BP神经网络用于传感器故障诊断的仿真研究

介绍了ＢＰ神经网络的一些基本概念和传感器故障诊断的有关问题。对用神经网络进行传感器故障诊断的原理加以分析。在ＭＡＴＬＡＢ语言环境下利用Ｓｉｍｕｌｉｎｋ仿真工具和神经网络工具箱对凝汽式汽轮机调速系统的中的转速传感器进行了传感器故障诊断研究。给出了仿真实现结果,并对结果加以分析,结果显示,利用神经网络进行传感器的故障诊断具有可行性。     

基于神经网络的传感器故障诊断仿真

针对现代工业大型复杂系统的不确定性使得对其进行建模比较困难的特点,提出了一种用神经网络进行传感器故障诊断的方法.以凝汽式汽轮机调速系统中的转速传感器为例进行了传感器故障诊断研究,给出了仿真实现结果,并加以分析.仿真结果表明,所提出的利用神经网络进行传感器的故障诊断的方法具有可行性.     

微量在线称重检测系统自适应补偿设计

为满足对医药胶囊在线快速称重的要求，提出对称重检测传感器系统采用基于神经网络识别和极点配置的自适应补偿方式，改进提高称重系统的动态特性．通过MatLab软件仿真计算。表明该方法在提高称重传感器动态响应速度方面具有一定效果．     

采用神经网络的传感器故障诊断方法研究

使用专用观测器组（ＤＯＳ）的方法能解决传感器故障诊断问题。然而，对于对象为非线性的、对象模型的结构和参数均未知的系统，ＤＯＳ很难构造出来，本文使用多层神经网络实现了ＤＯＳ以及决策逻辑，从而实现了对不确定的非线性系统传感器故障诊断。     

电控自动变速器传感器故障诊断

传感器是电控系统的“感觉器官”，传感器一旦发生故障，将导致自动变速器无法正常工作。本阐述了电控自动变速器电子控制系统传感器故障诊断的基本方法。     

遗传算法优化的模糊神经网络在故障诊断中的应用

本文针对船舶柴油机故障诊断系统提出了一种基于遗传算法优化训练的模糊神经网络诊断方法,介绍了这种模糊神经网络故障诊断系统的结构及其参数形式,通过遗传优化算法对它的权值和阈值进行了学习优化训练。这种方法可以有效地避免通常所选BP算法训练易陷于局部极值的问题,最后将该遗传算法优化训练的模糊神经网络系统应用到船舶柴油机的故障诊断中,通过仿真研究,说明了该方法的有效性。     

基于小波和RBF神经网络的多传感器时间对准算法研究

提出利用小波降噪和RBF神经网络进行时间对准算法,该方法先对采集到的数据进行降噪处理,为下一步操作提供准确数据;然后利用RBF神经网络将不同传感器采集不同采样周期的数据对应到同一个时间点上,进行多传感器时间对准,为后面数据特征提取和数据融合提供高精度数据支持。通过仿真结果与其它方法的对比可得该方法运算速度快,具有数据修正能力和精确度高的特点,适用于多传感器的时间对准。     

基于FLANN数据融合的传感器温度补偿及校正

提出了一种用函数连接型神经网络(FLANN)数据融合及直线回归分析技术相结合实现传感器温度参量的补偿及其非线性校正的方法．该方法将传感器线性段特性用回归方法进行拟合,得到直线校正方程,对传感器非线性特性采用参考温度参量与传感器输出值的FLANN数据融合,从而实现传感器温度补偿与非线性校正．该方法用于微重力落舱动态测重结果分析表明,该方法是切实有效和可行的．     

径向基函数网络用于船用柴油机智能诊断的研究

从工程应用的观点出发，研究以神经网络理论为数学工具对柴油机故障进行智能仿真诊断．建立船用柴油机症状与故障样本集，作为基于RBF神经网络故障诊断的专家知识库，以实现船用柴油机故障的智能诊断，并对该神经网络的容错能力进行评估分析．     

基于案例推理和神经网络的车辆故障诊断研究

将人工神经网络和基于案例的推理技术相结合,应用于车辆故障诊断系统中,建立了应急故障诊断模型;基于此模型,研究了车辆维修案例的表示方法并设计了CB神经网络的学习规则,通过系统的仿真训练和仿真诊断,该模型有效地提高了故障诊断的效能,满足车辆应急故障诊断的需求。     

基于MSA的智能火灾报警系统

针对传统的采用单一火灾传感器的自动消防系统易产生误报警、漏报警的问题,提出基于MSA(mu lti-step-alarm)的智能火灾报警系统.该系统采用基于BP神经网络的多传感器数据融合技术融合各种火灾传感器的信号,以减少报警时间、误报警和漏报警.提出了相关判定规则,以确认火灾报警信号,克服BP算法容易陷入误差局部最小、单纯使用训练值会产生振荡的缺陷.实验结果表明,与3种单一传感器的平均值比较,基于MSA的智能火灾报警系统的误报率和漏报率分别减少了80%和92%,报警时间缩短了50%.     

Term Structure of Interest Rates Based on Artificial Neural Network

In light of the nonlinear approaching capability of artificial neural networks （ ANN）, the term structure of interest rates is predicted using The generalized regression neural network （GRNN） and back propagation （BP） neural networks models. The prediction performance is measured with US interest rate data. Then, RBF and BP models are compared with Vasicek＇s model and Cox-Ingersoll-Ross （CIR） model. The comparison reveals that neural network models outperform Vasicek＇s model and CIR model, which are more precise and closer to the real market situation.     

基于人工神经网络的路面模量反算

根据三层 BP神经网络模型和弹性层状体系理论 ,结合 JILS FWD研究了层状体系路面的模量反算。通过理论和实测弯沉盆的反算 ,比较了精确网络与噪音网络的反算能力 ,从而提出了人工神经网络实现模量反算的关键技术。噪音网络与国内外常用反算程序的比较结果表明 ,神经网络法的反算结果具有良好的精度和可靠性     

基于贝叶斯正则化 BP 神经网络的 GPS 高程转换

为了改善BP神经网络在GPS高程转换过程中过拟合的现象,提出了用贝叶斯正则化算法的BP神经网络转换GPS高程的新方法,并利用区域GPS/水准数据,将新方法和未采用正则化算法的BP神经网络进行GPS高程转换的比较.结果表明:在较大区域和高程异常呈不规则的情况下,新方法不仅可以有效提高GPS高程转换的精度,而且通过贝叶斯正则化算法可以改善网络结构,抑制过拟合现象.在约10 km的GPS基线尺度上,新方法可以得到精度达0.050 m的正常高.     

一种改进的反向传播算法在机械故障模式识别中的应用

反向传播算法在机械故障模式识别中得到广泛的应用,但在实践中发现标准的反向传播法的收敛速度不快,模式识别能力有发,针对这些缺点进行改进,提出了一种改进的反向传播算法,大大提高了ＢＰ网络的收敛速度和模式识别能力,然后以变速箱故障模式识别为例进行了验证。     

����Hession�����Ż���NDEKF�������ʶ����ֱ��ͬ���������Hession�����Ż���NDEKF�������ʶ����ֱ��ͬ�����

永磁直线同步电动机模型的建立对研究其稳态特性、动态特性和控制策略都是非常重要的。首先，将带外部输入的非线性自回归模型展成多项式形式，然后在此基础上用残差分析法导出真实的阶次所满足的条件。为了克服神经网络结构依靠人工试凑的不足，使用基于Hession矩阵的修剪法来优化其结构。考虑到BP算法的一些固有缺点，使用NDEKF(基于节点的解耦扩展Kalman滤波器算法)来训练网络。实验证明，网络的输出结果与试验样机(永磁直线同步电动机驱动的垂直运输系统)的实际输出十分接近；同时将NDEKF与BP算法进行对比，NDEKF算法具有收敛较快、泛化能力强、不易陷入局部极小等特点。     

基于LabVIEW的BP算法及其在发动机故障诊断中的应用

介绍了虚拟仪器技术,应用LabVIEW软件编制了基于BP算法的训练网络和诊断网络,使之能更有效地、直观地了解BP神经网络的工作状态,从而为汽车信号系统的分析和发动机故障系统诊断提供了有效的方法。     

基于神经网络的汽车发动机故障诊断研究

将BP神经网络应用于汽车发动机故障诊断.利用实际测试的怠速不稳故障样本训练网络并进行测试.结果证明,BP神经网络应用于汽车发动机故障诊断,效果良好,具有较高的诊断效率和准确度.     

基于RBF神经网络的交通流数据修复研究

完整的传感器数据是交通管理和控制的基础,但由于传感器自身或传输线路故障等原因,常常导致数据缺失,亟需对传感器缺失数据进行修复。鉴于此,以离散和连续缺失的线圈检测器交通流量数据为研究对象,构建基于RBF神经网络的数据修复模型。并将其结果与利用非线性回归模型、BP神经网络模型进行修复的结果相比较。RBF神经网络模型在离散缺失3 个数据、连续缺失3 个数据和连续缺失5 个数据情况下,平均百分比绝对误差分别为0.67%, 0.66%和1.33%,修 复值和实测值的总体相关性为0.992,修复精度优于非线性回归模型和BP神经网络模型。研究结果表明,RBF神经网络模型与其他方法相比可更精确地进行交通数据修复。     

基于BP神经网络的模型参考自适应控制

基于BP神经网络的误差反向传播机制,探讨了建立在BP神经网络基础上的模型参考自适应控制方法。该方法用2个BP神经网络分别作辨识器和控制器,其中辨识器兼作间接传递误差的通道,从而解决了控制器权值的修正问题。仿真结果表明, 经过学习控制结构具有较好的有效性。