基于改进BP神经网络的柴油机故障诊断研究

根据柴油发动机故障与征兆之间关系来建立一种采用BP算法前馈型神经网络结构,然而采用标准BP算法对神经网络训练进行训练,但存在收敛速度慢等问题。因此,又采用添加动量项和自适应学习速率两种方法对标准BP算法进行改进,并将改进的BP算法运用于神经网络训练,结果表明改进的BP神经网络能够改善收敛速度慢的缺点,而且预测故障效果较好。     

基于改进BP神经网络的智能车纵向控制方法

针对传统PI控制在车辆速度跟踪过程中参数固定且不易整定的问题,提出了一种基于改进BP神经网络的智能汽车纵向控制方法。分别构建驱/制动模式下的BP神经网络,针对BP神经网络初始参数选取困难及反向自学习存在梯度消失等问题,利用粒子群算法和批处理归一化方法对BP神经网络进行改进,最终实现PI控制参数的动态自整定。通过Carsim/Simulink联合仿真与实车测试对该方法进行了验证,结果表明：相比于传统PI控制,所提出的纵向控制方法在实现基于误差快速调整参数的同时提高了车辆纵向控制精度。     

基于改进BP网交通流动态时序预测算法的研究

针对城市交通“智能运输系统”,提出了基于改进BP神经网络理论模型的路面交通流动态时序的预测算法,在BP算法的自适应学习率,在动量法优化网络收敛性等方面,进行了深入研究,并改进了基本BP算法中的收敛速度慢和易陷入局部最小点等问题,章给出了基于改进BP算法的交通流态时序的预测算法仿真实验,结果验证了该算法的可行性和先进性,在交通流时序预测方面有一定的应用价值。     

基于BP神经网络的柴油机排气门故障诊断

介绍了BP神经网络的结构和算法,设计了一个适用于柴油机排气门故障诊断的3层BP神经网络.将4缸柴油机排气门存在故障的状态和其正常工作状态所对应的特征向量作为BP神经网络的输入样本进行训练,建立故障诊断库,并用此故障诊断库对输入的检验数据进行自适应分类识别,从而实现故障诊断.实验表明,该方法可行、适用.     

BP神经网络算法预测路基边坡滑坡变形的应用研究

为了准确掌握降雨量与路基边坡滑坡变形之间的关系,在对金温货线铁路K135+900～K136+400滑坡区域降雨量及路基边坡滑坡变形进行长达3年监测的基础上,采用BP神经网络算法,以前期累计降雨量和累计变形进行样本训练,建立网络关系,并以实测数据加以验证,模型能够对降雨条件下的变形演化发展做出较为准确的预测。研究成果已作为重要的基础性数据被当地政府管理部门、铁路运营管理单位和滑坡治理设计单位所采用,用于分析预测滑坡变形趋势,指导滑坡应急管理和永久治理,以确保滑坡影响区内铁路运营安全和人民生命财产安全。     

基于BP神经网络算法的悬索桥损伤识别研究

该文基于神经网络损伤识别分析理论,以成都市清水河自锚式悬索桥为例,对将BP网络算法应用于悬索桥损伤识别的效果进行了分析研究。分析研究表明：BP神经网络不仅能对单一构件不同程度损伤进行有效识别,对两个构件的不同程度损伤也能进行一定程度的识别,并且可以同时进行损伤位置与损伤程度的识别。     

BP神经网络在挖掘机电气系统故障诊断中的应用

介绍了BP网络的结构及学习算法,阐明了电气系统故障诊断的实现过程.通过对挖掘机蓄电池常见故障进行试验和测试,验证了该神经网络收敛速度快、学习记忆稳定,具有很好的学习功能.     

BP网络的模糊在线自校正算法

针对普通ＢＰ算法学习周期长的不足,根据网络误差表面形状,文章在学习算法中引入模糊理论,动态地在线调整网络的学习步长η及动量因子α。仿真结果表明,模糊理论的引入改善了学习算法的性能。     

基于改进BP神经网络的隧道位移反分析研究

通过LM算法改进的BP神经网络位移反分析理论及数值模拟获得隧道位移反分析模型,基于现场勘测位移数据反演出围岩关键物理力学参数,将反演结果与该隧道区段的岩石试验所得参数进行对比,符合度高达97.3%,说明LM-BP神经网络位移反分析模型能较好地反映隧道中围岩物理力学参数与隧体形变之间的非线性模糊特性。此外,将该反演模型运用到与样本位置相距5m、10m、15m的区段进行力学参数反演,得出模型可靠性较高的区段范围,可在一定程度上通过反分析模型及该区段的岩石力学参数反推工程后续施工的围岩位移变化特征。     

改进BP神经网络的城市交通流预测研究

由于交通流预测具有高度的非线性特点,这与BP神经网络能够处理非线性问题的特征相符合。但BP神经网络算法易使解陷入局部极小,而遗传算法的全局优化能力则恰恰可以克服这一缺点。文中将遗传算法应用于对BP神经网络模型的改进来对交通流进行预测。通过对预测数据与实测数据的比较分析,证实了改进后的方法更为有效。     

交通冲突量的BP神经网络预测方法

交通冲突预测是进行交通事故预防和制定安全改善措施的有效手段，节约观测时间和人力。针对BP网络的缺点，提出了改进的快速BP算法，建立了交通冲突量的BP神经网络预测方法，并应用该方法对具体的交叉口交通冲突量的预测实例进行了研究，实践验证了该方法的有效性。     

改进的BP神经网络在港口物流量预测中的应用

针对传统BP神经网络模型收敛速度慢的缺陷,对其进行改进,以提高收敛速度。经运用厦门港物流出口量的历史数据进行检验分析,给出BP神经网络仿真计算方法,其仿真结果与实际结果比较,具有较高的可信度。证明了改进后的模型加快了收敛速度,提高预测结果的准确性。     

BP神经网络汽车故障诊断专家系统

本文介绍了一个基于ＢＰ神经网络模型的汽车发动机故障诊断专家系统，阐述了该系统的基本原理，ＢＰ神经网络的结构，学习算法，并应用该模型对汽车发动机的几种典型故障进行了微机仿真运行。诊断结果表明，该系统诊断精度高，结论可靠。     

基于改进的灰色BP神经网络的区域物流成本预测

区域物流成本的测量与分析是考察一个地区物流水平的关键问题,合理地计算和预测物流成本可以使各级政府对物流发展采取有效的宏观调控措施。本文提出了适合中国地区的物流成本的较合理的测算方法,以吉林省为例进行了实证分析,并采用改进的灰色BP神经网络模型对吉林省的物流成本进行预测,取得了满意的预测结果。研究表明控制物流成本仍然是振兴区域经济,提高经济效益的源泉。     

基于BP神经网络算法的矩形顶管施工地表沉降预测研究

顶管施工过程中的地表沉降预测对保证施工安全、保护周边环境具有重要意义和作用。应用BP神经网络算法,建立了某淤泥质黏土层矩形顶管工程地表沉降数据预测模型,通过监测数据验证,结果表明预测值与实测值拟合程度较高,从而得到地表沉降规律,为施工提供帮助。     

基于BP神经网络的短时交通流预测

对比分析短时交通流预测模型,对BP神经网络预测算法的原理进行分析说明,用BP神经网络建立短时交通流预测模型,利用华南快速路的实测交通流数据来验证模型的可行性。     

基于BP神经网络的SOC估算策略研究

针对传统动力电池的SOC估计方法的不足,采用BP神经网络对SOC进行预测。通过编写Matlab程序对BP神经网络进行了训练,并用所建BP神经网络模型对电池性能进行预测,获得电池SOC预测值,最大误差小于0.5%,结果满足精度要求,从而验证了所建BP神经网络能够有效的预测蓄电池电压和SOC之间的映射关系。对提高动力电池的能量效率,延长电池的使用寿命具有重要意义。     

BP和RBF神经网络在边坡稳定性评估中的比较研究

通过实例分析,对BP神经网络和RBF神经网络在边坡稳定性评估中的应用进行了比较研究,结果表明,BP神经网络和RBF神经网络均能很好地对边坡稳定性进行评估,但RBF神经网络比BP神经网络的训练速度更快,效率更高,并且对于同样的精度要求,RBF神经网络对边坡稳定性的评估结果更加准确和适用。     

基于改进型BP神经网络的沥青路面大修决策模型研究

针对常规大修决策模型PQI模型的缺陷,利用改进型BP神经网络建立沥青路面大修决策模型。改进型BP神经网络是在神经网络中间层和输出层上加入特殊的偏差单元,以加快BP神经网络的收敛速度、并提高其计算精度。本文根据安徽省高速公路沥青路面的实际情况,建立了有5个输入单元和一个输出单元的神经网络,并利用历年路况检测结果和专家对路况的主观评价结果对网络进行了训练。结果表明神经网络计算结果的精度很高。