基于Richards-BP模型的地表沉降特征预测模型研究

地下开采引起的地表沉降大致呈S形发展,最终趋于稳定状态,这能够运用生长曲线Richards函数进行预测分析。同时,又因为测量和外界存在不确定性和随机性,使得地表沉降也具有动态的特征。针对地下岩矿开采矿区地表沉降曲线与Richards预测模型曲线的相似性,分析了Richards模型在地表沉降预测中的适用性,提出通过Richards生长曲线模型预测矿区地表沉降的趋势性变形部分,利用BP神经网络模型降低地表沉降的随机性影响部分,提高模型预测效果。计算结果证明了其在地表沉降预测中的适用性和可行性。     

BP神经网络在解决电力消耗问题中的应用

由于BP神经网络在解决非线性复杂系统中存在很大的优势,以江西省1991—2011年人口、经济和耗电量等数据为研究对象,利用BP神经网络构建耗电量预测模型。模型一利用1991—2009年人口、经济和耗电量等数据作为训练样本,以2010—2011年作为测试样本来验证网络的准确性,再根据历史人口、经济等数据来预测历史耗电量;模型二采用传统的多元回归分析法,对非线性多元函数进行多元线性回归,通过回归模型得到的参数来预测耗电量。结果表明,模型一收敛性较好,所得预测结果绝对误差较小,而模型二传统方法得到的预测结果误差较大,因此,利用BP神经网络预测的结果具有非常大的参考价值,证明BP神经网络应用在电力消耗中的应用是可行的。     

基于Matlab的BP神经网络的电控发动机故障研究

基于Matlab的BP神经网络,对电控发动机的故障进行研究。采集电控发动机故障数据,运用BP神经网络建立了故障诊断模型,并对几种常见故障进行了诊断,诊断结果表明BP神经网络在电控发动机故障诊断研究方面具有一定的实用价值。     

基于模糊神经网络的智能车辆循迹控制

为提高智能车辆自主循迹控制的精度,提出了一种基于模糊神经网络控制( FNNC)和神经网络预测( NNP)的智能循迹控制策略。转向控制器的输入量有3个：预瞄点处的横向循迹误差、汽车横摆角速度和侧向加速度。车速控制器的输入量有4个：预瞄点处的面积误差、侧向加速度、汽车侧偏角和转向盘转角。网络训练采用误差反向传播法。仿真与试验结果表明,所设计的循迹控制器通过对驾驶员操作样本的训练,能实现对车辆的车速与转向控制,横向循迹误差和目标车速均比较理想。     

基于BP神经网络基坑支护结构变形预测研究

为了精确的预测佛山某建筑基坑变形情况,提出了一种BP神经网络多数据纵向预报方法,选取前三次的多个测点数据进行预处理,然后再对BP神经网络分析、训练、测试,并分析隐含层数对预测精度的影响,通过对比试算确定隐含层数目,最终达到能够高精度预测基坑支护结构水平位移和沉降。结果表明:所提出的方法可以精确地预测基坑变形,对工程建设具有一定的参考价值。     

特大断面隧道开挖中拱顶沉降的BP神经网络预测

特大断面隧道开挖会大范围解除围岩表面应力,在上部岩体自重应力及附加应力的共同作用下,隧道拱顶会发生明暕沉降,在某些软岩隧道中已观察到了超过100 mm的沉降量。拱顶沉降量持续增大,隧道就有可能发生坍塌破坏。在隧道开挖工程中,受条件限制,常会出现支护无法及时施工的情况,需要对隧道稳定性进行分析预测。现以牛寨山隧道开挖工程南线出口段的监测结果为例,采用BP神经网络方法预测其沉降量的时程变化。假设隧道相向开挖过程中,在贯通前对拱顶沉降互不影响,且两条隧道之间互不影响。分析过程中输入层参数选择了围岩级别、埋深、距离掌子面和二衬的长度等,隐含层设置为1层,节点数为9,隐层传递函数选择tansig,输入输出层传递函数选择purelin。在采用该模型进行预测分析前,首先已开挖监测点数据作为训练样本,采用后开挖点的值作为样本,验证了模型的可靠性。最终分析结果表明,采用文中方法能够较为可靠地预测拱顶沉降。其结果可以作为隧道安全预测的依据。     

一种新型神经网络非线性补偿控制方法

针对近水面机动情况下潜器的深度及纵倾控制问题提出一种不基于模型的非线性自适应控制策略。其中,一种称为模糊FCMAC的特殊神经网络被用于补偿潜器动态模型的非线性部分。基于李雅普诺夫原理而推导出的在线学习算法用于更新FCMAC的权值。仿真结果表明此控制策略能较好地适应潜器质量、航速及海浪变化,在较大的工况变化范围内保持良好的控制性能。     

一种被动声纳目标识别数据融合方法的研究

文章首先对目标噪声信号采用五种不同的方法提取特征矢量,然后采用基于自适应遗传BP算法的神经网络分别对五种特征矢量并发地进行分类,再采用遗传算法对分类器组合过程中的多参数进行优化,最后由五种分类结果最优组合产生最终的分类结果。实验结果表明该系统具有很好的分类效果。     

基于RBF神经网络的舰船维修费预测

鉴于单个预测模型在舰船维修费预测中存在信息源不够广泛的不足,提出用组合预测法进行维修费预测。构建了基于径向基函数(RBF-Radial Basis Function)神经网络的舰船维修费组合预测模型,并用实例进行了验证。结果证明了此方法的有效性。     

基于神经网络结构的自适应模式识别技术在机械故障诊断中…

本文利用神经网络聚类学习方法对机械故障的故障模式进行分类，通过实验研究证明该方法作为一种新的自适应模式识别技术，比传统的聚类方法和基于ＢＰ神经网络故障模式识别方法具有较高的模式分类能力。