基于LM-BP神经网络的沿海港口吞吐量动态模拟与预测

根据港口吞吐量与经济发展之间存在的非线性映射关系,引入结合LM(Levenberg-Marquardt)优化算法的BP神经网络,并将其应用于我国沿海港口吞吐量的动态模拟与预测.通过与BP算法的仿真结果比较分析,发现新算法具有训练速度快、预测精度高的特点.     

船用计程仪信号传输系统的神经网络故障诊断算法

计程仪信号传输系统是由步进电机通过齿轮带动多个旋转变压器。为实现对其故障的智能诊断,提出一种基于BP神经网络算法的故障诊断方法,并采用LM(Levenberg-Marquardt)最优化算法对BP网络进行训练。通过Matlab神经网络工具箱仿真计算,结果表明LM算法提高了BP神经网络的学习效率及稳定性,明显加快了网络的收敛速度。使用BP神经网络对步进电机带动多旋变系统故障诊断的方法行之有效,在减少故障诊断人员工作量同时提高了系统故障诊断的效率。     

舰艇舱室火灾危险等级的BP神经网络评估模型

舰艇舱室火灾危险等级划分是舰艇舱室防火性能设计和优化的基础.文章深入分析了舰艇舱室火灾危险等级的判别要素,通过对各判别要素的量化,建立了火灾危险等级BP神经网络评估模型;在Matlab编程环境中,使用LM算法对所建立的神经网络评估模型进行了训练,并通过测试样本验证了BP神经网络模型在舰艇舱室火灾危险等级评估中的可行性和精确性.     

对角神经网络陀螺随机误差建模研究

首先,采用对角神经网络(DRNN)对陀螺的随机误差进行建模。给出DRNN的结构与数学模型,说明DRNN作为内递归网络在建模时不必知道模型阶次;然后,利用LM算法优化BP算法,导出DRNN适用的LMBP算法对网络进行训练;最后,利用DRNN对光纤陀螺随机误差建模,并与陀螺随机误差建模常用的ARMA模型和外递归BP网络进行对比,通过仿真定量分析DRNN的建模效果。仿真结果表明,DRNN比其他方法更加有效便捷。     

基于改进的神经网络的船舶碰撞危险度的模型

针对船舶碰撞危险度具有模糊性、不确定性等特点,依据模糊理论方法建立的船舶碰撞危险度的数学模型,直接采用来船航速、来船航向、来船对本船的相对舷角和来船对本船距离作为神经网络的输入,采用Levenberg-Mrquardt优化算法这种改进的BP神经网络进行训练和仿真,并与标准BP算法和动量BP算法进行比较,发现经过改进的网络求得碰撞危险度比标准BP算法和动量BP算法具有更好的效果,网络能够更有效收敛,大大提高了网络的收敛速度和泛化能力。     

改进的BP网络及其在电路故障诊断中的应用

针对标准BP算法收敛速度慢、容易陷入局部极小值的缺点，提出了改进的BP算法——Levenberg-Marquardt算法，并将其应用到电路故障诊断问题中。实例仿真验证了改进算法在训练次数和训练时间上具有明显的优势，同时也能保证故障诊断准确率，具有良好的效果。     

基于BP神经网络算法及推导的研究

介绍BP神经网络算法原理,就算法推导过程做出重点分析,给出构造BP网络模型的一般步骤以及该算法在曲线曲面函数逼近中的应用实例.实验表明,BP神经网络在曲线曲面函数中具有很好的逼近能力,训练后的模型具有较高的精度.     

基于遗传神经网络与信息融合的实时智能故障诊断系统研究

在传统BP神经网络的基础上引入聚类分析方法与遗传优化算法,可有效降低BP神经网络的训练难度并提高其训练精度;为有效利用各诊断单元的诊断结果,引入D-S证据理论对结论进行决策分析.仿真测试表明,该故障诊断系统能迅速、准确、可靠的诊断出各种故障.     

基于改进BP算法的凝给水系统故障诊断神经网络的分析与训练

分析了故障诊断神经网络的组成,构建了凝给水系统故障诊断神经网络,并用改进BP算法对新构建网络进行了训练.训练后的凝给水系统故障诊断神经网络得到了很好的验证.     

基于L-M贝叶斯正则化方法的BP神经网络在潜艇声纳部位自噪声预报中的应用

基于L-M贝叶斯正则化方法使BP神经网络在推广能力、收敛速度和逼近精度上能够获得很大的提高.文中将BP神经网络和L-M贝叶斯正则化算法相结合用于潜艇声纳部位自噪声预报.分析了影响声纳部位自噪声的各种参数.利用潜艇声纳实测数据进行网络训练,训练好的神经网络可以对潜艇声纳部位自噪声进行精确预报.     

基于BP网络的线性电路软故障诊断

线性电路的软故障诊断一直是个难点,BP神经网络可用于模式识别和分类。本文主要介绍了BP网络的基本算法、训练过程及其改进,分析了BP网络在模拟电路故障诊断中的实用性。     

基于自适应变异 PSO-BP算法的船舶横摇运动预测

为了准确高效预测船舶在海上的航行状态,以保证人员、货物和船舶的安全,提出一种自适应变异的粒子群优化算法（self-adapting particle swarm optimization algorithm,SAPSO）,将该算法与误差反传（back propaga-tion,BP）神经网络结合。SAPSO-BP预测模型使用SAPSO算法优化BP网络的网络参数。克服传统BP神经网络对初始权值阈值敏感,容易陷入局部极小值的缺点,同时也克服了传统PSO算法早熟收敛、搜索准确度低及迭代效率低等缺点。运用该模型对科研教学船“育鲲”轮在海上航行的横摇情况进行实时预测实验,验证该方法的可行性与有效性具有较高的预测精度。     

PSO-BP神经网络在船舶二级脱硝系统中的应用

随着国际海事组织（IMO）标准Tier III标准的实施，船舶柴油机尾气中的氮氧化物（NOx）的排放受到了更严格的限制。选择性催化还原脱硝技术因其高效、可靠等优势成为船舶柴油机NOx减排的主要选择。本文先根据SCR反应机理在MATLAB中搭建一级SCR脱硝系统和二级SCR脱硝系统模型，通过仿真结果对比，发现加入二级脱硝系统后，脱硝率可以得到提高。鉴于BP网络预测精度较低，本文将粒子群（PSO）算法加入到BP权值训练过程中，利用PSO-BP 神经网络预测 SCR-DeNOX系统出口处NOX浓度。结果表明：PSO-BP 神经网络不但可以预测SCR-DeNOX系统出口处的NOX浓度，而且与传统BP 神经网络相比可以提高预测结果的精度，为有效控制喷氨量、降低氨气逃逸量提供帮助。     

灰色系统与神经网络算法相结合的分析与研究

采用BP神经网络对模型参数进行预测,算法的学习训练速度和建模时间比较长;采用灰色系统理论对模型参数进行预测,对数据信息的学习和训练能力比较有限,两种算法都存在各自的缺陷,为了提高模型中参数的收敛速度和估计精度,本文将灰色系统理论和BP神经网络算法相融合,通过仿真可以看出,模型参数的估值精度比较高,误差较小,证明了该算法的有效性和鲁棒性。     

一种基于改进型KNN算法的文本分类方法

KNN算法是比较适合于文本分类的一种分类算法,但由于其计算复杂度会随着训练集规模的增加而线性增加,从而限制了它的实际应用效果。通过改变对近邻点的搜索策略,提出了一种改进型的KNN算法。该算法在对最近邻的选择过程中,放弃传统算法中遍历所有样本的做法,而是通过逐渐逼近的思想来寻找最近邻点。实验证明,该方法在保持和传统的KNN算法几乎一样的精度性能前提下,可以明显降低算法的计算复杂度,降低时间开销,取得了较满意的结果。     

波浪补偿平台垂向位移的短时预报

针对BP算法存在收敛速度慢和局部极值的问题,采用此方法对BP学习算法进行改进,结合实验采集的数据进行仿真计算,结果表明采用此方法可以有效地提高Elman网络的训练速度和稳定性,使El-man网络能够更有效地对波浪补偿平台垂向位移进行短时预报。     

基于改进BP-GA方法的FPSO舷侧结构耐撞性能优化设计

基于遗传算法和ABAQUS参数化有限元仿真技术,对传统的BP-GA优化方法进行改进,并采用改进的BP-GA方法对浮式生产储油卸油装置(FPSO)舷侧结构的耐撞性能进行优化,以验证其可行性和准确性。结果表明,与传统的BP神经网络相比,经遗传算法优化的BP神经网络具有更高的预测精度和更强的泛化能力;改进的BP-GA优化方法可在结构减重的基础上进一步提高结构的耐撞性能,能较好地适用于复杂的FPSO舷侧结构耐撞性优化设计。采用的优化方法具有通用性,可为抗爆性能的优化设计提供参考。     

改进的BP神经网络在路基沉降预测中的应用

针对传统BP神经网络存在的缺点,提出基于遗传优化的变梯度反向传播的BP神经网络预测方法,采用遗传算法优化BP神经网络的初始权重,建立路基沉降预测模型。该模型可克服BP神经网络模型存在的收敛速度慢、易陷入局部极小点等缺点。结合现场实测数据,将该优化模型与指数曲线模型、双曲线模型、灰色预测模型和传统BP神经网络预测模型对比,结果表明改进的BP神经网络在路基沉降预测中精度最高,适宜于广泛推广应用。     

改进的BP网络及其在电路故障诊断中的应用

BP神经网络在模拟电路故障诊断中的应用是一个十分热门的研究课题，但BP网络自身的学习收敛速度慢、容易陷于局部极小等缺陷则限制了其应用。提出了一种改进型的BP网络诊断模拟电路故障的方法，详细介绍了自适应学习率动量法，对模拟电路故障进行诊断和分析研究。最后，给出了仿真实例，验证了自适应学习率动量法加快了样本学习收敛速度，具有更好的实时性和诊断效率。