基于BP神经网络的DSS焊接应力和收缩变形预测研究

针对川东造船厂化学品船建造中使用特种钢——2205双相不锈钢(DSS),在其焊接试验的基础上分别建立了双相不锈钢焊接应力和收缩变形的BP神经网络预测模型,并与多元线性回归方法进行比较,较好地模拟了焊接残余应力和变形与板厚、焊接电流、电弧电压、焊接速度等工艺参数之间的非线性关系。预测结果表明,BP神经网络比多元线性回归在预测精度和泛化能力上都有很大的提高。     

BP神经网络在模拟非线性系统输出中的应用

概述了非线性系统输出模拟的方法，对BP神经网络及改进的BP算法作了简要介绍。以BP神经网络运用于激光焊接过程中模拟焊缝形状的典型例子，探讨了BP神经网络在非线性系统模拟输出中的可行性；通过实例分析及比较测试结果，对BP网络的结构和训练样本的选取等进行了有益的探索。     

一种基于分形与神经网络的汽车车型图像识别法

提出了一种利用分形理论和神经网络技术进行汽车国型图像识别的方法。介绍了用BP网络进行边缘检测、分形编码和用Kohonen神经网络进行识别分类的方法。通过实验证明,该方法取得了较佳的识别和分类效果。     

结合遗传算法的BP神经网络训练方法研究

针对BP神经网络存在收敛到局部极小问题,研究了直接利用遗传算法训练BP网络的方法和结合遗传算法训练网络初始权值的BP算法;通过简单异或问题说明了第一种方法所需训练时间较长;将第二种用于解决结构损伤识别问题,得到较好结果,说明利用遗传算法训练初始权值可以克服BP神经网络局部极值点问题,加快网络的收敛速度。     

基于实例改进的BP算法的联合应用

BP(Back Propagation)神经网络模型是当今的科学技术领域中应用最为广泛的一种，其突出优点是具有很强的非线性映射能力以及根据具体问题灵活处理的柔性的网络结构。但是目前BP网络还存在一些缺陷，如训练时间长、易陷入局部极小等。分析BP神经网络的几种优化算法，实例证明这些优化算法的联合应用可以提高网络的性能。     

理想薄平板气动导数的人工神经网络识别

介绍一种用BP人工神经网络方法识别理想薄平板的气动导数的方法．通过构造BP网络，比较各种因素对识别结果的影响．数据处理方式对神经网络的训练结果影响很大．隐层单元数量、训练次数、随机赋值次数、样本数量等对训练结果也有影响，但影响较小．采用这种方法识别理想薄平板的气动导数是可行的，并且具有较高的精度．     

结构连续空心板拼宽收缩应力仿真分析

为了行车安全舒适,须严格保证拼宽新旧桥变形协调。研究不同拼宽构造对收缩差的影响,对于选择合理的拼宽形式,优化拼宽设计,减小收缩差所产生的附加内力,有重要意义。以广深高速公路扩建为工程背景,采用Solid Work和ANSYS Work Bench技术,对不同拼宽构造进行了三维仿真分析,对比分析了其收缩差应力。结果表明,就结构连续空心板而言,桥面连续、带横梁的简支结构是一种较合理刚性拼宽构造方案。采用合理的结构构造能有效降低新老桥收缩差影响。     

RBF神经网络在船舶焊接中的建模及应用

以船舶钢结构为对象，研究了RBF神经网络在船舶焊接变形中的建模及应用．以焊接顺序等因素作为网络输入，以钢结构板材凹凸变形为输出，训练生成网络焊接变形模型，可用于预测船舶钢结构焊接变形量的快速预测．仿真表明该模型的预测输出与实测数据样本基本拟合，验证了模型及其预测效果具有较高的准确性．     

基于神经网络的车牌字符识别算法实验及程序校验

对算法简便、识别率高的BP网络和自适应谐振ART构成的自组织网络两种字符识别进行了综合实验与总结,结合程序论述了两种字符神经网络识别的原理并给出实验比较结果．     

基于改进的BP神经网络的桥梁结构损伤诊断研究

采用改进后的BP神经网络对桥梁结构进行损伤诊断,通过与传统BP网络法的诊断结果进行对比,得出改进后的BP网络算法在实际应用中能克服传统BP网络算法收敛速度慢,存在局部极小的问题.改进后BP网络的桥梁结构损伤诊断具有较好的诊断效果,与传统的BP神经网络相比,不仅提高了计算速度,而且较大地提高了识别精度,具有较好的应用前景.     

BP网络的泛化能力改进方法及应用

在人工神经网络的使用中，BP神经网络是使用比较多的网络结构，简要介绍了BP网络的基本结构和BP算法，分析BP网络存在的缺陷，介绍了两种改进BP网络泛化能力的方法，并通过例子分析了两种方法的适用性。     

基于极限学习机的交通事故严重程度预测

极限学习机是单隐层前馈神经网络,作为BP神经网络的一种改进,极限学习机克服BP神经网络需要设置大量网络训练参数,并容易产生局部最优解问题的缺隐,交通事故严重程度的预测适合用极限学习机建模预测。研究选取某城市道路交通事故数据,利用基于LM算法(Levenberg-Marquardt)的BP神经网络和极限学习机建立事故严重程度的预测模型,随机选取80%的样本作为训练集、选取20%的样本作为测试集,对测试集的期望值和网络输出值进行比较,结果表明,极限学习机的预测性能比BP神经网络的要好。     

基于BP神经网络的手写体数字识别系统

针对传统的数字识别方法的复杂性和局限性，提出了基于BP神经网络的手体数字识别系统，通过对样本抽取特征向量，并在选取了足够的样本对BP神经网络进行训练，将代表手写数字存储的样本输入给训练好的神经网络，可以根据神经网络的输出得到识别的数字，仿真结果表明手写体数字识别系统是非常有效的。     

基于BP神经网络和遗传算法的桥梁损伤识别方法研究

以钟祥汉江大桥的损伤识别为例，对基于BP神经网络和遗传算法的桥梁结构损伤诊断方法进行的实例应用研究，结果表明该方法兼有神经网络广泛的映射能力和遗传算法快速的全局收敛性能。     

基于BP神经网络的轮胎花纹沟槽识别

针对传统轮胎花纹沟槽识别算法存在数据特征提取困难、数理运算步骤复杂等问题,基于BP神经网络对生成的不同沟槽类型的轮胎胎冠线数据集进行反复训练,得到BP神经网络轮胎花纹沟槽识别模型。将轮胎胎冠线数据集随机划分为训练集、验证集和测试集,通过试验验证BP神经网络识别模型对轮胎花纹沟槽的识别性能,由混淆矩阵得到模型的正确识别率为94.9%。从3、4沟槽轮胎中获取实际胎冠线样本数据测试BP神经网络识别模型的实际识别效果,6条胎冠线上的花纹沟槽数量全部识别正确。基于BP神经网络识别轮胎花纹沟槽数量具有可行性。     

基于神经网络的手势识别

在机器人对手势识别的实验中，利用BP神经网络对连续手势进行识别。对采集到的彩色图像进行基于肤色的提取后，从复杂背景的彩色图像中划分出手部图像，进一步处理后输入神经网络进行识别。实验结果表明，该方法比较简单，识别效果也较为理想。     

焊接结构二次变形与焊接变形的关系

在理论上分析了焊接变形和二次变形的机理，并推导了它们的数学表达式，通过实验论证得到结论；二次变形和焊接变形方向相反，即焊接变形是收缩变形，二次变形是伸长变形；在单道焊时，二次变形和焊接变形在数值上成正比，在多道焊时二次变形小于焊接变形。     

基于递归图和BP神经网络的桥梁损伤识别研究

为研究递归图和多层前馈（BP）神经网络在桥梁损伤识别方面的应用,以某大跨斜拉桥为例,采用ABAQUS有限元软件建立其三维模型,通过动力分析提取该三维模型的加速度曲线并进行递归图处理和BP神经网络分析。研究结果表明：递归图方法能够初步地识别主梁的损伤位置和损伤程度;BP神经网络分析能够精确识别主梁损伤的具体位置和损伤程度值,且识别准确率均大于85.0%。该方法可为类似桥梁工程的损伤识别提供借鉴。     

基于小波神经网络的路段短时交通流预测

应用BP神经网络来对路段短时交通流进行预测,预测精度和收敛速度都不是很理想,为了克服BP神经网络自身存在的非线性逼近缺陷,依据小波的时频域特征,将小波变换和BP神经网络结合起来,提出一种基于小波神经网络的短时交通流预测方法,给出了具体的网络学习算法,并结合实地调查数据进行了对比测试,分析结果证明了小波神经网络模型对短时交通流预测的有效性．     

BP神经网络技术在独塔斜拉桥施工控制中的应用

神经网络是一种模拟人脑结构和功能的信息处理系统。本文通过一工程实例,以BP神经网络技术为基础,对影响斜拉桥线形的各种参数（主梁混凝土弹性模量和容重）进行参数识别及主梁标高的预测。实例表明：该方法对主梁施工标高有较好的预测精度。