一种改进的BP网络系统辨识算法的研究

本文提出了一种降低网络灵敏度的BP网络改进算法,即在网络的误差反向传播信号线上增加一个协调器,该协调器控制各层权值的修正,大大提高了网络的学习速率.通过对具体网络的仿真,证明了该算法的可行性.     

基于改进的BP网络的水机温度模型建立

传统的水电仿真系统中的温度模型的构建方法存在模型可移植性比较差、推导过程必须有水电专家的参与、推导过程复杂度大、模型精确度不高等不足,这些都对水电仿真的进一步发展和准确性产生了一定影响。因此需要一种更新的方法来适应水电仿真的发展。为此提出了一种改进的BP网络神经元网络学习算法,通过改进训练算法以提高神经网络的训练效率以及准确度。将这种算法应用于吉林丰满水电厂水电仿真系统的水机温度模型的建立实验中,并与原有的神经网络方法进行比较,比较结果表明,该方法能提高分类准确率和训练速度。     

基于BP神经网络的飞机油耗与轨迹匹配模型研究

研究了基于与QAR记录相匹配的飞行轨迹数据建立的BP神经网络油耗模型,利用飞行轨迹数据输入模型求得油耗估算值,通过与QAR真实燃油数据对比,进行模拟分析.以某些航班的雷达记录数据为例进行油耗计算,结果表明本实验模型在燃油方面的估算误差不超过2％,满足空管方面对燃油消耗的计算.研究结果可以用于定量分析空管运行对民航节能减排的影响,从而在确保飞行安全、管制容量的前提下更好地兼顾绿色运行的要求,提升空中交通运行质量.     

民用飞机进近着陆阶段灾难事故类型预测

为减少民用飞机进近着陆阶段发生灾难事故,给出了1985年至2013年灾难性事故样本,获得了3种主要事故类型和14种关键致因。提出了一种灾难事故类型的预测方法,建立了事故类型预测流程,样本事故致因作为输入层,样本事故类型作为输出层,基于BP神经网络和Elman神经网络进行多次训练和仿真。结果表明,预测的事故类型与实际情况基本吻合。针对事故致因有效判断民用飞机在进近着陆阶段潜在事故,给出纠正措施,保障航空运行安全。     

基于神经网络的电表数字识别技术研究

提出了基于BP神经网络的机械式电表数字自动识别方法,首先通过预处理自动定位电表图像中的数字区域并实现单个数字的切分,然后对每个数字图像提取一组具有较高区分度且计算简单的典型网格特征,最后设计BP神经网络作为数字分类器,实现电度表显示值快速自动识别,该研究获得了电表数字正确识别率98.5%的结果,表明该系统具有较强的鲁棒性。     

基于BP神经网络的测控站天饲馈系统电机振动故障分析

电机的故障诊断在测控站天饲馈系统故障中占有很大比例.利用BP神经网络对数据处理的优势,把电机振动频率作为神经网络的训练样本,结合经验数据和实验数据来训练神经网络,通过训练好的网络可以判断电机相应的故障种类.     

一种三维物体的视觉识别方法研究

研究了一种利用二维图像识别三维物体的方法。通过颜色特征提取物体的有效区域．使用链码描述了区域中三维物体的形状特征，并形成物体的形状特征向量。将该特征向量作为所设计的BP神经网络的输入进行物体匹配识别，网络输出为属于某种物体的隶属度。通过在各种光照环境下不同三维物体的二维彩色图像进行实验，证明了所提出方法的有效性。     

基于人工神经网络电火花微细加工的参数选择

简述了将人工神经网络技术用于混粉电火花加工参数的选择,根据对象编出支持系统,为用户提供合理可靠的混粉电火花加工方案。