基于神经网络的车辆轴承故障诊断技术

简要介绍了车辆轴承轨边声学诊断技术和神经网络诊断方法,重点讨论了BP网络在车辆滚动轴承故障诊断中的应用,用大量的现场实测数据作为训练样本,对所建立的BP网络进行训练,将训练好的网络应用于轴承状态分类,具有很高的准确性,说明神经网络方法是车辆轴承故障诊断的一种有效解决方案。     

基于广义回归神经网络的货运量预测

根据货运量形成的原因 ,分析了货运量和相关影响因素之间的关系以及货运量预测的特点。在此基础上 ,建立货运量预测的广义回归神经网络 (GeneralRegressionNeuralNetwork ,GRNN)模型 ,并以我国 1981～ 2 0 0 1年的货运量和相关经济指标的历史统计数据作为学习样本 ,通过拟合训练和外推预测分析 ,验证了GRNN用于货运量预测的有效性     

基于并行Boltzmann机的多目标跟踪研究

聚合概率数据关联滤波方法的关键是求解数据关联概率βｉ＾ｔ。本言首先研究了密集多回波环境下的多目标数据关联问题，进而应用神经网络Ｂｏｌｔｚｍａｎｎ机，结合模拟退火方法，求解数据关联概率βｉ＾ｔ，把求得的βｉ＾ｔ用于卡尔曼滤波跟踪器计算目标位置的量测修正，达到多目标跟踪，仿真结果表明，该方法能很好地进行多目标跟踪，而且回波愈密集，其优越性能愈为突出。     

基于数据融合的地铁客流量预测方法

为了更加准确地预测城市地铁交通中动态变化的客流量 ,通过分析城市地铁交通客流量的特点 ,提出了一种基于神经网络数据融合的预测方法。这种方法根据预测数据各属性的特点 ,将采集的数据提取出多个相关序列。在此基础上对各序列采取不同的处理、预测方法 ,再利用神经网络进行融合。这种方法可用于数据动态预测的各种领域。实验表明 ,采用这种方法可以有效地改善数据预测的误差。     

船舶主柴油机缸套冷却水出口温度的智能控制

利用传热学的有关理论,对船舶主柴油机缸套冷却水系统的传热机理进行了分析,给出了船舶主柴油机缸套冷却水系统的动态热力数学模型,并将基于神经网络的模糊PID控制引入到缸套冷却水出口温度控制系统中,以实现对对象进行在线控制.仿真结果表明,基于神经网络的模糊PID自适应控制比传统的PID控制的控制性能更好,而且前者具备适应控制环境变化的能力和自学习能力,当主机运行工况发生变化时,仍具有很好的控制性能.     

遗传BP网络在滚动轴承故障诊断中的应用

分析了传统ＢＰ算法存在训练速度慢且易陷入局部极小点的缺点，研究了解决的方法。利用基因实数编码的遗传算法训练ＢＰ网络节点的权值，大大提高了神经网络的训练速度及训练精度。遗传算子包括适应值比例选择、整体离散交叉及随机变异３个算子。对比遗传ＢＰ网络和传统ＢＰ网络对机车车辆滚动轴承的诊断结果，遗传ＢＰ网络具有较多的优越性，便于实际应用。     

船舶主尺度神经优化分析

本文阐述了以随机神经网络系统理论应用于船舶主尺度优化设计的新方法。介绍了神经网络的模拟退火优化算法的特点与基本思想、数学模型和计算步骤，并给出船舶主尺度神经优化设计的实船算例，以及与其他优化方法之比较。     

基于人工神经网络的混凝土碳化分析

混凝土的碳化是导致钢筋混凝土结构耐久性损伤的主要原因之一。本文利用人工神经网络方法对钢筋混凝土结构的碳化作了分析。分析结果表明：采用人工神经网络方法，可以取得讼人满意的结果。     

基于时间序列分析和神经网络的风电功率预测方法研究

功率预测对于接入大量风电的电力系统运行具有重要意义。文章对提前4 h的风电机组出力预测进行了研究,分别采用BP神经网络法直接预测输出功率,以及时间序列法间接预测输出功率,并将两种方法组合以提高预测精度,组合权系数的选取以方差最小为目标函数。研究结果表明,不同方法的预测精度不同,尤其是在个别预测点处不同模型的误差差别较大,组合预测可减小预测系统的误差,提高预测精度。