人工神经网络的混合算法在发动机故障诊断中的应用

提出一种基于混合神经网络的发动机振动故障诊断方法,即迭代前期采用BP算法而迭代后期采用梯度优化法进行计算。通过BP算法和混合算法对相同算例网络权值和阈值的计算,验证所提出的混合算法的有效性和实用性。     

支持向量回归机在水质预测中的应用与验证

以干旱区浅水湖泊乌梁素海的多年实测pH值为例,在分析支持向量回归机算法（ε-SVR）核函数选取的基础上进行了回归分析及预测,并与线性回归、BP神经网络、RBF网络等算法进行了比较。研究结果显示：：（1） 基于径向基核的支持向量回归机模拟效果优于其它核函数;（2）ε-SVR模拟结果与线性回归（LR）、BP神经网络和RBF网络等算法模拟结果相比,其拟合精度与预测精度均比其它三种方法要高。计算结果充分证明了支持向量回归机有较强的学习能力和泛化能力且该方法可以应用于水质预测研究。     

基于蜻蜓算法的甘蔗收获机刀盘振动SVM预测模型

甘蔗收获机切割器刀盘振动是影响甘蔗宿根切割质量的一个关键因素,因此寻找复杂因素对刀盘轴向振动的影响规律并实现对刀盘振动的预测与控制有着至关重要的作用。为解决传统预测方法精度低、参数选取盲目等问题,提出一种基于蜻蜓算法的甘蔗收获机刀盘振动支持向量机预测模型。该方法利用蜻蜓群体寻优的过程实现对支持向量机参数的优化,并将优化后的支持向量机对刀盘振动进行预测。通过Mat Lab进行20次仿真实验,并与BP神经网络预测模型和传统支持向量机预测模型的预测结果进行比较,实验数据表明:基于蜻蜓算法的支持向量机预测模型具有更高的预测精度和泛化能力。结果显示:基于蜻蜓算法优化的支持向量机对刀盘振动预测的拟合率达到了99.99%,有效提高了甘蔗收获机刀盘振动的预测精度,从而表明基于蜻蜓算法优化的支持向量机预测模型对实现甘蔗收获机刀盘振动预测的有效性,为后续甘蔗收获机宿根切割质量的智能化预测及实现对甘蔗收获机减振的结构优化设计提供了有效依据。     

基于MEA优化BP神经网络的农机滚动轴承故障诊断

为了解决农机滚动轴承的故障诊断问题,提出了一种基于思维进化算法(MEA)优化BP神经网络的故障诊断新方法。该方法利用思维进化算法的趋同和异化操作,通过竞争获取优胜种群,在迭代过程中不断优化BP神经网路的初始权值和阈值,建立MEA-BP网络农机滚动轴承故障诊断模型。以滚动轴承试验实测数据为例,通过Mat Lab软件进行仿真,结果证实:该方法不但克服了常规BP网络学习速度慢和局部极小的缺点,而且提高了故障诊断准确度,为其他农业机械设备的故障诊断提供了一种试验方法。     

基于BP神经网络的电控柴油机故障诊断

运用了优化算法的BP神经网络设计高压共轨式电控柴油机的故障诊断系统,以高压共轨式电控发动机的传感器数值作为BP网络的输入,把发动机的故障状态作为BP网络的输出,以此来对电控柴油机进行实时的故障诊断.将诊断结果与实测结果进行比较后,证明此方法是可行的.     

一种实现泵站机组温度精确测量的新方法

实现泵站机组温度的精确测量对泵站机组的正常运行具有重要意义,本文利用BP网络具有的任意逼近非线性函数和内插值特性,提出一种对泵站机组温度精确测量的新方法,该方法采用免疫算法优化BP网络的权值以克服训练BP网络的BP算法的不足.仿真结果表明应用新方法测量温度具有很高的精度,具有实际意义.     

基于差分进化算法优化的RBF神经网络的发动机故障诊断研究

在RBF神经网络中采用差分进化算法来优化RBF神经网络的模型结构,并对其重要参数进行全局寻优。实例仿真结果表明,经过差分算法优化的RBF神经网络不仅相对BP网络学习收敛速度更快,而且提高了发动机故障识别的精确度,从而验证了此种方法的正确性和有效性。     

基于BP神经网络的葡萄干分级技术的研究

为了适应农产品机器视觉分级技术的需要,通过分析葡萄干的特征参数组合对BP网络识别率的影响,确定最能反映葡萄干形态特征的参数作为等级识别的依据.为此,以BP算法为基础,采用改进的BP算法,对网络进行训练;同时,建立了基于BP神经网络葡萄干分级鉴定模型.试验结果表明,该网络分级效果较好,其平均分级准确率达到93%.     

基于模糊神经网络的汽油机怠速控制

针对发动机怠速工况的非线性、时变性和精确数学模型难以建立的特点，提出了怠速控制的模糊神经网络方法；利用模糊神经网络的模糊信息处理能力及自学习：叻能进行发动机怠速控制，给出了BP网络模型。实验结果表明：使用神经网络对汽油机进行怠速控制效果良好．鲁棒性强，可有效提高发动机怠速品质，改善发动机的性能指标。     

农用汽车发动机状态监测系统与诊断方法研究

为及时诊断农用汽车发动机的工作性能和故障状态,设计了多类信号采集、分析处理系统。通过对农用汽车发动机监测信号的采集、处理、融合和诊断,搭建了发动机故障诊断平台。详细介绍了故障诊断系统的基本思想和网络架构,重点研究了信号的采集和处理算法,提出并建立了一种基于信息融合的BP神经网络农用汽车发动机故障诊断算法。在线实验表明:系统具有运行稳定、鲁棒性好及诊断精度高的特点,能够满足实际诊断需求。     

内燃机曲轴扭振连续分布模型的计算方法

建立了内燃机曲轴扭转振动的连续体模型和计算方法。首先构建了内燃机曲轴的连续分布当量阶梯轴模型 ,根据轴段以及集中质量的动能表达式 ,由拉格朗日方程建立了整个轴系的运动方程 ,构造了能同时用于某单一谐次或整个轴系合成振动分析的矢量矩阵。计算结果表明 ,用能量法来分析扭振与实际测量的结果在各主要谐次都保持相当的一致。     

基于BP神经网络的电控LPG-柴油双燃料内燃机碳烟排放的预测

建立了一个基于BP神经网络的碳烟排放模型,用它来预测电控LPG-柴油双燃料的碳烟排放。模型将转速、油泵齿条位置、油门开度、LPG喷气时间、冷却水温度、转矩作为输入变量。本文采用准牛顿反向传播算法,对试验样本数据进行训练,并对此模型进行了泛化检验,将预测结果与试验结果进行了比较。此排放模型可以指导双燃料内燃机的排放性能优化试验,减少试验工作量。     

基于小波包能量法的滚动轴承故障诊断

阐述了故障轴承振动与信号的关系,小波包的原理以及BP神经网络的工作原理和实现过程,并以滚动轴承故障诊断为例,提取了小波包节点能量作为振动信号特征参数,并训练BP神经网络,对故障模式进行识别。结果表明,如果神经网络设计合理,训练适当,则具有很强的故障识别能力。说明利用小波包能量法和BP神经网络进行滚动轴承振动诊断是可行、有效的。     

吊装机器人肢体动作指令识别技术研究

鉴于Kinect相机进行肢体识别监控距离有限,提出使用网络大变焦摄像头、构建CNN-BP融合网络进行肢体动作识别,并以9组机器人吊装指令为例进行训练和识别。首先,基于OpenPose提取18个骨架节点坐标,生成RGB骨架图和骨架向量;然后,采用迁移学习方法对RGB骨架图使用InceptionV3网络提取图像深层抽象特征,并对训练数据集采用旋转、平移、缩放和仿射多种数据增强方式,以扩充训练数据,防止过拟合;再将提取的骨架向量使用BP神经网络提取点线面等浅层特征;最后对InceptionV3网络和BP神经网络输出进行融合,并使用Softmax求解器得到肢体识别结果。将肢体识别结果输入机器人辅助吊装控制系统,建立双重验证控制方法,完成机器人辅助吊装操作。实验结果表明,该方法保证了模型运行的精度和时效性,实时识别精度达0. 99以上,大大提升了远距离人机交互能力。     

小波包分解与神经网络相结合的变速箱齿轮故障识别

提出了一种识别变速箱齿轮故障的新方法，通过对小波包分解的分析研究，将基于小波包能量的小波包分解特征提取方法用于提取齿轮运行状态的特征向量，并以此作为BP神经网络的输入对神经网络进行训练，建立了基于BP神经网络的齿轮运行状态分类器，用以识别齿轮的运行状态，, 变速箱齿轮故障识别为例，用文中所述方法对变相齿轮的正常状态，磨损状态，断齿状态进行识别验证，验证结果表明该方法的效果良好。     

基于BP神经网络的甘蔗收获机切割器振动性能研究

针对小型甘蔗收获机切割器不平衡对切割器轴向振动的影响,为实现切割器振动的有效预测以及自动控制信号的获取,通过正交试验并利用BP神经网络技术与回归分析构建出了切割器螺旋以及刀盘振动的BP神经网络模型和回归模型。分析结果表明:基于BP神经网络建立模型的切割器螺旋与刀盘的振动正确拟合率达到了88.89%,且相对误差基本上在5%以内,而回归模型的切割压力正确拟合率只有38.89%。因此,基于BP神经网络建立的模型具有较高的精度,通过此BP神经网络模型,有效地解决了复杂信息特征的提取问题,减少了试验研究的次数与成本,为进一步的切割器刀盘以及螺旋振动的自动控制系统的研发奠定了基础。     

基于BP神经网络的小缸径直喷式柴油机放热规律的研究

运用BP神经网络有关理论,构造一个从小缸径直喷式柴油机的喷油规律预测放热规律的BP神经网络模型,经过验证,预测模型具有较高的精度,可以作为柴油机喷油系统与整机匹配性能研究的一个有效手段,也是一个新型预测放热规律的方法。     

农用车发动机扭转振动浅析

建立了农用车发动机轴系扭转振动模型,分析了发动机的转动惯量与扭转刚度,建立了发动机曲轴扭转振动的方程式,分析了农用车用发动机产生扭转振动的原因,提出了发动机扭转振动消减的方法,对发动机的设计和使用有一定的参考价值。