一种确定神经网络最优结构的新算法

从神经网络结构设计问题出发,提出一种确定神经网络最优隐节点个数的新方法.该算法首先按照等差数列增加隐节点,确定最优隐节点个数的范围;然后利用折半删减法确定最优隐节点个数.数值实验表明该算法在保持良好泛化能力的同时能自适应地、快速有效地确定网络最小隐神经元数目.     

发动机排气噪声影响因素正交实验

为揭示发动机排气噪声的影响因素及程度,采用正交试验设计法对X2105C型发动机排气噪声及其参数进行实验研究,确定了影响发动机排气噪声的主次因素及其交互影响。采用遗传算法的神经网络对试验样本进行学习,建立噪声预测方程。结果表明:正交试验可以有效地对发动机排气噪声影响因素进行测试。对于X2105型柴油机及指定消声器水平,排气噪声强度可用转速、扭矩、排气管长近似描述,建立线性方程。经对比检验,遗传神经网络预测法有较高的精确度。     

基于神经网络—遗传算法的双层隔振系统复合振动控制

针对实际应用中双层隔振系统参数时变,不易建模的特性,提出了将遗传算法及神经网络应用于双层隔振系统的复合振动控制策略。该方法利用遗传算法在线计算作用于隔振系统上的控制力,利用神经网络模拟隔振系统的动力特性,代替隔振系统进行动力分析,该系统充分发挥了遗传算法及神经网络各自的优点。其中,遗传算法采用与单纯形相结合的混合遗传算法,结合了遗传算法良好的全局收敛性和单纯形算法的优秀的局部搜索能力,提高了搜索速度与精度,神经网络采用了一种学习速率可自适应调整的BP算法,提高了神经网络的收敛速度。仿真结果表明了该方法的有效性。     

一种基于RBF神经网络的遥测数据中长糍预测方法

遥测数据能够反映卫星在轨运行过程中的性能和状态,针对卫星遥测数据变化趋势不易判断这一问题．提出了基于RBF神经网络预测模型对遥测数据进行中长期趋势预测的思想。仿真实验结果分析表明,该方法预测精度高,符合卫星,遥测数据中长期预测要求,能够对卫星遥测数据中长期趋势起到提前预报作用,为指挥J,-~i与控制中心进行实时决策提供科学依据。     

基于BP神经网络的黄河中下游人口预测研究

区域人口增长是一个高度非线性的系统问题,影响广泛,准确预测人口对政府制定经济和社会发展计划具有重要参考意义。BP网络能主动学习和存贮大量复杂的映射关系,而无需事前揭示描述这种映射关系的数学方程。采用BP神经网络建立预测模型,根据2001—2011年黄河中下游人口统计数据,通过Matlab软件作出预测,然后对预测结果进行拟合度分析,结果表明BP神经网络对人口数量的预测准确度极高。     

火箭发动机齿轮组故障检测数学模型

建立故障检测和特征频率提取数学模型,采用自适应BP神经网络算法对故障状况进行了仿真模拟运算。仿真结果表明新故障诊断算法结果优于传统BP神经网络算法,由原来的10000步降低至700步,有效提高了运算速度,同时运算精度也有所提高,检测准确置信度提高了10%,提高了故障检测的概率。研究成果为火箭发动机涡轮泵故障的早期发现与故障解决提供了算法理论的依据,有较好的工程推广运用性。     

动态属性权重智能前馈神经网络电力控制方法

在工业园区光伏并网控制中,电力控制驱动过程中呈现阻尼振荡,影响系统响应速度和稳定性。提出一种改进的基于动态属性权重人工智能前馈神经网络的电力控制方法,提高工业园区光伏并网电力控制性能。控制系统设计中,采用两个PI控制器,并结合使用磁链控制器和转速控制器,在转子磁场坐标系下,利用仿射PARK变换,使得工业光伏并网控制电力系统所有运算在转子磁场坐标系下实现。构建人工智能前馈神经网络,通过功率前馈控制加快并网系统的响应速度,采用动态属性权重预测电流控制技术补偿延时,实现无差拍控制和正弦脉宽调制。系统测试表明,采用该控制方法进行工业园区光伏并网电力控制,能有效抑制控制延时和电感量偏差对并网电流造成的畸变,控制系统鲁棒性和稳定性较高。     

BP神经网络在船舶推进电机故障预测中的应用

概述 现代舰船为了提高其综合性能,大量采用电力推进方式。推进电机作为电力推进系统的重要装备,其运行状态直接关系到船舶的在航状态及综合能力的发挥,电机一旦发生故障（特别是突发故障）将对船舶的生命力和续航力造成非常严重的影响。船舶推进电机主要采用直流电机,而直流电机故障复杂多样,有电气故障也有机械故障,有线性系统故障也有非线性系统故障,且其关系错综复杂,仅靠传统的诊断理论和方法,难以实现故障诊断和预测目标。目前,针对推进电机的状态监测缺乏综合手段,特别是对于未发故障缺乏预测方法,严重制约了推进电机的动态监测和主动维修,存在重大的安全隐患。     

应用WASD神经网络估算肾小球滤过率的研究

基于权值与结构确定(W A S D)算法建立一个能对中国人肾小球滤过率(glomerular filtration rate,GFR)进行有效估算的人工神经网络模型。使用了基于伪逆的权值直接确定法,以及边增边删和二次删除确定结构的方法,采用平均影响值(mean impact value,MIV)方法分析输入数据,并提出粗分组策略来改善神经网络的估算准确度。利用来自中山大学附属第三医院的真实病例数据建立模型,并用来自该医院其他就诊时期的病例数据验证模型性能。同时,与Cockcroft-Gault方程、简化MDRD方程以及RBF神经网络估算模型相比,本文提出的3-WASD-6最优神经网络模型可以更准确地估算GFR。     

基于BP神经网络的物流车辆识别

车型识别是智能交通的重要组成部分。本文针对降低物流产业的运输成本,论述了用BP神经网络构建物流车辆识别模型,通过像素点的曲率与相对距离输入,得到车型类别,并通过算例分析其鲁棒性。