基于STM32的嵌入式智能视觉数字识别实验装置

开发了一种基于STM32的嵌入式智能视觉数字识别实验装置,该实验装置实现了对数字字符的视觉识别。基于STM32的嵌入式数字识别实验装置采用了MDK5软件进行开发,其中包括获取图像信息、图像信息预处理、定位图像的数字字符区域、分割字符及归一化、识别字符等。嵌入式数字识别实验装置可以定位图像的数字字符区域,对字符区域的数字字符进行识别,将识别出的数值通过ESP8266-WiFi模块,可实时发送到手机端。该实验装置融合了机器视觉、数电、模电及单片机应用等多方面的知识,具有一定的延展性和创新性,可锻炼学生的实践能力和创新能力,有利于培养具有工程应用及技术创新能力的高素质复合型新工科人才。     

一种基于粗糙集理论的粗糙神经网络构造方法

提出在BP神经网络中使用粗糙集理论网络的设计，由于粗糙集理论有强大的数值分析能力,而BP神经网络具有准确的逼近收敛能力和较高的精度，所以通过两者的结合，可以得到一种可理解性好，计算简单，收敛速度快的神经网络模型，这种神经网络的算法的主要过程为：首先利用粗糙集能力去发现给定数据集的一些规则，然后根据这些规则构造神经网络稳含层的神经元个数，最后用BP算法迭代求了网络的各种参数，完成网络的设计，本文最后给出了一个三维非线性函数的实例进一步验证了网络的正确性。     

基于模态应变能识别复合材料结构损伤的遗传-神经网络法

提出了一种基于模态应变能识别复合材料结构损伤的遗传-神经网络法.采用单元模态应变能改变率作为结构损伤标识量,对损伤结构进行损伤识别仿真.采用混合编码遗传算法对BP神经网络进行拓扑优化,构成遗传-神经网络,并使用其识别复合材料机翼结构损伤的位置和程度. 算例表明,本方法具有高效、稳定的特点,有着很好的推广应用价值.     

基于P300信号的脑控机械手关键技术研究

针对传统P300字符输入系统信号通道多、计算量大等问题,提出一种利用贝叶斯框架下组稀疏约束的P300信号识别算法来提高脑控机械手效率的方法。首先利用能使字符按行列方式闪烁的计算机界面对受试者的视觉系统产生刺激,同时使用自采集设备记录脑电信号。之后在贝叶斯框架下建立基于P300的BCI解码模型,同时完成P300特征检测和脑电通道选择,避免了大量的交叉验证,提高了字符输入效率。然后根据P300字符识别结果,将其转化为对应的机械手命令,通过以太网通讯方式传输给机械手,最终完成对机械手的控制。实验结果表明,文章提出的方法能有利于提高P300信号特征检测的准确率和处理效率。     

基于BP神经网络的含褶皱复合材料强度预测

利用BP(Back propagation)神经网络处理多参数问题具有的非线性映射及泛化能力,构建了具有3层隐藏层的神经网络,对含纤维褶皱复合材料层合板的压缩强度进行预测。基于LaRC失效准则建立三维损伤模型,对含褶皱复合材料的压缩失效进行数值分析。将数值分析结果作为数据样本对神经网络进行训练。采用黄金分割法快速确定最佳隐藏层神经元数量区间范围,并通过分析对比不同数量神经元模型的强度预测结果及评价指标,确定具有高预测精度的隐藏层神经元数量。结果表明,所构建的神经网络预测最大褶皱角为5.6°、9.9°和11.4°的3种层合板失效强度误差分别为3.4%、4.6%和-0.01%。本文所发展的基于BP神经网络对复合材料强度进行预测的方法,为工程应用中复合材料强度评估提供了一种有效的途径。     

软土基坑开挖诱发地表沉降分析

基于进化BP神经网络的智能方法,充分利用人工神经网络对非线性函数强大的映射能力、自学习能力和推广能力,文章建立了基于MATLAB神经网络工具箱的优化智能软土基坑开挖诱导地表沉降分析系统,同时采用贝叶斯规则化法对系统进行改善,大幅提高了泛化能力和工程适用性.     

基于BP神经网络的起飞限重计算预测研究

针对起飞限重分析计算的流程复杂、迭代多、计算效率低的问题,本文在分析起飞限重计算规律的基础上,研究了使用BP神经网络预测起飞限重结果的可行性.文中以ARJ21-700飞机在场长、爬升等综合限制条件下的最大起飞重量计算为例,使用Matlab进行结果预测.预测结果表明BP神经网络具有较好的适应性,可以满足性能仿真计算的工程...     

基于LabVIEW与IMAQ的汽车牌照识别

提出一种虚拟仪器与机器视觉相结合的汽车牌照识别方法。在LabVIEW平台上,利用IMAQ V ision强大的图像处理功能,对CCD摄像机获得的图像进行预处理、车牌定位处理、字符分割处理、字符识别处理,最终得到通过车辆的车牌号码,实验结果表明该方法的可行性。     

百元人民币冠字号码提取与识别

对百元人民币冠字号码的提取与识别,是监督管理百元人民币的有效手段。使用特征定位法定位冠字号码在百元纸币中的区域,用投影法对字符进行分割,对分割后的字符进行归一化处理,实现对冠字号码的提取与归一化;采用改进的KNN算法,实现对冠字区、号码区进行分离,然后对字符进行KNN算法识别。通过算法对比可见,采用改进的机器学习KNN识别算法,能够更好提高码字区域的0和1的识别率,从而提高整个冠字号码的识别率,实现对百元纸币冠字号码的识别。本研究提出的方法简单可靠,具有重要实际的应用价值。     

一种使用BP神经网络加速的蒙特卡洛拉格朗日水滴求解器（英文）

结冰可能威胁飞行安全。拉格朗日方法被广泛应用于求解结冰过程中的水收集系数,但是其发展受到鲁棒性问题和高计算成本限制。为了弥补拉格朗日方法的缺陷,使用蒙特卡洛积分法和反向传播(Backpropagation, BP)神经网络分别用于解决鲁棒性问题和降低计算成本。基于蒙特卡洛方法的拉格朗日求解器可实现对任意模型或计算条件的无条件稳定。构建了BP神经网络用于预测水滴撞击概率,通过筛除非撞击水滴减少计算量。BP神经网络不针对特定模型提前训练,使用异步并行策略使BP神经网络训练和水滴运动同时求解,建立了广泛适用的异步拉格朗日求解器。使用GLC-305后掠三维翼型和某型发动机短舱模型对求解器进行验证,结果显示BP神经网络可以有效提升计算效率,对比没有神经网络辅助最多节省27%运行时间,同时保有同等计算精确度。本文研究为首次尝试神经网络技术与结冰数值模拟融合,为进一步发展拉格朗日方法提供有力支撑。     

深度卷积神经网络在轴承多故障复合诊断中应用研究

基于深度学习具有强大的自特征提取能力和较优的分类能力,将深度卷积神经网络引用到轴承的故障诊断中,提出了基于一维深度卷积神经网络的轴承复杂工况故障诊断方法。在提出的方法中,将轴承的多故障振动信号作为模型的直接输入,通过训练深度卷积神经网络模型,利用模型中多个卷积层和池化层对输入的振动信号进行自特征提取,并进行故障分类。从而以基于数据驱动的方式形成端到端的故障诊断。研究表明,在一维深度卷积神经网络中直接输入轴承振动信号进行故障诊断,与提取时域和频域特征结合支持向量机进行故障诊断的方法相比,深度卷积神经网络可以更好地反映时域振动信号与特征间的关系,获得了比传统智能诊断方法更高的识别效率。     

基于BP神经网络的民航机场飞行区事故预测研究

以长沙黄花国际机场从2010年1月1日至2016年12月31日期间共96个月的样本数据对BP神经网络预测模型进行训练和检验,结果表明,目标误差率达到最低要求,证明BP神经网络应用于民航机场飞行区事故预测预报具有可行性,为研究民航机场安全预警问题提供新的思路和方法。     

采用模糊RBF神经网络的直升机旋翼不平衡故障诊断

提出一种利用模糊径向基函数(Radial basis function,RBF)神经网络进行直升机旋翼不平衡故障诊断的方法,建立了用于直升机旋翼不平衡故障识别的模糊诊断模型。基于直升机旋翼不平衡故障模拟实验,对采集于旋翼配重不平衡、桨距不平衡、后缘调整不平衡和正常状态下的试验台体振动信号进行功率谱分析,并采用主分量分析(Principal component analysis,PCA)的方法进行故障特征提取。采用模糊RBF神经网络诊断模型对旋翼不平衡故障进行了故障分类识别,同时分析了不同主分量累计贡献率和模糊子空间对故障分类精度的影响,并与RBF神经网络的诊断模型、支持向量机(Support vector machine,SVM)诊断模型进行了故障识别效果对比。结果表明,模糊聚类RBF神经网络的诊断方法对旋翼不平衡故障具有更好的识别能力。     

一种新型人工神经网络的实现与改进——概率逻辑神经网络

概率逻辑神经网络模型是一新兴的神经网络模型,它不仅具有较快的训练速度,而且具有“自退火”性能,并易于硬件实现,从而成功地克服了误差反向传播(BP)模型的训练时间长,易于陷于局部最小点的弱点。本文将给出概率逻辑神经网络(PLNN)的一般结构、学习算法及其模拟实现的情况。并由此推广到多层联想网络的实现与分析,最后给出了PLNN与BP的比较结果。     

基于BP和GRNN神经网络的高速铣削TC4粗糙度预测

表面粗糙度是衡量工件加工表面质量的重要指标,考虑到切削参数是能够人为控制并对零件的表面粗糙度有较大影响的因素之一,通过设计正交试验建立高速铣削TC4表面粗糙度的BP神经网络和GRNN神经网络模型,并对比两个模型的预测值与试验值的预测精度。结果表明:所建立的GRNN神经网络能够更好的预测零件表面粗糙度,预测误差在5%以内,BP神经网络的预测误差在10%以内且收敛速度较慢,GRNN神经网络具有更好的预测精度和效率,为进一步开展高速加工预测提供参考。     

基于BSO-BP神经网络的赤潮预测模型

针对天牛须(BAS)算法在处理高维数据时容易陷入局部最优的缺陷,在BAS算法的基础上结合粒子群(PSO)群体信息共享的机制,提出一种倒S型函数的BSO-BP模型。通过建立BSO算法优化BP神经网络的复合模型对夜光藻密度进行预测,从而实现赤潮灾害预测。首先,采用核主成分分析法(KPCA)对输入变量进行降维处理,加快网络的收敛速度。接着,利用BSO优化BP神经网络初始权值、阈值。为了更好地平衡BSO算法的全局搜索以及局部搜索能力,引入倒S型函数来调整惯性权重。相对于BP、PSO-BP、BAS-BP等模型,BSO-BP具有更好的预测精度以及非线性拟合效果。     

机械展开式再入飞行器气动性能分析与优化

机械展开式再入飞行器由于气动面积较大,可以有效地进行气动捕获和气动减速,但需研究分析主要气动外形参数对气动性能的影响并通过优化进一步提高减速效果。针对计算流体力学（Computational fluid dynamics, CFD）开展再入飞行器外形优化计算量大、耗时多的问题,提出了一种基于反向传播（back propagation, BP）神经网络的气动性能优化方法。在对再入飞行器参数化建模的基础上,首先采用正交试验设计生成样本,通过CFD方法进行高精度气动力性能计算,对样本计算结果进行方差分析;再利用BP神经网络对生成的样本集进行非线性拟合,构建神经网络气动性能近似模型;最后使用多岛遗传算法和BP神经网络模型开展阻力最大的气动外形设计优化,并对优化结果进行参数灵敏度分析。结果显示,该优化方法可以快速准确地求解优化模型,在保证精度的同时大幅提升了计算效率,可为未来工程设计和应用提供参考。     

基于BP神经网络方法的航空活塞发动机故障诊断

BP神经网络在机械故障诊断领域内已取得较多的成功经验。本文调用Matlab中的神经网络工具箱,运用BP神经网络对CESSNA．172R的航空活塞发动机进行故障诊断,建立故障数据库。     

基于声发射砂轮磨损监测系统的研究

磨削加工过程中砂轮出现磨损需要反复的修整,砂轮磨损状态的监测可以有效判别砂轮工作状态,减少砂轮修整次数。本文建立了一种基于声发射信号的砂轮磨损监测模型,提出了基于一种小波分解系数均方值统计分析的砂轮磨损状态特征提取方法。同时,采用BP神经网络对砂轮磨损状态进行识别,其输入为3种提取特征,输出为3种不同的砂轮磨损状态。通过磨削试验对监测系统进行评价。结果表明,所提出小波分解系数均方值统计分析的特征提取方法和砂轮磨损监测系统均具有良好的效果。     

适用于全包线的航空发动机BP网络模型的动态辨识

为克服传统的发动机动态模糊辨识中存在的辨识精度低，辨识模型应用范围窄等不足，把对非线性系统具有高度逼近能力的神经网络应用于航空发动机动态特性的辨识，从而为发动机动态辨识开辟更为广阔的道路，采用均方差归一法的处理方法和BP算法的改进算法－输出端动量BP地，以某型发动机在飞行包线内某一飞行条件下的数据作为学习样本，辨识了发同的神经网络模型，在全包线范围内对该模型进行检验，结果表明，所得的发动机动态模型在全包线内都有很高的逼近精度，而且对噪声有很强的抑制能力。