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。     

基于开放式TEM小室的电场探头校准及改进方法

目前的电场探头标定实验大多只考虑TEM小室结构和性能的影响,在校准实验中,探头的放入使得标定结果产生了很大的偏差,相较于TEM小室,电场探头的尺寸是产生误差的主要原因。以开放式TEM小室为基础,考虑了实际模型和电场探头的影响,利用三维电磁仿真软件,从时域角度研究了不同结构和尺寸TEM小室的辐射场分布,并从频域角度对TEM小室的S参数进行分析。比较了探头放入小室前后的误差,并根据计算结果引入了电场的校准公式。为改善探头对电场的影响,设计了一种新型结构,结果表明,新结构在保证带宽的同时,提高了电场的均匀性和探头标定的准确度。     

基于Elman神经网络的装备状态组合预测方法

针对单一预测模型在利用多维状态特征信息进行状态预测时效果常常不够理想的情况,提出以灰色理论等模型作为单项预测模型,运用Elman神经网络进行变权组合预测的建模方法;考虑神经网络容易因过拟合导致预测时泛化能力变差的问题,运用遗传算法对神经网络隐层节点数和训练误差阈值进行优化求解,建立了完整的基于Elman神经网络的组合预测建模方法;最后,通过案例分析验证了该预测方法的有效性,结果表明组合预测能够将三步以内的预测相对误差控制在10%以内,大大优于定权组合预测模型。     

共轴三线圈磁场的均匀性

给出用平行共轴不等大等电流的三个圆线圈形成匀强磁场的方法．文中给出了三线圈形成匀强磁场的条件,并且通过数值计算全面分析了三线圈磁场的均匀性．与Helmholtz线圈磁场比较显示,三线圈的磁场无论在强度方面,还是在磁场均匀性方面都明显优于Helmholtz线圈的磁场．     

E-Elman神经网络在冰蓄冷空调系统建模中的应用

冰蓄冷技术能够为空调系统带来显著的节能效果, 已广泛地应用在现代建筑当中, 准确的监测数据预测值有利于系统合理地运行; 针对实际冰蓄冷空调工程中的能源管理控制系统（energy management and control system, EMCS）数据采样周期较长所导致在系统制冰与融冰阶段数据不足的问题, 提出了一种改进的机组运行状况预测模型; 模型算法以数据变化趋势为依据, 在传统Elman中引入评价层以约束网络输出值, 增加计算针对性, 从而提高模型输出的准确性; 仿真结果表明, 此种建模方法解决了系统融冰与制冰阶段的数据突变及网络输出值局部最优解等问题, 与传统Elman网络结构相比, 其输出值更为接近测量值, 有效地提高了模型输出的真实性; 通过关联函数, 设计的模型对冷水机组的能源消耗也可起到预测作用, 进一步说明了其实用性。     

Helmholtz线圈、直螺线管及圆电流磁场均匀性分析的简单公式

采用由 Ｈｅｌｍ ｈｏｌｔｚ 线圈、直螺线管及圆电流对称轴上的磁场来计算轴外磁场的方法,求得磁场均匀性的简单公式,并对计算结果进行了讨论．     

利用双霍尔探头测螺线管中低频交变磁场

在霍尔效应实验中利用双霍尔探头测磁场,通过对磁场定标,研究了螺线管中低频交变磁场,并分析了螺线管中低频交变磁场的分布特征,为学生测量低频弱电磁辐射提供了新的思路.     

基于神经网络的电子器件分段建模方法

针对电路仿真领域中对具有复杂非线性特性的电子器件不能采用单-神经网络建模问题,提出了一种分段建模方法,降低了模型的复杂度,并通过对稳压二极管的建模验证了该方法的有效性.     

Elman回归神经网络同时定量测定三种酚类化合物

应用Elman回归神经网络(ERNN)对光谱严重重叠的对-硝基苯酚,邻-硝基苯酚和2,4-二硝基苯酚体系的同时定量测定进行了研究,并与多变量线性回归(MLR)法作了比较。编制了PERNN和PMLR程序执行有关计算。通过最佳化确定了Elman回归网络的结构和参数。ERNN和MLR法所有组分的相对预测标准偏差(RSEP)分别为3.1%和2 027.3%,实验结果显示对于分辨严重重叠光谱本法是成功的。ERNN法是解决局部最小和提高收敛速度的一种有价值的工具,亦可用于分析全光谱而不只限于选取少数特征值。本法为不经预先分离同时测定严重重叠的分子光谱体系提供了新的途径。     

基于神经网络的电火花线切割工艺目标建模

利用BP神经网络技术建立了电火花线切割加工工况参数与工艺目标间的预测模型.以脉冲宽度、脉冲间隙、峰值电流、间隙电压及工件厚度等工况参数为网络输入,加工效率和表面粗糙度等工艺目标为网络输出,通过用样本数据对网络的训练,实现了对工艺目标的预测.试验结果表明:所建预测模型能较好地反映线切割机床的工艺规律,实现对指定切割条件下加工效率和表面粗糙度的预测,最大预测误差小于10%.     

基于神经网络的视觉系统标定方法

为了解决摄像机标定存在的若干问题 ,根据立体视觉原理 ,提出了基于神经网络的双目视觉系统标定方法。通过对双目摄像机的有效视场分析 ,确定了一次测量面积 ,并把像对视差作为网络输入 ,建立空间点世界坐标与图像坐标非线性映射关系 ,使系统不经过复杂的摄像机内外参数标定 ,就能直接提取物体的三维信息 ,增加了系统的灵活性。实验证明 ,该方法有效可行     

用神经网络校正微型颜色传感器颜色特性的方法研究

采用光学积分原理设计的光电色度仪器,由于其结构简单、测量速度快、成本低等优点已被广泛地应用在产品的色度检验控制过程中。基于微型颜色传感器的颜色测量仪器也属于光电色度类仪器,由于它不能完全模拟标准色度观察者和标准光源,即不能完全满足卢瑟(Luther)条件,所以其测量值RGB与三刺激值XYZ并不相等,且存在非线性关系。讨论了采用BP神经网络进行微型颜色传感器颜色特性校正的方法,其优点是对仪器的匹配滤色片要求较低,只要在测量软件中增加训练好的校正网络程序,就可以获得准确的颜色三刺激值。     

Study on two-dimensional distribution of X-ray image based on improved Elman algorithm

The principle of the X-ray detector which can simultaneously perform the measurement of the exposure rate and 2D (two-dimensional) distribution is described. A commercially available CMOS image sensor has been adopted as the key part to receive X-ray without any scintillators. The correlation between the pixel value (PV) and the absorbed exposure rate of X-ray is studied using the improved Elman neural network. Comparing the optimal adjustment process of the BP (Back Propagation) neural network and the improved Elman neural network, the neural network parameters are selected based on the fitting curve and the error curve. The experiments using the practical production data show that the proposed method achieves high accurate predictions to 10⁻¹⁵, which is consistent with the anticipated value. It is proven that it is possible to detect the exposure rate using the X-ray detector with the improved Elman algorithm for its advantages of fast converges and smooth error curve.     

基于Elman神经网络的252Cf源核系统随机中子脉冲信号识别方法

 针对²⁵²Cf自发裂变中子源构成的核信息系统,以实际所测随机中子脉冲数据的自相关函数为研究对象,借助仿真实验, 利用Elman神经网络对不同质量核材料进行识别。在实测数据的基础上,通过叠加随机抖动,模拟产生了不同质量核材料的相关函数样本,并将其用于神经网络的训练与测试,实验结果表明,训练过的Elman神经网络能够较好地识别相关函数的特征,分辨不同质量的核材料,平均识别率达到85%,综合平均误差为0.04,且具有较高的鲁棒性。     

基于神经网络的虚拟靶标大视场双目相机标定技术

针对大视场双目相机标定中的精度低和非线性畸变问题,提出了一种结合BP神经网络的大尺寸虚拟靶标标定技术。鉴于单角点棋盘格具有易制作、高精度的特性,构建大尺寸虚拟靶标;利用神经网络的非线性映射能力直接建立角点的像素坐标和世界坐标映射关系;用建立的映射网络对测试样本进行三维重建,并与传统的线性标定方法进行对比实验。结果表明,该方法操作简单,且重建距离相对误差为0.92%,优于传统的线性标定方法,可用于大视场双目相机标定。     

验证感生电场存在的实验

针对磁场变化时激发产生的感生电场很难演示的问题,设计了演示感生电场存在的实验. 该实验将不同功能的仪器组合起来使用,通过亥姆霍兹线圈的交变磁场对带电粒子的作用效果,直观说明感生电场的存在.     

3个共轴圆线圈形成的匀强磁场

分析了3个共轴圆线圈形成磁场的均匀性，得到了3个共轴圆线圈形成匀强磁场的条件，并且通过数值计算，全面展示3个共轴圆线圈磁场的均匀性．只要合理配置3个共轴圆线圈的大小、线圈中的电流强度和线圈之间的距离，3个共轴圆线圈的磁场在强度和均匀性方面都优于亥姆霍兹线圈的磁场。     

Magnetic moment predictions of odd-A nuclei with the Bayesian neural network approach

The Bayesian neural network approach has been employed to improve the nuclear magnetic moment predictions of odd-A nuclei. The Schmidt magnetic moment obtained from the extreme single-particle shell model makes large root-mean-square (rms) deviations from data, i.e., 0.949 \begin{document}$ \mu_\mathrm{N} $\end{document} and 1.272 \begin{document}$ \mu_\mathrm{N} $\end{document} for odd-neutron nuclei and odd-proton nuclei, respectively. By including the dependence of the nuclear spin and Schmidt magnetic moment, the machine-learning approach precisely describes the magnetic moments of odd-A nuclei with rms deviations of 0.036 \begin{document}$ \mu_\mathrm{N} $\end{document} for odd-neutron nuclei and 0.061 \begin{document}$ \mu_\mathrm{N} $\end{document} for odd-proton nuclei. Furthermore, the evolution of magnetic moments along isotopic chains, including the staggering and sudden jump trend, which are difficult to describe using nuclear models, have been well reproduced by the Bayesian neural network (BNN) approach. The magnetic moments of doubly closed-shell \begin{document}$ \pm1 $\end{document} nuclei, for example, isoscalar and isovector magnetic moments, have been well studied and compared with the corresponding non-relativistic and relativistic calculations.     

基于Elman神经网络的252Cf源核系统随机中子脉冲信号识别方法

针对252Cf自发裂变中子源构成的核信息系统,以实际所测随机中子脉冲数据的自相关函数为研究对象,借助仿真实验, 利用Elman神经网络对不同质量核材料进行识别。在实测数据的基础上,通过叠加随机抖动,模拟产生了不同质量核材料的相关函数样本,并将其用于神经网络的训练与测试,实验结果表明,训练过的Elman神经网络能够较好地识别相关函数的特征,分辨不同质量的核材料,平均识别率达到85%,综合平均误差为0.04,且具有较高的鲁棒性。