基于BP算法神经网络的物理实验曲线拟合

介绍了人工神经元网络的基本原理和BP算法神经网络。将BP算法神经网络应用于物理实验中的幅频特性曲线拟合，在MATLAB下通过训练和仿真验证了应用BP算法神经网络拟合实验曲线的优越性。     

基于遗传算法的统一混沌系统比例-积分-微分神经网络解耦控制研究

提出了采用改进的遗传算法优化比例-积分-微分(PID)神经网络解耦控制器的连接权值，从而实现PID控制器参数的优化及非线性多变量系统的解耦控制. 改进的遗传算法优于基本遗传算法，它使寻优过程中的计算量减少，计算效率提高，收敛速度加快. 将优化后的PID神经网络解耦控制器应用于统一混沌系统的控制中，仿真实验收到良好的控制效果，证明了PID控制器应用于统一混沌系统控制的有效性. 关键词： 混沌系统 遗传算法 比例-积分-微分 神经网络     

基于神经网络的翼型气动力计算和反设计方法

开展了机器学习在翼型气动力计算和反设计方法中的应用研究，实现了在更大翼型空间范围内，人工神经网络的训练和优化，建立了翼型气动力计算模型，和给定目标压力分布的翼型反设计优化模型.作为机器学习领域兴起的研究热点，人工神经网络的研究工作不断深入，有研究者尝试将其应用于流体力学的学科范畴内.文章实现人工神经网络在翼型计算领域中应用的方法如下:首先通过Parsec参数化方法，围绕基准翼型构造了一定翼型空间范围的翼型库，利用XFOIL进行数值模拟，搭建了和翼型库具有一一映射关系的流场信息库.通过训练和优化神经网络，实现了基于此模型的快速、高可信度的翼型气动力预测，以及新型的翼型优化设计方法.通过自动化编程实现样本库的批量生成，实现了不同翼型空间的样本量下，神经网络的训练和优化过程.实验结果表明，在机器学习领域中，基于神经网络的翼型反设计模型的精确性高度依赖于训练样本量的大小和覆盖范围.      

物理实验中测温热电偶冷端补偿方法的改进

本文介绍了两种热电偶冷端温度补偿电路在物理实验测量中的应用及校准方法，对热电偶的工作原理、冷端温度补偿必要性作了说明，并详细介绍了冷端温度补偿过程．     

神经网络在波谱中的应用：拉曼光谱数据处理

本文深入研究了神经网络在波谱中的应用。考察了神经网络应用于拉曼光谱数据处理的各种条件及性能，包括学习速率常数（ｌｅａｒｎｉｎｇｒａｔｅｐａｒａｍｅｍｒ）β与传递函数（ｔｒａｎｓｆｅｒｆｕｎｃｔｉｏｎ）ｆ（ｘ）的影响，发现采用非线性双曲线正切ｓｉｇｍｏｉｄ函数和较强的学习率β＝０．５时，可获得较佳的神经网络。对原始谱图及处理后谱图进行比较，证实了神经网络能够提高谱线分辨力，修正波谱微小变形及获得良好的信噪比，说明神经网络可在拉曼光谱中获得很好的应用。     

语音识别的二值化时频图型模糊匹配法

将模糊逻辑应用于语音识别系统，具有减少数据量和计算量，提高语音识别率的优点．本文阐述了二值化时频图型模糊匹配法（BTSP）的原理，并对它目前的一些应用产品作了简单介绍．     

基于低分辨率辅助特征和卷积神经网络的脑部图像配准方法

针对目前深度学习方法应用于医学图像配准精度不高的问题,提出了增加低分辨率辅助特征的无监督3D卷积神经网络的脑部图像配准模型。使用无监督学习的卷积网络回归出位移场,再通过空间变换层对浮动图像进行变换,然后根据构建的损失函数优化网络参数,实现端到端的无监督学习。通过添加注意力模块,在网络对应层间的连接中加入低分辨率的辅助特征,增加结构特征的同时减少多余的背景信息。方法与无监督的U-Net和VoxelMorph在MICCAI2012多图谱数据中比较,结果表明,有更高的配准精度和更快的配准速度,且不需要专家标注信息,因此在医学图像配准上具有较好的应用潜力。     

基于径向基函数神经网络的线性衰减系数的重建算法

层析γ扫描(TGS)技术是非破坏性分析(NDA)中的一项重要技术．在TGS透射测量中，线性衰减系数值的图像重建问题是TGS的难点和核心问题．在文[1]的基础上，提出了将神经网络方法应用于TGS重建线性衰减系数图像的算法．计算机上的仿真模拟结果表明，在一定范围内，径向基函数(RBF)神经网络方法重建的线性衰减系数值与实际值的相对误差小于4％，且具有快速、高精度等优点，表明了此方法的有效性．     

红外技术与器件

TH811∥TN2192007010651基于BP神经网络的红外测温系统温度标定方法=Cali-brating method of infrared measuring temperature systemon the BP neural network[刊,中]/刘缠牢(西安工业学院光电工程学院.陕西,西安(710032)),谭立勋…//激光与红外.—2006,36(8).—655-656,667介绍了红外测温系统温度标定方法和BP算法神经网络,将BP算法神经网络应用于温度标定物理实验中的灰度与温度的特性曲线拟合,并在MaTLAB下通过训练和仿真验证了应用BP算法神经网络拟合实验曲线的优越性,其拟合精度远高于最小二乘拟合,为测温数据的软件处理提供…     

基于Elman神经网络的齿轮故障诊断研究

在齿轮故障诊断过程中,针对传统的BP神经网络具有学习、记忆不稳定等缺点,提出了将Elman神经网络应用于齿轮故障诊断中,建立了Elman神经网络的应用结构模型,介绍了该网络的训练算法,阐明了齿轮故障诊断的实现过程;结果表明该神经网络学习记忆稳定,具有很好的学习功能,诊断方法具有高可靠性,达到了预期效果。     

基于遗传算法优化BP神经网络的高炉喷煤优化

高炉炼铁是一个复杂的多变量系统,而现行的操作制度是基于炉长经验的参数设置模式,导致能源尤其是煤粉的消耗常常处于“盲目”状态。本文综合炼铁工艺理论和高炉专家经验,针对白云鄂博矿石冶炼的特殊性,采用筛选出的优化数据,利用遗传算法所固有的全局搜索性能优化BP神经网络模型的权值和阈值,分别建立了基于遗传算法优化BP神经网络的高炉喷煤量优化预测模型以及工艺指标(铁水[Si]含量及入炉焦比)预测模型。优化数据的利用使得上述模型可以根据高炉当前炉况输出喷煤量的最佳优化设定值,并预测出相对应的工艺指标变化趋势。实际应用表明,本方法能够给现场操作人员提供操作指导,实现高炉稳定顺行、提高经济效益的目的。     

基于遗传神经网络的耙吸挖泥船泥泵转速预测

耙吸挖泥船泥泵管线模型是一个复杂的、非线性的动态模型,影响模型准确性的参数较多。为了根据当前施工条件和流量的优化值准确地预测转速,为施工人员提供参考,提高疏浚效率,采用了遗传算法改进的BP神经网络对泥泵转速进行预测。首先,遗传算法对BP神经网络的初始权值和阈值进行优化。然后,BP神经网络根据优化值对网络进行训练并对转速进行预测。为了验证该方法的有效性,将遗传BP神经网络的预测输出和实测泥泵转速进行对比。仿真结果表明：遗传BP神经网络具有很强的非线性拟合能力和全局搜索能力,能够准确地预测泥泵转速。该预测输出可为施工人员提供参考,以便改变泥泵转速,提高疏浚效率。     

基于BP神经网络的多传感器信息融合研究

BP网络是应用最广的一种人工神经网络,将BP神经网络应用到压力检测领域的温度等非线性补偿,具有重要的实用价值,对压力检测精度的改进效果显著。从传感器信息融合的角度看,神经网络就是一个融合系统。通过对神经网络基本理论的阐述,针对研究对象将BP神经网络原理与多传感器信息融合技术有机集合起来,提出了基于BP神经网络的二传感器信息融合模型及改进算法,建立了BP神经网络训练标准样本库,并对该网络模型进行主要技术指标的测试和仿真工作,测试结果表明构建的模型及其改进算法能很好地满足了高精度压力检测仪的指标要求。     

电机温度时滞耦合系统自抗扰控制仿真研究

电机温度过高会造成绝缘性能老化,电机安全性能下降。电机控制系统是典型的非线性系统,电机温度也因此具有时滞性和耦合性的特点,难以建立准确的数学模型。传统的方法对电机温度的控制精度较差,从而导致电机温度失控。为此,提出基于BP神经网络自抗扰控制算法的电机时滞耦合关系下温度控制方法。将BP神经网络与PID控制方法相结合建立电机温度网络自抗扰控制器模型,利用梯度下降法修正电机温度控制器模型的权值系数,从而实现了BP神经网络自抗扰控制器参数的实时调整。实验结果表明,利用BP神经网络自抗扰算法进行电机时滞耦合关系下温度调整,能够有效提高控制的精确度,缩短了控制过程中的时间延时。     

LED智能光源混光呈色模型构建方法研究

LED智能光源具有色光可调的特点,其内置微处理系统可以通过无线数据传输等技术调整发光方式,控制光色及发光强度,进而实现照明光源的动态调节,因此特别适合于博物馆展陈、家居照明等智能化照明设计环节。现阶段,鉴于LED光源智能混光技术尚未普及,目前绝大多数商用LED智能光源在混光控制方面仅局限于设备制造商所设定的几类固定模式,无法充分发挥智能LED光源色光可调的技术优势。针对此问题,提出了一种基于BP神经网络以及有效集算法的LED智能光源混光呈色模型构建方法,实现了LED智能光源控制信号与对应发光光谱辐亮度分布之间的双向高精度映射。研究中首先提出了一种基于BP神经网络的LED混光呈色预测方法,实现了由LED智能光源驱动控制值向光源实际发光光谱辐亮度分布的准确预测;在此基础上运用有效集算法实现了由光源实际发光光谱辐亮度分布向LED智能光源驱动控制值的反向高精度预测。实验结果显示,所提出的方法整体建模误差显著小于人眼视觉可分辨阈值(CIEUCS Duv值可低至0.002 7),达到了较为理想的建模效果。该方法的提出,将为当前LED智能光源制造以及现有商用LED智能光源的二次开发与优化提供有效的理论与方法支撑。     

基于BP神经网络的排爆机械臂逆运动学分析

机械臂逆运动学是已知末端执行器的位姿求解机械臂各关节变量,主要用于机械臂末端执行器的精确定位和轨迹规划,如何高效的求解机械臂运动学逆解是机械臂轨迹控制的难点。针对传统的机械臂逆运动学求解方法复杂且存在多解等问题,提出一种基于BP神经网络的机械臂逆运动学求解方法。以四自由度机械臂为研究对象,对其运动学原理进行分析,建立BP神经网络模型并对神经网络算法进行改进,最后使用MATLAB进行仿真验证。仿真结果表明：使用BP神经网络模型求解机械臂逆运动学问题设计过程简单,求解精度较高,一定程度上避免了传统方法的不足,是一种可行的机械臂逆运动学求解方法。     

基于L-M算法的反向传播网络的湿度传感器输出误差补偿研究

针对湿度传感器的输出非线性问题，提出了基于L-M算法建立BP神经网络进行补偿校正，实现电阻湿度传感器的输入与输出非线性补偿，并与共轭梯度算法、拟牛顿算法所建立的神经网路模型进行对比，重点比较了模型误差性能、收敛速度。结果表明：基于L-M算法建立的神经网络模型，在收敛速度、误差性能等方面具有更高效的表现，更适合湿度传感器的非线性特性的补偿校正。     

互连导线串扰问题的人工神经网络预测

提出应用人工神经网络对互连导线间串扰问题进行预测的方法.选择对互连导线串扰响应有影响的相关参数作为输入预测因子,用基于误差反向传播的BP网络构造输入预测因子与串扰响应输出之间的映射关系,并用MTL和FDTD法计算获得的训练样本集对构造好的BP网络进行训练,建立基于BP网络的导线串扰的预测模型.最后,将串扰的BP预测结果和和测试样本进行比较,表明该方法有效.     

基于神经网络的电站锅炉入炉煤粉含碳量在线测量研究

电站锅炉燃烧的煤种来源不稳定,经常与设计煤种偏差较大,造成锅炉出力不足、燃烧效率下降以及结焦等问题出现,影响锅炉燃烧的经济性和安全性。针对锅炉燃烧煤种的不稳定性,提出了一种基于静电法在线测量入炉煤粉含碳量的方法,研究静电信号与煤粉含碳量之间的关系。对煤粉颗粒静电测量过程中的几个影响因素进行了试验分析,并采集了足够具有代表性的数据,在此基础上建立了锅炉一次风管中入炉煤粉含碳量的BP神经网络模型。结果表明,所建立的模型预测效果较好,能较好预测进入锅炉燃烧的煤种。     

基于GA-BP的移动通信设备故障诊断

针对通信设备故障发生随机性强,影响因素多,对应的故障诊断有高度非线性和不确定性的特点,采用BP神经网络算法,优化的GA-BP神经网络算法和POS-BP神经网络算法分别搭建基站设备故障诊断模型,提取设备故障历史数据进行MATLAB仿真,准确预测设备故障类型,帮助提高代维公司调度管理的智能化水平,提高基站设备运维的执行效率。仿真结果表明：本文的BP,GA-BP和POS-BP神经网络算法都能够实现设备故障类别的预测,且GA-BP神经网络算法相比BP和POS-BP神经网络算法对通信设备故障诊断有更好的适应性。