神经网络在机车测速传感器故障诊断中的应用

提出了采用径向基(RBF)神经网络设计一种新型的机车测速传感器故障诊断方法.以光电式测速传感器的常见故障为模型建立RBF神经网络预测器,通过对预测器进行在线训练和实时检测来判断测速传感器是否发生故障,并对故障传感器提出决策方法和进行数据重构.仿真结果表明,该方法能够高精度地模拟传感器的输出特性,快速有效地进行测速传感器的故障诊断.     

基于神经网络的抽油机井井下故障诊断专家系统

介绍了一种基于神经网络的有杆抽油机井井下故障诊断专家系统，从抽油泵的泵功图入手，简述了神经网络特征参数的选取，以一个故障子网为例，描述了网络结构，并举例说明了神经网络故障诊断的过程，诊断结果表明了该方法的有效性。     

基于BP神经网络和振动测量的轴承故障诊断

根据BP算法神经网络模型,通过对轴承振动测量的分析,得到故障诊断的方法。阐述BP神经网络应用于轴承故障的基本步骤,包括BP网络结构、状态编码、网络训练、模式识别以及诊断实例分析。指出了BP神经网络在轴承故障诊断中的应用中存在的问题和发展方向。     

基于不变矩和小波神经网络的标志识别方法

对交通标志实时识别应该满足平移、旋转、比例变换具有不变性以及识别精度高等要求.首先采用不变矩来提取标志图像特征,然后利用小波神经网络作为分类器对标志进行识别,该方法很好地满足了上述要求.和常用的BP神经网络标志识别算法相比,小波神经网络算法的训练速度更快和识别精度更高,在车辆自主导航系统中的应用价值更大.     

基于卷积神经网络的AUV水下识别算法设计与实现

自主式水下机器人(AUV)是应用于复杂海洋环境中的高智能化无人装备,其需要具备良好的环境感知能力进行自主导航,包括水下目标识别能力。随着人工智能的高速发展,卷积神经网络作为图像处理领域的深度学习架构,在图像特征提取和图像识别上有着强大的性能和卓越的优势。本文利用卷积神经网络,实现了自主式水下机器人水下目标的自主识别。同时,通过采用三段式全连接方式和增加卷积层深度的方式对卷积神经网络进行进一步改进,提高了卷积神经网络的训练速度、准确率和泛化能力。     

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。     

基于改进GA-BP的模糊神经网络在高速公路交通量预测中的研究

科学准确预测运营期高速公路通行量能够对运营决策提供关键性支撑,同时,对高速公路路网建设规划、国民经济评价及投资效益分析也至关重要。人工神经网络算法能够映射高速公路交通量产生与变化的非线性和复杂性规律。为了提高传统BP网络高速公路交通量预测精度,提出了改进算法,通过遗传算法优化网络初始权重,引入峰值理论和模糊算法提高网络模型对较大流量的预测准确度;将优化算法应用于网络模型,建立了基于改进GA-BP的模糊神经网络高速公路交通量预测模型;模型应用于太原市绕城高速公路长风东收费站交通量预测,将预测值与实际统计值进行对比;应用结果验证了改进神经网络模型的有效性和准确性。     

路面破损诊断的神经网络方法

由于路面病情机理的复杂性，因而难以得到一套精确、实用的病情识别诊断判据。本文通过对神经网络分类功能及公路路面病情诊断技术的分析，提出了利用神经网络进行路面病情诊断方法，为进一步开发相关实用技术作了一定的理论准备。     

大跨度桥梁施工控制中的神经网络方法

神经网络是一种模拟人脑结构和功能的信息处理系统，介绍将神经网络方法用于大跨度混凝土桥梁施工控制中，对桥面预拱度偏差进行预测。实例表明：神经网络利用实测样本的自学习功能，对桥梁施工拱度有较好的预测精度。     

汽车有量与年产量的神经网络预测研究

采用神经网络建立汽车保有量与年产量时间序列的预测模型,并对我国未来几年的汽车保有量和年产量进行预测,其中包括民用汽车拥有量、私人汽车拥有量和汽车产量等,取得了较为满意的预测结果.对预测结果进行分析,指出了我国汽车保有量与产量今后发展的特点和趋势.