基于BP神经网络的航空发动机气路故障诊断研究

将BP神经网络应用在PW4000航空发动机气路故障诊断里面,建立相应的故障诊断系统,然后借助MATLAB对有关发动机气路故障数据进行训练,通过仿真得出诊断结果,以此验证该种诊断方法具备速度快、误差率低等优点。     

基于实验数据的航空发动机动态建模

针对基于部件级航空发动机动态建模过程中完整、准确的航空发动机部件特性数据往往难以获取、建模时间长等现象,提出使用实验数据进行辨识建模的方法。为了建立航空发动机的动态模型,通过对某轻型飞机实验台的飞行实验数据进行分析整理,提出使用BP神经网络对发动机重要参数进行建模,同时使用粒子群优化算法(Particle swarm optimization,PSO)对BP神经网络的权值和阈值进行优化,使用改进粒子群优化算法(Improved particle swarm optimization algorithm,IPSO)对传统粒子群优化算法进行改进,仿真结果表明IPSO-BP网络建立的发动机模型精度和稳定性更高。     

基于试验数据的活塞发动机性能参数分析

通过分析活塞发动机的TCDS数据,能够实现活塞发动机的状态监控和故障诊断。利用发动机实验操作台,对O-200发动机、O-300发动机和R-985发动机实施三种故障安装,得到故障状态下的性能参数。然后以健康参数为基础计算偏差,基于发动机原理及工程经验,对不同型号发动机在不同故障下的性能参数进行对比分析,结合发动机维修手册可快速确定发动机故障部位,为发动机设计和维修工作提供技术支持。     

BP与RBF神经网络在航空发动机气路故障诊断中的应用

采用模拟样本与实际故障样本建立网络训练所需样本库,基于BP与RBF神经网络建立故障诊断模型,用PW4000航空发动机的故障样本进行训练,对训练好的网络进行测试仿真。仿真结果显示BP与RBF两种神经网络具有较高的诊断正确率,在航空发动机故障诊断中具有应用价值;与实际故障数据对比表明BP与RBF神经网络在航空发动机故障诊断中具有实用性。     

基于灰色模型的发动机状态预测技术研究

本文对灰色模型预测方法的建模方法和步骤进行了总结,以发动机水温预测为例,研究了基于灰色模型的发动机状态预测技术,预测结果和实际数据对比表明,灰色模型方法能够对发动机的运行状态进行有效预测,为维修体制由当前的事后维修向视情维修转变提供了依据.     

基于神经网络预报的动态矩阵预测控制

提出了一种基于径向基神经网络预报的动态矩阵预测控制新算法，在该算法中，先用RBF神经网络辨识对象模型，同时预测对象的未来输出，然后用动态矩阵控制算法进行滚动优化和反馈校正。该方法解决了非线性、时变对象难以建模的问题，仿真结果验证了这一新型算法的可行性。     

基于神经网络的电力负荷预测系统设计

应用RBF(Radial Basis Function, 径向基函数)人工神经网络进行电力系统短期负荷预测.考虑了天气、经济、节假日等因素对电网负荷的影响,将负荷按照每周各日分类,共七种模式,学习样本选取每周中的相同类型日.在预测前还对原始数据中的伪数据进行剔除,提高了预测的精确度.利用从湖南省双峰电力局收集到的负荷数据进行网络模型的训练,所得结果表明了RBF网络对于负荷预测是有效性的.     

基于神经网络的经济预测分析

对于神经网络法进行了分析,并探讨了神经网络法在宏观经济预测中的应用。准确的国民经济预测对政府经济分析及科学决策具有重要意义,     

基于小波神经网络的短时交通流预测

针对BP神经网络寻优速度慢、实时性差等缺点,提出将小波神经网络应用于短时交通流量预测中.该方法具有良好的局部性特征,弥补了常规神经网络的不足.在非线性逼近中得到了很好的应用.实验结果表明,小波神经网络预测模型的预测精度明显优于BP神经网络,对交通流量预测问题有较高的应用价值.     

基于过程神经网络的黑龙江省GDP预测

将过程神经网络应用于GDP预测,可以将时间序列中的时间累积效应充分考虑到预测中,能较好地解决传统GDP预测方法中的一些不足。运用黑龙江省1981年至2010年GDP与其影响因素数据,结合相关理论,建立了基于过程神经网络的GDP预测模型,对GDP进行了预测。结果表明,将过程神经网络应用于GDP预测问题中,可以得到较高的预测精度,预测效果较好。     

基于BP网络的PID控制器参数整定法研究

将神经网络和PID参数的整定相结合,提出了基于误差反传神经网络的PID参数整定方法,通过神经网络的自学习和权值调整寻找最优的PID参数．该方法适用于非线性系统和时变系统,实现了PID参数的在线整定．     

基于灰色预测与BP神经网络的全球温度预测研究

为深入了解全球变暖缘由及影响,探究变暖是否停滞,考虑地球吸热、散热及海洋温度变化等因素,构建一种全球温度预测模型,预测未来25年温度变化。采用主成分分析法找出贡献度较大的3个主成分,再用3组灰色预测模型预测海洋平均温度、二氧化碳排放量、太阳长波辐射等8个变量,并进行光滑比、级比和残差检验。结果表明,预测符合前29年（1990-2018年）时间序列图规律,用历史数据训练BP神经网络,然后把8个变量的预测值代入神经网络,拟合优度为0.922 72,精度非常高,可以看出全球平均温度距平序列越来越大,说明温度正逐渐升高,而不是停滞。     

基于GA-BP神经网络的手足口病疫情预测

影响手足口病疫情的气象因素众多、变量关系复杂,采用主成分分析法降低气象影响因子的维度,然后基于遗传算法BP神经网络建立手足口病疫情预测模型。以衡阳市手足口病为例,开展手足口病的疾病发病率预测研究。结果表明,模型预测的发病率与衡阳市实际手足口病发病率吻合良好,可作为手足口病疫情预测的一种有效方法。     

基于BP神经网络模型的通货膨胀预测

通货膨胀的诱因、预测与控制是各国政府、学者乃至普通民众关心的热点问题。运用交叉相关分析法对GDP增长率、M2增长率、工业生产者购进价格指数等因素与通货膨胀间的关系进行了定量分析,确定了各因素与通货膨胀之间的领先、一致和滞后关系;然后结合人工神经网络原理,以先前确定的领先指标作为输入信息建立了基于BP神经网络的通胀预测模型,最后根据模型预测结果,提出了控制通货膨胀的相关政策建议。     

基于RBF神经网络的电力系统短期负荷预测

电力负荷预测一直是电力系统的重要研究课题。在考虑天气状况因素的前提下,通过MATLAB软件实验平台,构建了一个RBF神经网络模型,并用历史电力负荷数据进行训练,成功的进行了电力系统的短期负荷预测,预测结果误差比较小,结果令人满意,证明了RBF神经网络在电力短期负荷预测领域的有效性和可行性。     

基于模糊神经网络的非营利组织绩效评估

非营利组织绩效评估是一个新兴的课题,具有模糊性的特点。模糊神经网络作为模糊理论同神经网络相结合的产物,它集成了二者的优点,弥补了彼此的不足。利用模糊神经网络对非营利组织绩效进行评估,首先建立评估指标,然后通过模糊神经网络模型的构建,对评估指标进行分析,最后得出评估结果,从而达到评估的客观性和准确性。     

基于BP人工神经网络电力负荷预测

由于影响电力负荷的因素之间存在着非线性,所以采用神经网络方案来进行短期电力负荷预测.对应用于实际的神经网络算法进行了具体处理,如数据的归一化,输入向量和输出向量的选择.仿真结果表明其有较好的预测精度.该模型具有网络结构较小、训练时间短、易于实现的优点.     

基于Elman神经网络的商品销售额建模及预测

为提高预测精度,采用Elman神经网络对商品销售额进行预测.在分析样本数据特性基础上,采用Elman神经网络对商品销售额的预测进行建模,通过实例验证模型的有效性并对比分析BP神经网络的预测效果.研究结果表明,基于Elman神经网络的商品销售额预测能够较好地反映商品销售额的变化趋势且提高了预测精度,验证了该方法在商品销售额预测中的可行性.