基于改进算法BP神经网络的软测量技术

利用动量法和自适应改变学习率改进BP神经网络算法的基础上,针对网络权值调整时不容易跳出误差平坦区的问题,进一步对神经网络的学习算法进行了改进,引入一个陡度因子.并把改进算法后的BP神经网络在盐酸浓度的软测量中做了仿真实验,实验结果表明陡度因子的引入不但可以提高模型的精度而且也使网络的泛化能力得到了增强.     

基于PCA-改进BP神经网络的齿轮箱故障诊断方法研究

针对BP神经网络存在局部极小值和收敛速度慢等问题,文章提出了一种PCA-改进的BP神经网络的方法。实验表明,基于PCA-改进的BP神经网络的方法可以大大提高故障诊断的准确性,缩短了诊断时间。     

基于PCA—改进BP算法的软测量技术

文中针对基本BP网络建立软测量模型时所存在的一些问题,例如：输入变量之间可能存在的线性相关等冗余性、基本BP算法收敛速度较慢而且易于限于局部最优等,本文尝试将主元分析与变尺度改进BP算法相结合,以提高软测量模型的训练速度和外推能力,为软测量技术的在线应用提供更大的方便。实验结果表明PCA方法与变尺度的改进BP神经元网络相结合的软测量建模方法在训练速度和外推能力方面有较大的改善。     

应用主元分析方法改进BP算法及其在故障诊断中的应用

提出了一种应用主元分析方法对神经网络输入参量进行处理的方法，以主元分析为理论基础，通过对输入的高维参量的线性组合以及向低维空间投影的方法，既降低了输入的维数，同时又提高了输入参量对特征的敏感性，并通过一个故障诊断应用的实例证明了该方法的可行性。     

基于BP神经网络的液滴图像识别方法

通过CCD监测白酒和掺入50％水的白酒两种不同液体液滴的生长过程,针对最大的液滴提取特征参数,利用主成分分析技术对特征参数进行优化,确定了5项有效的特征参数。最后采用BP神经网络识别不同的液滴。结果表明：不同液体液滴的轮廓特征参数是有区别的。因此,结合模式识别的图像液滴分析技术可以应用于分析和鉴别液体。     

基于改进神经网络集成算法的软测量建模

为提高神经网络集成中成员网络的精度、增加成员网络间的差异度,提出一种改进的Bagging神经网络集成算法.通过分析初始样本集中样本间的欧式距离提取各子训练集,子训练集的元素在样本空间具有良好的遍历性和代表性;集成策略采用加权平均法,用粒子群优化算法求解成员网络的集成权重.几个典型回归分析型数据集的测试表明,本算法有效提高了训练样本质量,增强了集成泛化能力.最后将改进算法用于工业乙烯收率神经网络软测量建模,应用结果表明该软测量模型泛化性能好,测量精度高.     

基于PCA与BP神经网络的滚动轴承故障诊断

为了提高滚动轴承故障诊断效果,提出主成分分析结合BP神经网络的方法。简要介绍主成分分析法将轴承振动信号时域与频域的特征数据降维处理以及BP神经网络训练过程的原理。利用主成分分析与BP神经网络模型对凯斯西储大学轴承数据进行训练,将滚动轴承的状态类型作为网络输出结果。经过600组训练数据以及145组测试数据的仿真,结果表明主成分分析与BP网络模型比BP神经网络的训练误差精度相对提升了31.14%,测试误差精度相对提升了29.86%。     

基于BP神经网络的Kalman滤波算法的改进

针对传统的Kalman滤波算法在机动较强的目标跟踪中误差变大甚至发散的缺点,考虑到BP神经网络具有较强的非线性逼近能力,提出了用BP神经网络辅助Kalman滤波的新算法,仿真表明该算法优于传统的Kalman滤波算法.     

基于改进BP神经网络的纸浆漂白MIMO软测量模型研究

针对漂白过程中纸浆白度、残氯在线测量的不足,提出基于BP改进算法的神经网络软测量模型。文章介绍了基于神经网络的软测量技术原理以及漂白软测量模型建立的步骤与方法,给出了该模型的仿真结果。仿真结果表明,该模型具有较高精度和准确性,为纸浆质量的评判和优化控制提供了指导作用。     

基于改进RBF径向基神经网络的车载油耗软测量

针对现有的燃油消耗量测量方法存在成本较高、结构复杂且难以实现车载实时测量油耗的问题,提出基于改进RBF径向基神经网络的汽车油耗软测量方法。依据油耗产生机理,选取影响油耗且容易直接测量的参数作为测量模型的输入部分,采用油耗试验实测数据作为测量模型的训练样本和测试样本,并结合主元分析方法改进径向基神经网络的训练速度,自学习得出油耗软测量模型。利用Matlab仿真并将计算机仿真结果与油耗仪测量数据对比分析,平均误差在5.0%以内,验证了上述油耗测量方法的有效性,降低了车载实时油耗测量的成本和复杂程度。     

基于BP神经网络的铣削力仿真技术研究

应用人工神经网络技术建立了铣削力仿真的BP网络模型。通过正交试验,获取训练样本,并对网络进行了训练。最后将网络预测结果与实验数据进行比较和误差分析,证明了人工神经网络能够准确地预测铣削力的大小。     

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。     

基于BP神经网络的摄像机标定方法研究

在摄像机标定中,由于摄像机镜头存在多种非线性畸变,传统的标定方法需要建立复杂的数学模型来描述,因而增加了系统的复杂性和不稳定性.神经网络可以较好的处理非线性问题.提出了一种基于BP神经网络的标定方法,通过隐式标定来处理二维图像点和世界坐标系中的三维点之间的映射关系,使系统不经过复杂的摄像机内外参数标定,就可以获得物体的三维信息.实验表明,该方法有效可行.     

基于BP神经网络的销售预测分析系统

销售预测是企业预算管理的基础,对企业的发展和正常生产有着非常重要的作用。首先建立了一套销售预测分析模型系统,对销售历史数据进行统一管理,利用销售预测分析模型给出预测结果报表。同时,建立了基于BP神经网络的预测分析模型。最后,将该系统在某电器厂进行应用,并通过与传统预测方法指数平滑法的比较,验证了该系统的实用性和预测模型的准确性。     

基于改进BP神经网络的可拓分类器构建

针对运用BP神经网络对可拓集进行分类时收敛速度慢且准确率低的问题,构建了一种基于改进BP神经网络的可拓分类器。由于负域和正域拥有公共边界,处于边界周围的数据会因为BP神经网络自身存在的误差而造成分类错误,为此以关联函数为基础,构建一个样本预处理函数对训练样本进行处理,使训练完的BP神经网络最后的输出结果远离公共边界;重新定义神经网络中的误差计算方法,使其符合可拓分类准则,降低输出值与期望值之间的要求以加快其收敛速度。通过螺杆空压机实例验证了该方法的有效性。     

基于BP神经网络的液压马达故障诊断

以液压系统中液压马达为研究对象,提出了一种基于故障表征的诊断模型,该模型无需建立被诊断对象的精确数学模型,只需以显性的故障表征作为诊断模型的输入,并为其建立BP神经网络模型,运用MATLAB给出该网络的训练过程及结果,并提供应用于液压马达的故障诊断实例.     

基于BP神经网络的触摸屏校准算法

由于触摸屏的密度不一致,采用简单线性转换限制了校准精度的提高。为了获得更高的校准精度,提出了基于BP神经网络的电阻型触摸屏校准方法,构建了神经网络模型,并利用BP算法的非线性隐射能力对触摸屏标定数据进行了输入一输出的非线性逼近。仿真实验结果表明,与两点比例校准相比该校准方法在校准精度上大约提高了3倍,明显优于同类算法。     

基于BP神经网络的料筒温度PID控制器

针对注塑机料筒温度控制的要求和PID控制器的不足,设计了一种基于BP神经网络的PID控制器.该控制器将神经网络和PID控制技术相结合,能无限地逼近非线性系统,具有收敛快的优点.提出了基于BP神经网络的PID控制算法和程序流程.仿真结果表明,BP神经网络PID控制器能有效地缩短过渡过程,具有较好的稳定性和快速响应性,可以满足注塑机料筒的温度控制要求.     

基于BP神经网络的电气系统故障诊断

神经网络是在现代生物神经系统研究的基础上建立的一种网络结构，它以其信息的并行分布式处理、联想记忆、自组织及自学习能力在设备故障诊断中显示了极大的应用潜力。