基于BP神经网络的凸轮升程曲线拟合研究

基于BP神经网络方法,研究了凸轮升程曲线的拟合及BP神经网络拓扑结构、运行参数的选取规则。利用BP神经网络可实现复杂的凸轮升程曲线精确拟合,而不必事先假定凸轮升程曲线类型。实例表明采用BP神经网络拟合的凸轮升程曲线具有良好的速度、加速度连续性,保证了凸轮良好的动力性能。     

基于BP神经网络的煤矿水泵系统控制方法研究

在煤矿井下排水系统中,目前常用的方法是根据几项关键因素或凭经验直接决定水泵的启停。该方法缺乏理论依据,经常要根据现场情况修改水泵的启停安排。针对该问题,提出一种基于BP神经网络的煤矿水泵系统控制方法。该方法选取水位、涌水量、时段、累计运行时间这4个关键参数来建立BP神经网络,通过对网络不断调整和优化,得到一个稳定的网络模型;用该模型对水泵的启停时间进行判断,实现对多台水泵的合理安排。Matlab仿真结果表明,使用BP神经网络对水泵系统进行控制是合理、有效的,对实现煤矿安全生产和节能减排有积极的意义。     

BP神经网络仿条件

根据神经网络的应用特点,设计了一个包括输入层、隐层、输出层的BP网络、探讨了BP网络的参数设计与选择。同时,使用C＋＋语言开发了神经网络的仿真软件,该软件能对网络进行训练学习,并用图形的方式直视地显示训练学习曲线和仿真曲线。     

采用BP神经网络拟合光纤位移传感器特性曲线

采用BP神经网络对光纤位移传感器特性曲线进行拟合。通过实验获得光纤位移传感器的实验数据,引入BP神经网络对光纤位移传感器的输入输出特性曲线和迟滞特性曲线进行拟合。Matlab仿真结果表明,该方法取得了较好的曲线拟合效果。     

基于MATLAB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。MATLAB的神经网络工具箱提供了许多有关神经网络设计、训练和仿真的函数和方便、友好的图形用户界面来实现BP网络,还可实时将仿真结果可视化,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。     

基于GABP神经网络曲线拟合的快沿电磁脉冲信号源模型求解

为给电子设备的电磁脉冲效应仿真提供准确的快沿电磁脉冲(fast rise-time electromagnetic pulse,FREMP)信号源模型,提出一种基于遗传算法优化BP神经网络(GABP-NN)曲线拟合的信号源模型求解方法;该方法通过示波器对脉冲信号进行采集,利用GABP神经网络对波形曲线进行高精度拟合,提取网络参数建立信号源模型;为进一步获得BP神经网络拟合规律设置对比实验,采用隐含层神经元数为10的GABP神经网络对FREMP信号源进行建模,所得模型拟合度为91.64％;仿真结果表明该方法运算速度快、精度高.     

基于BP神经网络的图像压缩的Matlab实现

BP网络是目前最常用的一种人工神经网络模型,它利用多层前馈网络的模式变换能力实现数据编码,直接提供数据压缩能力.在介绍BP网络图像压缩机原理及算法的基础上,通过计算机Matlab仿真实验实现数字图像压缩,并分析了各种参数对重建图像性能的影响.     

基于BP神经网络的压力传感器静态特性数据融合

针对压力传感器在实际应用中受非目标参量(温度)的影响而导致其输出数据不仅仅与目标参量(压力)有关,提出了采用BP神经网络技术对其进行数据融合处理,以消除非目标参量对压力传感器输出的影响。研究结果表明,利用神经网络实现传感器数据融合消除非目标参量对传感器输出的影响是可行的。     

基于BP神经网络的加药控制系统研究

浮选是最重要的选矿方法之一,煤矿浮选工艺自动加药控制问题是影响浮选效果的重要因素;传统加药控制主要是由加药工根据生产经验来控制,为了解决浮选精度低这一问题,文中提出采用BP神经网络作为加药控制系统加药量的预测模型,并采用动量项方法对其进行优化,通过仿真得出动量项法网络和测试样误差曲线,说明带动量项改进的神经网络更容易满足网络精度的要求,并且该方法能够有效地降低误差、减小浪费。     

基于BP神经网络技术的车辆通行时间预测研究

为进一步提高交通调度效率,解决日益严重的交通拥堵现状,提出基于BP神经网络模型预测车辆通行时间的方案。根据交叉路口特征,建立了三层BP(Back Propagation)神经网络模型,并确定模型的输入层和输出层神经元数目均为4个。采用MATLAB软件对采集的车辆通行数据进行仿真分析,最终确定隐含层神经元数目为9个。利用预测样本对BP神经网络模型进行了可行性验证。结果表明,BP神经网络模型能够用于预测排队车辆通行时间,误差在10%以内,可以作为交通控制器配时方案的依据,提高车辆通行效率。     

基于BP网络曲线拟合方法的研究

在利用BP神经网络进行曲线拟合时,为了解决如何确定BP神经网络隐含层神经元数问题,提出了一种新的快速构建BP神经网络结构的方法,即如何由输入层神经元数、输出层神经元数及样本点数来确定隐含层神经元数,同时针对在曲线拟合过程中经常出现的一些问题提出了解决方案。实验结果表明,该构建方法和改进方案在提高曲线的拟合精度、加快收敛速度方面收到了较好的效果．     

基于BP神经网络的人民币识别方法研究

随着信息化时代的到来,智能识别成为研究的热点,本文以人民币识别为研究对象,运用Matlab软件系统中所提供的神经网络工具箱,结合图像处理技术,实现对各种不同面值纸质版人民币的识别。本文主要针对六种不同面值的纸币,即一元,五元,十元,二十元,五十元,一百元的人民币进行了识别,首先通过样本集构建,图像预处理,特征提取,矩阵转置,样本与样本标签建立一一对应关系,生成相应的训练和测试矩阵,进而通过BP神经网络对数据矩阵进行分类训练,通过一定的训练次数后,该系统对人民币的识别率可达到98.33%以上,具有较高的参考价值。     

基于BP神经网络PID的控制系统研究

该文选取在工业上具有广泛应用的电加热炉为对象。电加热炉系统是一个双输入双输出系统,有耦合,相互影响,相互干扰。针对控制对象强耦合的特点,设计了基于BP神经网络的参数PID控制算法,采用前馈补偿方法实现解耦,通过仿真研究,结果表明该方案控制系统的调节品质比传统的PID控制水平有了明显的提高。     

基于BP神经网络PID的控制系统研究

该文选取在工业上具有广泛应用的电加热炉为对象。电加热炉系统是一个双输入双输出系统,有耦合,相互影响,相互干扰。针对控制对象强耦合的特点,设计了基于BP神经网络的参数PID控制算法,采用前馈补偿方法实现解耦,通过仿真研究,结果表明该方案控制系统的调节品质比传统的PID控制水平有了明显的提高。     

基于MATLAB的BP神经网络建模及系统仿真

将MATLAB中的神经网络工具箱和Simulink有机结合起来,并充分利用它们各自的优势,实现了神经网络控制系统（NNCS）的计算机仿真。具体仿真实例表明,MATLAB是进行人工神经网络计算机仿真的有效工具。     

基于回归神经网络自适应快速BP算法

动态递归网络Elman网络结构简单,运算量少,适合于实时系统辨识。以Elman网络结构推导了在线学习算法。针对于传统BP算法会产生局部收敛和收敛速度慢等缺点,提出了一种改进的自适应BP算法,运用到回归神经网络,提高了在线学习的速度与收敛速度,仿真实验表明了此算法的有效性和快速性。     

基于优化BP神经网络的PID控制器研究

提出了一种新型的基于优化BP神经网络结构的PID控制器（PID－NNC），该控制器将神经网络和PID控制规律融为一体，既具有神经网络自学习，自适应及逼近任意函数的能力，又具有常规PID控制器结构简单，可靠性高的特点，且控制器的算法采用的是优化的BP算法，可以避免网络陷入局部极小点，也可以加快网络的训练速度，所以该控制器可以对具有非线性，时变性和不确定性等复杂系统实行控制。利用MATLAB软件对非线性系统进行了仿真研究，其仿真结果表明该控制器具有很好的控制效果。     

基于遗传BP神经网络的数据挖掘技术

数据挖掘技术是从大量数据中挖掘知识的有效的工具。BP神经网络和遗传算法是运用在数据挖掘中的两种新兴算法,神经网络的结构复杂、网络训练时间长、收敛速度慢,但其具有较高的正确率,把BP神经网络与遗传算法相结合,可以提高收敛速度,并在有限步内达到较高的精度要求,因此本文提出了一种遗传算法和BP神经网络相互结合的新算法,并把算法运用在数据挖掘技术中。     

基于BP神经网络的图像识别

随着信息技术的不断发展,数字影像技术已经渗透到生产生活的各个领域。该技术的传输和存储技术已经非常先进,但关键的图像识别技术一直是国内外的研究中心。由于传统图像识别方法的局限性,在搜索过程中还存在很多问题。神经网络为传统图像识别问题提供了一种新方法,因为它们需要较少的信息和复杂状态映射的实现。本文提出了一种基于BP神经网络的图像识别模型,利用神经网络研究。实验结果表明,该模型是高效的,具有良好的检测率。     

BP神经网络的设计

对ＢＰ神经网络设计中的隐层节点数，初始权值，学习率等参数的选择进行研究，分别给出若干经验公式。