BP网络局部极小值的修正算法

在人工神经网络中,反向传播法占据了非常重要的地位.近几十年许多研究人员对其做了深入的研究,提出了很多改进的方法,主要目标是为了加快训练速度,避免陷入局部极小值和改善其他能力.本文主要讨论在MATLAB下使用附加动量法使网络避免陷入局部极小值问题.     

固体燃料冲压发动机燃速的人工神经网络辨识

由于固体燃料冲压发动机(SFRJ)结构的特殊性,其燃速的预测比较困难。为探讨燃速对于不同飞行工况的依赖性,对模拟试验的结果采用BP人工神经网络进行了辨识,并将辨识结果与用最小二乘法辨识的结果进行比较。从辨识的结果来看,这种辨识方法具有精度高、处理实验数据迅速、能进行在线辨识等特点,能够较好地满足工程应用的要求。此外,在利用人工神经网络对类似的大样本系统进行辨识时,如果能采用一些数学上的处理技巧。      

改进的BP神经网络在飞机防滑刹车系统的应用

为了在飞机刹车过程中防止打滑和取得最佳刹车效果,提出用BP神经网络构造S_p(最佳滑移率)识别器.为了提高神经网络的学习能力,介绍一种学习步长自适应方法——二阶步长法,讨论了二阶步长法在实际应用中的一些问题并提出了解决方案.在二阶步长法基础上提出了三阶步长法.还提出了合理配置活化函数的方法.综合以上方法对BP算法加以改进,使学习精度和速度都大大提高.      

基于神经网络的大型矿用隔爆型干式变压器动态温升预测研究

分析了大容量隔爆型干式变压器热传递过程和特点,利用人工神经网络的非线性映射能力建立了其动态温升预测模型,并将计算结果和实测结果作了比较,验证了其可行性和优越性.     

基于主元分析和BP神经网络对刀具VB值预测

对声发射信号进行5层小波分解提取6个频段的能量值,把它与切削速度、切削深度、进给量和切削时间一起作为刀具状态的特征向量.通过主元分析进行降维、消除特征向量间的相关性后,把得到的主元作为BP(Back Propagation)神经网络的输入向量.BP神经网络应用改进的LM(Levenberg-Marquart)算法进行学习,利用输入向量对网络进行训练后,实现对刀具后刀面磨损量VB的预测.实验结果显示:基于主元分析和LM算法改进的BP神经网络建立的预测系统,网络输出与实测VB值的误差0.03以内;根据预测VB值的范围可判别出刀具的不同状态.      

多级涡轮多工况气动优化设计研究

采用将准三维设计和多级局部优化联合的多级涡轮多工况气动优化设计流程对某三级航空发动机涡轮进行多级气动优化设计.优化联合采用人工神经网络和遗传算法对各列叶栅进行三维局部优化,流场计算采用全三维粘性流N-S方程求解.通过优化设计,改善了各列的性能,并对各列间参数进行了优化匹配,两种工况的总效率均提高1%,总流量基本不变,总体性能提高,达到设计要求.      

气相和粒子冲刷速度对丁羟推进剂燃速影响分析

基于试验获得的气相和粒子冲刷条件下的固体推进剂燃速数据,采用误差反向传播算法(BP算法)的人工神经网络技术开展了推进剂的燃速特性分析。网络训练和预示结果表明,利用BP算法开展冲刷条件下的燃速影响因素分析的精度在4%以内。分析结果表明,气相和粒子冲刷速度都会影响固体推进剂的燃速。在低气相速度条件下,推进剂燃速对粒子冲刷速度的变化更为敏感。粒子冲刷对固体推进剂燃速的影响存在界限效应,当粒子冲刷速度大于某一界限值时,推进剂燃速增加幅度增大,并由粒子冲刷主导。     

ARINC 629航空数据总线MAC层协议分析

做为新一代的民用客机机载数据总线,ARINC 629总线在大型民用客机上得到了越来越广泛的应用.在介绍ARINC 629航空数据总线的基础上,对总线MAC层使用的两种协议包括基础协议BP和混合协议CP的协议规则进行了详细描述,分析了两种协议的时间特性,对两种协议的特点和使用情况进行了对比.     

BP神经网络在元器件贮存可靠性参数预测中的应用

元器件贮存可靠性受多个非线性因素的影响。时间序列预测实质是实现一个非线性映射。应用BP神经网络模型对某元器件贮存可靠性性能参数时间序列进行了预测,仿真表明BP神经网络预测模型有较高的精度。     

复合泡沫塑料力学行为模拟的ANN方法

对人工神经网络(ANN)方法在复合泡沫塑料力学行为模拟中的应用进行了研究.首先,选取影响材料力学行为的因素和所需模拟、预测的力学性能作为输入、输出量;然后,利用反向传播算法建立了四层神经网络模型,对复合泡沫塑料的力学性能和本构关系进行了模拟和预测.数值结果表明,训练后的神经网络模型能较好地模拟、预测材料的模量、屈服强度和不同应变率及不同温度下的压缩应力-应变曲线.此外,3种不同改进训练方法的比较说明,Bayesian规则化法的泛化能力最好,LM法收敛最快,而自适应梯度下降动量法则需要较长的迭代时间才能达到相同的精度.