基于BP神经网络的变压器故障诊断

针对变压器故障征兆和故障类型的非线性特征,结合油中气体分析法,研究应用BP神经网络对变压器进行故障诊断。设计了一个基于BP神经网络的变压器故障诊断模型,通过仿真实验证明BP神经网络可以有效的运用到变压器故障诊断中。     

基于BP神经网络的传感器非线性建模

根据动态校准实验结果建立传感器的动态数学模型,以研究传感器的动态性能,是动态测试的一个重要内容。本文研究了BP神经网络模型在传感器动态建模中的应用。该方法适用于传感器非线性动态建模,试验结果表明,应用BP神经网络对传感器进行动态建模是一种行之有效的方法。     

基于LM算法的BP神经网络在NAO模型运动学求逆解中的应用

提出一种基于BP神经网络改进算法的NAO机器人逆运动学求解方法。在讨论NAO模型逆运动学的求解问题以及BP神经网络基本原理的基础上,将LM训练方法运用到BP神经网络中。实验结果表明该方法具有可行性和有效性。     

姚庄水电站泄水闸门自动控制方法

本课题的研究内容是在中小型水电站泄水闸门控制情况做深入了解的基础上,选择此问题中的关键即如何选择适合的控制方式作为研究对象。根据经典PID控制的特点,通过理论分析,应用BP神经网络控制PID参数的方法作为主要控制方法,实验验证选用BP神经网络控制PID参数的方法完全能够胜任泄水闸门的自动控制系统。     

基于BPNN的房产成交量预测

本文从神经网络的定义开始,介绍了BP神经网络和MATLAB神经网络工具箱,并以某市商品房销售量走势的预测为例,详细解析了利用BP神经网络预测的方法。大量的仿真实验表明,该神经网络可以对房产销售走势作出比较客观准确的判断,能够为相关政府部门、企业管理以及个人投资提供及时理性的参考。     

基于深度神经网络的直线二级倒立摆控制器设计

针对直线二级倒立摆抗干扰控制器设计问题,研究了基于深度神经网络的智能控制方法。首先介绍了BP神经网络和深度神经网络模型及优化算法,并且根据直线二级倒立摆状态方程,研究了基于深度神经网络的直线二级倒立摆控制算法。然后设计了一个六输入单输出的深度神经网络控制器模型,并利用Pytorch框架,以LQR作为导师进行神经网络的训练,训练完成后利用MATLAB软件对训练后的神经网络进行仿真实验验证,并与BP神经网络控制器进行对比,最后在直线二级倒立摆实验平台上进行实验验证。仿真与实验表明,所设计的深度神经网络控制器能够实现直线二级倒立摆的良好抗干扰控制,从而证明了该研究设计方法的合理性和有效性。     

一种基于BP神经网络的建筑防火检测改进方法

针对现有的建筑防火检测方法已经无法满足在实际检测中需求的问题,本文提出了一种基于建筑防火检测的改进BP神经网络模型。在传统BP神经网络的基础上,提出动态合并与删减规则,并且根据建筑防火检测的需求建立检测的指标,再根据改进BP神经网络和检测指标建立检测模型。仿真实验表明,基于建筑防火检测的改进BP神经网络模型实际操作性很强,可以应用于对建筑物的防火检测,值得推广使用。     

BP神经网络在矿山机械液压系统故障诊断中的应用

介绍了BP神经网络的结构及学习算法。对液压系统故障模式及故障机制进行分析,提取能够反映液压系统故障的特征量作为BP神经网络的输入,并用BP算法对该网络进行训练,利用神经网络的智能性来判断液压系统所属的故障类型。仿真结果表明,该诊断方法具有高可靠性,达到了预期的结果,可以用于液压系统的故障诊断。     

基于改进的神经网络异常声音自动识别系统研究

针对标准的BP神经网络对于声音信号识别率不高的问题,提出了一种用粒子群算法（PSO）优化BP神经网络的算法,建立了声音信号识别模型。PSO优化BP神经网络主要是用PSO来优化BP神经网络的初始权值和闽值,然后通过训练BP神经网络得到识别模型的最优解,优化后的神经网络具有误判率小、反应速度快等特点。在实验中把标准的BP神经网络和PSO优化后的BP神经网络用于八种异常声音的MFCC特征量和差分MFCC特征量识别,结果表明：在声音信号的识别系统中采用PSO优化BP神经网络的算法提高了系统的识别性能,达到了系统设计的目的。     

基于BP神经网络的科技人才需求预测

采用BP神经网络模型解决科技人才需求预测问题。首先介绍BP神经网络结构和学习算法,其次确定科技人才需求预测影响因素指标,作为BP神经网络输入,最后以Matlab为运行平台实现BP神经网络模型,并以河南省科技人才为例进行案例分析,应用BP神经网络模型预测河南省2008-2010年科技人才需求量。     

基于反向传播神经网络的身份证号码识别研究

基于反向传播算法的多层前馈网络(简称BP神经网络)在图像处理方面应用较为广泛。目前,身份证号码识别技术在图像识别领域迅猛发展,为提高识别身份证号码的速度及准确性,本文研究一种基于BP神经网络的身份证号码识别系统。首先,将身份证图像进行预处理,接着利用MATLAB对身份证号码进行定位以及分割,然后利用BP神经网络,通过调用MATLAB神经网络工具箱,设置相关参数对身份证号码进行训练、匹配数据库中的数字,最后识别并输出身份证号码。实验结果表明,基于BP神经网络的身份证号码识别正确率为95%,该系统具有较高的准确率以及鲁棒性。     

基于BP神经网络的液压系统故障诊断探析

针对BP神经网络的结构技术,液压系统故障原理进行深入分析,并通过实例剖析BP神经网络在工程机械液压系统中的故障诊断经过,充分结合系统工作原理特性,构建合理的算法。实验证明BP神经网络在故障分析中能够给出合适的正确结果。     

基于BP神经网络的内圆磨削精度及表面粗糙度预测

将BP神经网络引入内圆磨削领域,研究磨削精度及表面粗糙度随磨削用量变化的神经网络模型,并用实验验证这一研究方法的正确性。     

基于BP神经网络的发动机故障诊断算法研究

为提高发动机故障诊断的准确度和诊断效率,本文开展一种基于BP神经网络的发动机故障诊断算法研究,研究过程为首先设计实验方案,并对实验数据进行采集;其次利用训练样本对发动机故障网络对进行训练,确定最佳的BP神经网络方案为11-11-8结构,采用LM算法的BP神经网络,最终利用训练后的神经网络进行故障诊断,诊断正确率达到94%。     

应用BP神经网络校正铂电阻温度传感器非线性的方法

本文应用BP神经网络算法对铂电阻温度传感器进行非线性校正，给出了BP神经网络的结构和训练权值的方法，在训练网络时对输入量进行了归一化处理。并应用此训练的网络对一实际的温度采集系统进行校正。此方法实现简单，大大方便了铂电阻温度传感器在温度测量中的应用。     

一种基于MapReduce的并行PSO-BP神经网络算法

为了提高BP神经网络算法的分类准确率和运行时间效率,利用PSO算法和并行化设计的思想,提出了Hadoop平台下基于MapReduce的PSO优化BP神经网络的并行化设计及实现方法。利用PSO算法优化BP神经网络的初始权值和阈值,提高算法分类准确率;采用MapReduce并行编程模型实现算法的并行化处理,解决了BP神经网络在处理大规模样本数据集时存在的硬件开销和通信开销大的问题。选用SUN Database场景图像库构造了5个不同规模的数据集,通过与传统的串行PSO-BP神经网络算法实验对比,并行化的PSO-BP神经网络算法分类准确率达92%左右,系统效率在0.85左右,在处理大规模数据集时具有明显的优越性。     

基于混合BP神经网络算法的信用卡消费行为风险预测

随着中国信用卡市场的急速发展,信用卡消费行为的风险评估已成为业界研究的一个重要方向.目前风险预测的研究常采用单一的BP神经网络算法,但该算法存在一些固有缺点,如易陷入局部极小点、收敛速度较慢等,这些缺点会影响风险预测的效果.针对单一BP神经网络算法的不足,提出了一种将BP神经网络算法与遗传算法相结合的混合算法,它以BP神经网络作为基础,利用遗传算法对BP神经网络进行优化,并通过数据集的实验证明该混合算法要优于单一BP神经网络算法,可以有效提高信用卡消费行为风险评估中的检测率和准确率.     

基于神经网络的数字识别技术研究

将图像的像素特征与矩特征结合,构建了神经网络分类器,利用提取的特征向量对分类器进行了训练和测试。将图像二值化,并归一化为16＊16大小,提取了其每个像素点的0、1特征共16＊16—256维,图像的网格特征13维,及Hu矩特征7维,一共276维特征。建立了BP神经网络分类器,分别使用最速下降BP算法、动量BP算法、学习率可变BP算法对BP神经网络分类器进行了训练,得出了在相同条件下学习率可变BP算法训练时间短,收敛快的结论。建立了PNN神经网络分类器,与BP神经网络分类器性能进行比较,实验结果表明,PNN神经网络分类器性能更好。     

基于神经网络的真空断路器状态诊断

真空断路器作为电力系统的开关以及保护设备,其能可靠地工作对于电力系统的安全运行具有十分重大的意义。首先对采集到的断路器状态信号进行小波包变换,利用能量熵获取特征向量;其次对于提取到的特征向量用深度神经网络进行处理,将正常状态与故障状态进行一次分类;最后再用BP神经网络对故障状态进行判断,按照具体故障类型进行分类。仿真结果表明,提出的基于深度神经网络与BP神经网络结合的真空断路器故障诊断方法相比较于其它方法具有更高的准确性和快速性。     

ERP系统实施效果的BP神经网络评价研究

神经网络具有自学习、自适应能力和容错性强等特点,本文应用BP神经网络模型建立综合评价系统,应用人工神经网络方法对ERP系统实施效果进行评价作了一定的探索。