BP神经网络在水质评价中的应用

为了研究BP神经网络在水质评价中的应用，根据人工神经网络的原理，建立了项目综合评价网络模型，分析了BP网络学习规则，并以此对湖泊富营养化程度进行了分析评价，从而为防治水污染提供了科学依据，也为BP神经网络在水质评价中的应用提供了实例。     

基于自定义神经网络的EPS助力特性研究

对电动助力转向(EPS)系统的助力特性进行了分析,并利用搭建的自定义神经网络模型对助力特性曲线进行预描,在MATLAB中得到的仿真结果是一组非常理想的助力曲线。这表明该自定义网络能有效预测EPS的助力特性,同时也为后期的回正控制策略研究提供了思路。     

基于神经网络的番茄栽培管理专家系统

针对专家系统开发过程中存在的问题，利用神经网络的学习功能、记忆功能和并行处理的优势，提出了用神经网络建立专家系统的方法；构造了神经网络专家系统的基本框架；并详细阐述了神经网络专家系统的设计过程及BP神经网络的改进算法。     

挑流泄洪雾化的人工神经网络模型

以BP神经网络为基础，研究建立了挑流泄洪雾化神经网络模型，并用网络模型模拟了漫湾水电站的泄洪雾化。通过比较表明，人工神经网络在挑流泄洪雾化研究中是可行的，并具有明显的优势。     

基于模糊神经网络的农村电力短期负荷预测

为提高负荷预测精度,提出了一种新的模糊神经网络短期负荷预测模型。该模型将模糊系统和神经网络的优点融合在一起,并利用小生境遗传算法优化模糊神经网络参数,提升网络运算性能。某农村地区电力短期负荷预测的计算结果表明,该方法具有较好的预测效果。     

油气减振器非线性特性的神经网络识别研究

利用神经网络的非线性逼近能力，设计了用于识别油气减振器非线性特性的结构化神经网络模型，并介绍了该模型的具体应用方法，即利用试验数据组成学习样本，对网络模型进行训练，识别出其非线性特性。识别结果表明，结构化神经网络可有效地识别油气减振器的非线性特性。     

冷冻干燥过程的神经网络预测模型

建立了BP神经网络模型来预测冷冻干燥过程特性，并对BP网络模型的构建方法和模型参数进行了研究。结果表明，采用BP神经网络模型预测冷冻干燥过程特性，具有易实施和预测精度高的特点。     

混合遗传神经网络在边坡稳定性评

将改进的遗传算法与BP神经网络相结合，分析了边坡稳定性的影响因素，建立边破稳定性评价的神经网络模型。分别用改进的遗传算法和自适应BP算法对网络权值进行全局优化和局部二次优化。选用边坡实例对网络进行训练检验，结果表明，混合遗传神经网络提高了训练速度和泛化能力，对边坡稳定性分析有较好的适用性，为边坡稳定性评价提供了依据。     

基于RBF神经网络的拖拉机齿轮箱故障诊断

拖拉机作为一种动力机械被广泛应用于工农业生产,拖拉机结构比较复杂,故障种类繁多,本文针对拖拉机齿轮箱故障问题提出了一种基于径向基神经网络诊断方法。在MATLAB中,调用RBF软件包,选取网络设计函数为newrbe,网络输入变量为15维,将齿轮故障分为无故障、齿根裂纹、断齿三种模式,并作为网络的输出。利用训练样本集,对网络进行训练,用测试样本集对网络进测试,通过测试结果分析表明故障诊断无误,这说明了RBF神经网络对齿轮箱故障诊断的有效性。     

基于人工神经网络技术的蔬菜施肥决策研究

阐述神经网络的概念和特点，着重介绍BP神经网络并在Maflab环境下建立基于BP神经网络的施肥模型，以土壤养分（氮、磷、钾)和实际产量为模型输入，以氮肥、磷肥和钾肥的施用量为模型数输出．进行网络训练，直至获得满意的施肥模型。结合投入产出物的价格对模型功能进行扩展，按利润最大化目标进行施肥决策。     

基于频谱分析的压缩机故障诊断

文章主要介绍了采用频谱分析法来进行故障诊断的方法,基于BP神经网络理论,在提取故障信号特征集作为训练样本的基础上,构建了三层BP神经网络,完成了压缩机故障诊断系统,且通过实例证明了该系统的有效性和准确性。     

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。     

Kohonen网络故障诊断方法及试验

根据Kohonen神经网络诊断的工作原理、诊断特征，提出了渔船轴系模拟试验台的系统结构和振动监测方法，并通过自行开发的数据采集系统和诊断软件，对故障特征矢量进行识别和诊断。模拟试验证明了Kohonen网络对轴系故障诊断的有效性和准确性。     

基于小波神经网络的旋耕装置机械故障诊断研究

首先,介绍了小波变换原理及其在故障检测中的优势;然后,采用三层小波神经网络模型,构造了旋耕装置机械故障诊断模型;最后,从建立旋耕装置故障特征、提取故障特征向量,以及建立和训练小波神经网络模型等方面,实现了基于小波神经网络的旋耕装置机械故障诊断模型,能够实时完成对旋耕装置的机械故障诊断。通过验证与分析,证明了诊断系统的可行性和精确性。     

基于粗糙集和神经网络在小麦病害诊断中的应用

针对小麦病害诊断过程的复杂性以及处理信息的不确定性,综合了粗糙集理论与BP神经网络的各自优势,构建了小麦病害诊断模型。首先是对连续的样本数据进行离散化,主要采用差别矩阵计算方法进行启发式知识约简,得到最小简化规则,然后把约简结果作为BP神经网络的输入结点。实验结果表明,采用该方法不仅优化了神经网络的拓扑结构,还降低了神经网络的训练时间,同时大大提高了学习速度和故障诊断的准确率。     

基于RBF神经网络的农用柴油机故障诊断研究

柴油机以其良好的动力性、可靠性、经济性在农用机械中广泛应用,但对农用柴油机施行及时的不解体故障诊断却并非易事。为此,以配气机构故障为例,提出了将小波包分解与RBF神经网络结合的故障诊断方法,对降噪后的气缸盖振动信号进行小波包分解,构造故障特征向量作为故障样本,并用训练好的RBF神经网络进行模式识别。试验结果证明,该方法具有良好的诊断效果和广泛的工程应用前景。     

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。     

小波神经网络故障诊断系统的设计与应用

采用能量分布特征提取方法和优化BP算法，提出了一种基于小波变换和BP神经网络的故障诊断系统。利用该系统对汽车变速箱三挡齿轮磨损程度进行估计，诊断结果与实际完全吻合，表明该小波神经网络故障诊断系统的有效性。由于小波分析特别适用于非平稳信号的处理，因此该小波神经网络诊断系统对复杂机械设备的故障诊断有着广阔的应用前景。     

液压系统故障诊断的高阶统计量-模糊神经网络法

利用高阶统计量-模糊神经网络方法对液压系统故障进行诊断，解决低信噪比故障特征信号下的故障诊断问题。介绍了高阶统计量和模糊神经网络的基本原理，阐述了利用高阶统计量-模糊神经网络诊断液压系统故障的方法，给出了以阀控液压缸系统为研究对象的诊断实例。试验结果表明，利用该方法对液压系统进行故障诊断可以有效地提高故障特征信号的信噪比，提高液压系统故障诊断的准确性和诊断效率。     

基于改进BP神经网络的黑龙江农机总动力预测

BP神经网络在人工神经网络中起着至关重要的作用,通过分析标准BP神经网络的基本算法,指出标准BP算法的一些不足,并针对这些不足提出了以一种以相对误差作为误差传递信号的新的改进方法。经试验证明:该方法大大提高了BP神经网络预测结果的精度,同时这种新的改进思想也可以结合其他改进方法一起应用,以更大程度上地提高BP神经网络的运算速度和预测精度。