共搜索到2288条信息，每页显示10条信息，共229页。用时：0小时0分0秒597毫秒
......
基于BP神经网络的大方坯质量在线预报模型常运合1,曾智1,张家泉1,何庆文1,申景霞1,张利平2(1.北京市北京科技大学 冶金与生态工程学院2.莱芜钢铁集团,山东莱芜 271104)摘 要:在对铸坯质量缺陷类型及其主要影响因素分析总结的基础上,确定以特殊钢大方坯常见的中间裂纹,中心裂纹和中心偏析为研究对象,利用BP神经网络建立了该3种典型缺陷的预测模型.基于冶金理论和连铸生产大量历史数据的统计分析,提炼出影响以上3种内部缺陷的20个主要工艺参数,进而提出20-15-3的预测模型网络拓扑结构.采用生产现场数据制做了预测模型的训练样本集和测试样本集.利用训练样本集将该神经网络训练至设定预报误差以内,再用测试样本集对所构建的网络进行了测试.基于训练成熟的神经网络模型,进一步编制在线预报系统,实现铸坯质量在线实时......
BP神经网络在地基土压缩指数预测中的应用 蒋建平1,章杨松2,阎长虹3,高广运4 (1. 上海海事大学 海洋环境与工程学院,上海,201306； 2. 南京理工大学 土木工程系,江苏 南京,210094； 3. 南京大学 地球科学系,江苏 南京,210093； 4. 同济大学 土木及地下工程教育部重点实验室,上海,200092) 摘 要:为了寻求基于多个常规物理参数间接得到土变形参数的途径,根据几个实际工程中的土工试验数据,利用BP神经网络方法对土压缩指数进行预测.选取土塑性指数,含水量,孔隙比,密度这4个常规物理参数作为影响土压缩指数的主要因素,得出土压缩指数的BP神经网络预测模型.结果表明:训练BP神经网络时,49组自变量数据中土压缩指数的BP神经网络拟合值与实测值的相对误差为-3.513 938 0%~1.570 422 5%,相对误差绝对值的平......
......
改进BP神经网络模型及其稳定性分析 张国翊,胡铮 (北京邮电大学 泛网无线通信教育部重点实验室,北京,100876) 摘 要:针对传统BP算法抗干扰能力差,学习速率慢且易陷入局部极小点等缺点,提出一种基于变更传递函数倾斜度和动态调节不同学习速率的BP改进算法,并在此基础上采用Lyapunov稳定性原理分析改进算法的收敛性.该算法综合考虑网络训练方式和学习率的不足,设计新的复合误差函数,同时采用一种分层动态调整不同学习率的新方法,并采用批量样本进行训练,以加快传统BP算法的收敛速度和避免陷入局部极小值点.在此基础上,将该算法应用于带钢表面缺陷图像检测中,并比较改进算法与传统算法在缺陷检测中的性能参数.研究结果表明:该改进算法能够提高缺陷识别率,检测速度快,更能满足钢板表面质量检测的实时性要求,是一种行之有效的 方法. 关键词:BP神经网络；缺陷检......
船舶推进系统的BP神经网络广义最小方差控制器 杨杨1,郭晨1,孙建波2 (1. 大连海事大学 信息科学技术学院,辽宁 大连,116026； 2. 大连海事大学 轮机工程学院,辽宁 大连,116026) 摘要:以大型集装箱船舶的柴油主机为控制对象,应用准稳态建模方法建立了包含螺旋桨,大型低速二冲程柴油机,轴系和船舶动力学特性的船舶推进系统全工况实时仿真数学模型；研究基于BP神经网络的广义最小方差控制算法,并将其引入到船舶柴油机调速系统中.仿真结果表明:在大风浪条件下,该算法控制效果优于传统的PID控制器的控制效果,为解决复杂海况下主机转速大幅波动出现增压器喘振问题提供了理论参考. 关键词:广义最小方差；BP神经网络；船舶推进系统；仿真数学模型 中图分类号:U675.5+1 文献标志码......
DOI: 10.11817/j.issn.1672-7207.2017.04.034 基于BP神经网络的高速动车组牵引能耗计算模型 王黛1, 2,马卫武1,李立清1,杨叶1,向初平1 (1. 中南大学 能源科学与工程学院,湖南 长沙,410083； 2. 深圳市政研究院有限公司 轨道交通院,广东 深圳,518000) 摘要:为准确计算动车组牵引能耗,提出BP神经网络模型和改进牵规法预测动车组牵引能耗.选取机车类型,坡度,目标速度,停站方案等8个因素作为动车组牵引能耗的BP神经网络输入变量,建立3层BP神经网络模型.采用增加动车组运动方程和优化基本阻力公式方式对牵规法进行优化.利用正交实验法对动车组牵引能耗影响因素进行分析,并对111组实测能耗进行模拟验证.研究结果表明:BP神经网络模型的实测能耗与计算能耗相对误差在4.26%以内,改进牵规法的实测能耗与计算能耗相对误差基本在10%以内,证......
BP神经网络模型在露天矿爆破振动参数预测中的应用及修正 罗学东1,范新宇1,代贞伟2,梅年峰1,闫苏涛1 (1. 中国地质大学(武汉) 工程学院 岩土钻掘与防护教育部工程研究中心,湖北 武汉,430074； 2. 长安大学 地质工程与测绘学院,陕西 西安,710054) 摘要:为探索有效的爆破振动参数预测方法,以新疆某铁矿爆破振动测试为依托,在对露天开采爆破振动参数影响因素分析的基础上,运用人工神经网络,以总药量,最大单段药量,单位药耗,高程差,爆心距为影响爆破振动的主要因素,构建BP神经网络模型1；同时结合矿区工程地质调查结论,引入测振区域RMR值为地质条件表征值,作为爆破振动影响因素,构建修正后BP神经网络模型2,分别对振动速度峰值,振动主频和振动持续时间进行预测.研究结果表明:模型2的预测精度较模型1提高了5%~8%,且2个模型预测精度较萨道夫斯基公式所得精度均有提高. 关键词:矿......
基于BP网络的Al-Cu-Mg-Sc-Zr合金均匀化电导率预测 邓英1,尹志民1,侯延辉1, 2,王华1 (1. 中南大学 材料科学与工程学院,湖南 长沙,410083； 2. 西南交通大学 应用力学与工程学院,四川 成都,610031) 摘 要:采用电导率测量,X线衍射物相分析研究不同均匀化处理条件下Al-Cu-Mg-Sc-Zr合金的电导率和组织变化规律.研究结果表明:Al-Cu-Mg-Sc-Zr铸态合金中固溶体过饱和程度较高,电导率较低；在360 ℃以下均匀化,亚稳的过饱和固溶体析出平衡相θ和S,基体固溶体过饱和程度下降,电导率上升；在360 ℃以上均匀化,平衡相逐渐回溶入固溶体基体,基体固溶体过饱和程度上升,电导率下降.在此基础上,采用Levenberg-Marquardt算法对权值和阈值进行训练,建立以均匀化热处理温度和时间与电导率高度非线性BP神经网络预测模......
基于PCA和BP网络的液压油缸内泄漏故障诊断 唐宏宾1, 2,吴运新1,滑广军1,马昌训1 (1. 中南大学 机电工程学院,湖南 长沙,410083； 2. 长沙理工大学 汽车与机械工程学院,湖南 长沙,410004) 摘要:针对液压油缸内泄漏故障诊断时,由于提取的时域参数过多,导致诊断速度慢,实时性差等问题,提出基于主成分分析(PCA)和BP神经网络的诊断方法.该诊断方法是:首先提取压力信号的时域参数作为初始特征,然后利用PCA方法将高维初始特征空间压缩到低维最终特征空间,并将得到的最终特征输入到BP神经网络进行故障模式识别.研究结果表明:该诊断方法在满足故障检测识别率的同时提高了诊断速度,为液压油缸内泄漏的故障诊断提供了一种实用方法. 关键词:液压油缸内泄漏；故障诊断；主成分分析；BP网络 中图分类号:TP206.3 ......
