置安全库存的目的在于预防需求或供应方面不可预料的波动,避免造成生产或供应中断。运用BP神经网络建立R公司原材料安全库存预测模型,再进行Matlab函数仿真,从人工智能的角度预测原材料库存,从而减少企业库存,降低企业制造成本,提高竞争力。     

基于BP神经网络的齿圈装夹变形预测研究

针对薄壁齿圈的装夹变形问题,将Abaqus有限元仿真与BP神经网络技术应用到了齿圈装夹变形预测中。根据齿圈实际加工装夹情况,应用Abaqus有限元分析软件,建立了齿圈装夹变形的仿真模型,开展了齿圈装夹变形的有限元分析研究,建立了齿圈装夹力及其径向最大装夹变形之间的关系;以Abaqus有限元仿真数据作为训练样本和检验样本,借助BP神经网络良好的预测精度和非线性泛化能力,通过MATLAB神经网络工具箱,建立了基于BP神经网络的齿圈装夹变形预测数字化模型;并根据检验样本对模型进行了检验,预测值与仿真值之间的相对误差在0.05%之内。研究结果表明:建立的基于BP神经网络的齿圈装夹变形预测数字化模型是准确有效的,可以为智能化大数据加工制造环境下的齿圈装夹参数优化提供准确有效的数据。     

基于BP神经网络的物流预测方法

针对传统物流预测方法的局限性，研究了基于BP模型神经网络的物流预测方法，即依据历史数据建立BP神经网络对其进行训练形成物流预测模型。阐明了神经网络具有记忆、学习功能，能够很好地模拟物流发展趋势。大量预测结果的准确性表明基于神经网络的物流预测是一个行之有效的方法。     

可移动式电动汽车充电桩的外形结构设计研究

可移动式充电桩作为一种新型的电动汽车充电设备,在结构及性能上有自身特定的需求。针对可移动式电动汽车充电桩的相关结构设计和性能要求,设计了一种新型可移动充电桩的外形和结构,通过三维建模设计可移动式充电桩的外形和框架,对充电桩框架进行了有限元分析。在进行有限元分析时,考虑了框架的钢型、厚度和内部载荷承载部位影响,同时考虑了不同工况下受到的载荷冲击所造成的影响及受到外界激励发生强迫振动。通过有限元分析后所得到的各工况下最大平均应力、最大变形值和最小固有频率都满足要求,充电桩的重心点垂直线在结构底面范围之内,符合设计要求,满足稳定性要求。研究形成了较为实用的设计方案,为工程实践提供了一种有益的参考方案。     

基于AHP和BP神经网络的锭子性能综合评价

目前我国部颁纺纱锭子测试标准,只有单一速度,单一振幅,单一功耗三个指标。为了科学反映锭子的工作性能与状况,研制了纺纱锭子性能综合测试平台,对锭子性能进行综合评价。确定纺纱锭子性能常用要素:振幅、温度、噪音、功耗作为评价指标,提出一种基于AHP和BP神经网络的锭子性能综合评价方法。运用层次分析法(Analytic Hierarchy Process,AHP)确定各项指标的权重,建立锭子性能综合评价的BP神经网络(Back Propagation Neural Network)模型,进行训练和测试。分析结果表明了基于AHP和BP神经网络的锭子性能综合评价的有效性与正确性。     

钛合金TC4铣削力仿真研究与BP神经网络预测

针对钛合金T C4铣削过程中因铣削力大、温度高导致的加工效率低、表面质量差、粘刀现象,利用有限元软件建立了三维T C4铣削有限元模型,通过正交试验分析了T C4铣削过程中切削用量对切削力的影响规律,并通过BP神经网络对铣削力进行预测,得出BP神经网络具有较高预测精度.研究结果表明:铣削力总体上随铣削速度的增加先减小后增...     

用BP神经网络预测热镀锌钢板的拉伸强度

运用BP神经网络,建立了热镀锌各工艺参数对热镀锌钢板力学性能影响的数学模型,并与线性回归模型进行了比较.结果表明:BP神经网络预测均方根偏差明显比线性回归预测均方根偏差小,表明该BP神经网络模型用于热镀锌板力学性能预测是可行的,并具有一定的实用性.     

基于BP神经网络预测的马铃薯晚疫病预测系统

马铃薯晚疫病是对马铃薯种植危害最大的病害之一,这种病现在还没有很好的根冶办法,只能以预防为主.BP神经网络在预测控制中有着极其广泛的应用,本文首先介绍了BP算法及网络隐含层与结点数的相关问题,然后说明了利用神经网络预测实现的马铃薯晚疫病预测系统,系统采用BP神经网络算法,以气象数据等作为预测的输入,达到预测马铃薯晚疫病流行程度的目的.     

CMAC神经网络控制器与BP神经网络辨识器的系统设计

提出了一种基于CMAC神经网络控制系统,该系统由CMAC神经网络控制器和BP模型辨识网络组成。文中介绍了CMAC神经网络控制器的结构及学习算法,还给出了系统辨识的BP网络结构及学习算法。仿真结果表明了此法的可行性和有效性。     

基于BP神经网络的磨削温度预测

磨削温度是评价磨削过程的一个重要指标,利用BP神经网络良好的非线性映射功能,以磨削用量(砂轮线速度、工作太速度和磨削深度)为输入,以磨削温度为输出,建立了磨削温度的BP神经网络预测模型。并通过仿真验证了模型的正确性,为磨削温度的预测提供了一个简单可行的方法。     

HDPE／橡胶／CaCO3复合材料抗冲击性能的研究

研究了ＨＤＰＥ／橡胶／ＣａＣＯ３复合材料的抗冲击性能，并对冲击断面作了扫描电镜（ＳＥＭ）观察。     

基于BP神经网络的钢轨磨损量预测

随着列车运行速度和轴重的提高,轮轨系统的磨损越来越严重,其中曲线半径、轴重和运行速度是影响轮轨磨损的重要因素。建立了钢轨磨损量影响规律的径向BP基函数神经网络模型,该网络具有3路输入,3个神经层;在JD-1大型轮轨模拟试验机上通过改变试验参数进行钢轨磨损试验,获得不同试验参数下的钢轨磨损量;以钢轨磨损数据作为BP神经网络的目标样本,对不同试验参数下的磨损量进行了预测。结果表明,模型可较准确地计算轮轨冲角和速度对钢轨磨损量的影响规律,利用BP神经网络对钢轨磨损量预测具有较高的精度,可在一定程度上验证试验结果。     

药品包装材料的抗冲击性能检测

落球冲击试验法是医药标准中规定的泡罩包装基材冲击性能的检测方法，但相关设备的供应较少，为此从医药标准中的冲击性能检测方法及检测过程入手，对Labthink最新推出的药包材专用落球冲击试验仪作简要介绍。     

基于BP神经网络的自行高炮车体姿态预测方法研究

针对目前技术难以实现高射速状态下对高炮载车姿态进行实时测试的问题,提出一种基于BP神经网络的姿态预测方法.建立某自行高炮刚柔耦合动力学模型,通过试验数据修正模型以保证仿真结果的可靠性.针对射击条件均匀设计工况并仿真,提取姿态信息,经过数据预处理建立样本库.在matlab中设计BP神经网络结构参数,通过训练完成载车姿态预测模型的构建.结果表明,在不同的工况下,代理模型均可快速实现姿态预测,且满足精度要求.     

基于遗传神经网络算法的发动机性能预测

设计了遗传神经网络预测系统,通过融合分析废气成分的含量、发动机转速、氧传感器等信息预测发动机的工作性能。应用遗传算法的复制、交换、变异过程代替原BP网络的反向传播过程,并针对遗传算法的缺点进行了改进研究。实践证明这种遗传神经网络预测系统收敛速度快、推广性强,具有较高的实际应用价值。     

基于BP神经网络的电梯增长量预测研究

电梯增长量数据的预测可以为行业的管理部门和市场主体提供重要的决策依据。鉴于此,通过对影响电梯数量增长的相关因素进行分析,总结出6个影响电梯增长量的主要因素。运用BP神经网络构建电梯增长量预测模型,以实际某地市为例,结合国家统计局的数据,分析预测值相较于实际值产生的误差,判断构建的模型是否可靠。实验结果表明,预测值和实际值之间匹配度较高,误差范围控制在3%以内,该模型能高精度地预测该地区某年的电梯增长量。     

基于BP神经网络模型的道路交通噪声预测

本文通过分析影响公路交通噪声的各种因素,并利用实测样本数据,建立了一个公路交通噪声预测的神经网络模型。并运用该模型预测道路交通噪声的等效声级,把预测因子作为样本输入到网络模型,噪声等效声级作为样本输出。且将其与实际数据相比较,发现神经网络模型的预测值准确度很高。该模型为公路交通噪声的预测、治理和控制提供了良好的条件。     

用BP神经网络预测数控铣削变形

铣削变形问题一直是影响薄壁件加工精度的瓶颈问题。由于引起铣削变形的因素较多以及铣削过程本身的复杂性,使得铣削参数与变形量之间的关系很难用准确的解析式来表示。因此借助神经网络的非线性映射能力,建立了变形量与铣削参数之间的非线性映射模型。结果显示:所建立的神经网络模型具有较高的精度和良好的泛化能力。该研究为进一步的铣削参数优化提供了保障。