基于BP神经网络的变速箱故障诊断方法研究

针对变速箱的工作时间不能真实反映实际健康状况的问题,通过提取变速箱的振动信号作为状态参数,建立了基于BP神经网络的变速箱故障诊断模型。该模型首先提取振动信号中对故障反映灵敏的成分作为特征值,获得BP神经网络的训练数据,并通过对比确定最优的隐含层节点数,确定BP神经网络的结构参数。模型训练结束后,以验证数据为例进行故障诊断研究,并对诊断结果进行评估。评估结果表明,该模型准确度高,具有较好的应用和推广价值。     

基于混合类间联想神经网络的光学模式识别

通过结合自联合模型与异联想模型，提出了一种混合类间联想神经网络的光学模式识别系统。在该神经网络中，输入模式矢量不仅通过自联想识别自身，还通过异联想识别配对矢量，因而提高了识别概率。与匹配滤波器光学模式识别系统相比，识别结果直接，系统简单可行。     

基于BP神经网络的诱发铀部件裂变信号特征分析及识别

在对诱发铀部件裂变信号的测量原理及特点分析的基础上,开展了基于BP神经网络的诱发铀部件裂变时间关联信号特征参量分析处理的研究工作。 采用无偏估计方法, 计算信号的自相关函数和互相关函数, 再利用比较法和导数法两种特征量提取方法, 提取出不同状态下裂变信号的特征参量, 借助于BP神经网络模式识别应用原理进行训练和预测。 理论分析和研究结果表明: 基于比较法和导数法获得的特征参量能较好地反映诱发铀部件裂变信号的特征; 用BP神经网络对裂变信号进行模式识别, 取得了较高的正确率, 验证了此方法的有效性和合理性。 The paper presents feature parameter analysis and processing in fission time dependent signal of induced uranium components based on BP Neural Networks through the analysis of the measuring principle and signal characteristics of induced uranium components fission signal. The auto correlation functions and cross correlation functions are calculated by using unbiased estimate, and then the feature parameters of fission signal in different status are extracted by using feature abstraction method, comparative method and derivative method, and then applied to training and prediction by means of BP neural networks based on pattern recognition. Theoretical analysis and the results show that, it is effective to obtain feature parameters of induced uranium component fission signal via comparative method and derivative method. UsingBP neural network to recognize patter of fission signal, we got good results that verified the effectiveness and reasonability of the method.     

光学神经网络模式识别系统原理及其现状

评述光学神经网络模式识别系统的原理及发展现状并就几个比较典型的问题进行了讨论。     

基于ACR9000控制器的自动光学检测平台设计 

针对自动光学检测（AOI）平台运行过程中的定位精度控制问题,提出了一种基于速度和加速度前馈控制与PID反馈控制的复合控制算法,该算法对输入量进行跟踪补偿控制以消除系统稳态误差,用于提高AOI平台定位精度。基于开放式的数控系统设计方法设计了AOI平台。在Matlab/Simulink环境下,构建了基于该复合控制算法的定位精度控制仿真模型,仿真结果验证了复合控制算法的有效性。将该复合控制算法作为ACR9000控制器的控制算法,并基于ACR9000控制器进行AOI平台实验研究。应用该AOI平台进行了印刷电路板（PCB）检测实验,实验结果表明文中复合控制算法能够提高AOI平台定位精度,AOI平台的定位精度满足印刷电路板检测要求,可以将该AOI平台用于印刷电路板检测。     

基于BP神经网络的卫星故障诊断方法

为了有效地利用卫星下传的海量遥测数据,在测试过程中对卫星进行实时的故障诊断,提出了一种基于BP神经网络的卫星故障诊断方法;该方法包括离线自主学习和实时在线故障诊断两部分;离线自主学习部分基于历史数据库和更新样本进行自主学习,学习获得神经网络模型存储于知识库;实时在线故障诊断部分依据相应的神经网络模型,对遥测数据进行实时在线的诊断;为了验证基于BP神经网络的卫星故障诊断方法的有效性和优越性,以现有型号三轴稳定近地卫星控制分系统为实验对象,利用该方法对具有代表性的红外地球敏感器和动量轮的相关遥测数据进行分析;通过将该方法的实验结果与基于Kalman滤波的方法的实验结果进行对比分析,表明该方法能够有效地对卫星的故障进行诊断。     

基于神经网络模型的光学计算

目前的电子计算机适于解决数字运算问题，但是在解决辨别、联想、推理等所谓随机问题方面的能力却远不如人的大脑．企图模仿人脑的解剖结构来设计计算机以解决随机问题，并利用光学的独特功能，这就是光学神经元计算机．据此，Ｈｏｐｆｉｅｌｄ提出了一种关联存贮模型（或称为内容存贮），即每个存贮状态不是按地址存贮，而是按内容存贮在整个神经网络系统上．光学由于具有内禀的并行性，特别适于实现这个模型．采用纯光学或光电混会方法，通过光学矩阵乘法，取阀值运算，反馈迭代过程，可以实现从有误差的输入信息中提取正确的关联存贮信息．利用全息技术，有可能实现二维数据的关联存贮．     

基于BP神经网络的数码相机特性化

由于数码相机的颜色空间是依赖于设备的,对于一个具体的数码相机,其光谱响应与设备独立的CIE标准观察者颜色匹配函数是一个非线性关系,因此不能真实复制场景的颜色。特性化彩色图像设备是提高图像的颜色复制质量的一个重要方法。介绍一种基于BP神经网络数码相机特性化方法。采用Munsell颜色系统作为目标色,大样本训练空间。测试了不同的网络结构和样本空间分布。训练样本平均色差为1.75CMC(1∶1)色差单位,测试样本为2.16。该方法在数码相机颜色测量、光谱重建等领域有广泛的应用前景。     

基于BP神经网络的PID控制器

利用神经网络和反馈控制理论, 提出了一种基于神经网络PID控制器的伺服控制系统结构. 在高精度仿真试验转台的应用中证实, 该方法避免了PID参数的整定难以匹配的问题, 减小了干摩擦对低速运动的影响. 实验表明：方法自适应能力强, 调节品质好, 具有较高的应用价值.     

基于BP神经网络的车牌字符识别算法研究

车牌字符识别是车牌识别系统中的关键环节。采用图像处理和神经网络相结合的方法设计新的车牌字符识别算法,先对分割出的车牌字符进行归一化处理,然后进行SOBEI．边缘检测和角点特征提取,最后输入BP神经网络进行训练、识别,其中BP神经网络模型属于改进型神经网络。通过一系列神经网络训练和仿真实验,车牌识别速度和正确率得到了明显的提高。     

BP神经网络在光学相关器相关峰识别中的应用

光学相关识别是图像识别的重要方法，有效识别相关器输出平面的相关峰信号是保证光学相关器图像识别准确性的关键。由于激光器输出功率的波动、光学系统本身的误差以及SLM器件本身带来的噪声，采用一般的阈值方法很难达到理想的效果。该文提出对相关器的输出平面进行预处理，充分考虑相关信号的形状信息，提取感兴趣区域(ROI)，采用BP神经网络对输入矢量进行计算，可达到对相关峰信号和噪声的有效分类识别，从而提高了光学相关器识别的可靠性，降低了误判的概率。     

基于BP神经网络的小样本星图识别方法

为解决星敏感器的星图识别算法高实时性和鲁棒性,采用了BP神经网络;根据飞行轨迹精简了导航星及对应的模式,即一个视场中的一幅星图对应一个惟一的导航模式。采用二维Voronoi图计算向平面上最大空圆,构造了完备的圆视场集合;经过反复比较,选择以恒星为顶点能构造包含视场中所有星的凸多边形的导航模式,以其角距和顶角作为识别向量,具有平移和旋转不变性,并以该模式为BP神经网络的训练样本。仿真试验表明：该方法的识别成功率达100%,识别时间小于20ms。     

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BP神经网络的日落黄溶液荧光光谱的研究

对食用合成色素日落黄的荧光光谱进行了研究,发现在310~400nm紫外光的激励下,日落黄溶液发出强荧光,峰值荧光强度随浓度的增加先增强后减弱,且荧光谱峰位置出现明显红移。经分析认为,日落黄溶液能产生荧光是因为分子中偶氮键将一个苯环和一个萘环连接在一起,形成大共轭结构,并且取代基-SO3Na与-OH处于萘环的对位,大大增强了日落黄分子的共轭程度,使其具有强的吸光功能,发出强荧光。另外,结合BP神经网络,通过训练好的网络对4种不同浓度的样本进行浓度预测,结果表明相对误差分别为4.269%,6.078%,4.977%和5.308%,相对标准偏差分别为0.448%,0.375%,0.419%和0.414%。实验表明,该方法具有训练速度快、预测结果准确度高等特点,有望成为一种对食用合成色素进行高效、痕量检测的有效方法。     

Existence problem of optical correlation based pattern recognition

The existence problem of optical correlation based pattern recognition, namely its range of validity and its limitation, is discussed in this paper conjointly with the function approximation theory of neural networks. The conclusion is that only if the sets to be recognized are linearly separable (which is rare) or the subsets, in which a segmental sample of the targets is involved, are linearly separable, can the classical 4f optical correlation system carry out the task of recognition inerrably. The recognition principle of a joint transform correlator is the same as that of a 4f system, and so is its range of validities. Based on the demonstration of the existence problem of optical correlation based pattern recognition an evaluation on some important problems that were studied in this field over the past 40 years is presented explicitly.     

Solder joint inspection based on neural network combined with genetic algorithm

To improve the performance of automatic optical inspection (AOI), a neural network combined with genetic algorithm for the diagnosis of solder joint defects on printed circuit boards (PCBs) assembled in surface mounting technology (SMT) is presented. Six types of solder joint have been classified in respect to the reality in the manufacture. The images of solder joint under test are acquired and 14 features are extracted as input features for the classification. The neural network is easily become over-fitting because these input features are not independent of each other, so the genetic algorithm is introduced to select and remove redundant input features. The experimental results have proved that the neural network combined with genetic algorithm reduced the number of input feature and had a satisfying recognition rate.     

BP neural network applied to 3D object measurement based on fringe pattern projection

In the fringe projection profilometry, the traditional triangle method, such as Fourier-transform profilometry (FTP), is difficult to recover the stepped shape object from the deformed fringe pattern. In order to solve this problem, the neural network is introduced to deal with this kind of fringe patterns and gain the three-dimensional (3D) information of the measured object. By training the network, the relationship between the deformed fringe pattern and the height of the object can be obtained, and thereby the height of the object can be obtained. Furthermore, the object can be reconstructed perfectly without knowing the optical parameters of the experiment system. An obvious merit of this network method is that it can recover the 3D object in a short time and only need one deformed fringe pattern. Computer simulations and experiment validate the feasibility of the method.     

基于BP神经网络的闪光照相图像复原

针对闪光照相系统模糊较大、成像信噪比较低的问题,提出了一种基于BP神经网络的闪光照相图像复原方法。该方法利用BP神经网络的泛化能力,用样本图像对网络进行训练,建立退化图像与真实图像之间的非线性映射关系,然后将待复原图像分区,利用训练好的BP神经网络对待复原图像的边界区域进行复原处理。数值试验表明,在系统点扩展函数未知的情况下,该算法能较好再现图像边缘信息,复原出的图像在信噪比和视觉方面都有较大提高。     

基于BP神经网络的闪光照相图像复原

针对闪光照相系统模糊较大、成像信噪比较低的问题,提出了一种基于BP神经网络的闪光照相图像复原方法。该方法利用BP神经网络的泛化能力,用样本图像对网络进行训练,建立退化图像与真实图像之间的非线性映射关系,然后将待复原图像分区,利用训练好的BP神经网络对待复原图像的边界区域进行复原处理。数值试验表明,在系统点扩展函数未知的情况下,该算法能较好再现图像边缘信息,复原出的图像在信噪比和视觉方面都有较大提高。     

正补态光学神经网络模型性能评估

本文对一种多值光学神经网络模型——正补态模型的性能,存贮容量、容错性及收敛性进行了评估,并在N=16的网络上进行了计算机模拟.结果表明,正补态模型的性能比其它光学神经网络模型有所改善.