小麦腥黑穗病害的模式识别诊断方法研究

针对小麦腥黑穗病害的形状和纹理特征选取了最有利于病害分类的6个特征参数,并分别利用最小距离法、BP神经网络和支持向量机3种模式识别方法实现了对小麦腥黑穗病害的诊断研究。对包括小麦网腥黑穗病、小麦印度腥黑穗病以及小麦矮腥黑穗病共48个孢子病害图像进行了分类诊断实验。实验表明,支持向量机法对小麦腥黑穗病的分类识别能力优于最小距离法和BP神经网络,当核函数是Sigmoid时,支持向量机法性能最优,总体识别率达到93.9%。     

基于改进粒子群优化BP网络的发动机故障诊断方法

使用BP神经网络进行故障诊断过程中,随着输入变量的增加会造成维数灾难,导致训练效率不高,而且易陷入局部极小的问题。基于粗糙集的约简是常用的降低维数的方法,但约简是NP问题,随着信息量增多计算量会随之剧增;本文采用基于属性重要度的启发式值约简算法进行属性约简,建立了一种模糊信息知识发现方法结合粒子群优化BP网络的故障诊断方法。通过实验表明此方法不仅能有效获取规则,降低网络的输入维数,还能有效避免陷入局部极小,从而提高故障诊断的效率。     

基于改进BP神经网络的大豆病害检测

大豆病害诊断是有效防治的先决条件。为此,针对传统BP神经网络在处理高维大豆病害数据时存在的时间复杂度高、诊断准确率低以及误差收敛缓慢且容易出现震荡现象的问题,提出了一种改进方法。该方法首先对高维大豆病害数据进行特征选择,去除"贡献"较小的特征,实现数据降维;然后,对传统BP算法进行改进,根据输出误差动态调整学习速率,并使用改进后的算法建立大豆病害检测模型。经实验测试,该方法在大豆病害诊断测试中准确率达96%以上,且各项统计指标、误差收敛速度及平稳性均优于传统BP神经网络,证明了其可靠性和高效性。     

苹果病害智能诊断方法研究与设计

针对传统苹果专家病害诊断系统自学习能力差、准确率低的不足,研究并设计了人工神经网络的苹果病害诊断方法.采用动态编码对苹果病害模糊知识进行量化,构建BP网络诊断模型进行诊断;采用Java语言开发基于Web的病害动态诊断平台,用白水苹果病害样本进行了实验.该方法对20种苹果病害的诊断具有较好的效果,测试准确率达到85.4%.在获得必要领域知识的前提下,用神经网络进行苹果病害诊断准确率高,系统设计灵活,基于Web的诊断平台便于推广和使用.     

基于动态集成的黄瓜叶部病害识别方法

对作物病害类型的准确识别是病害防治的前提。为提高病害识别的准确度,以黄瓜叶部病害识别为例,提出一种基于动态集成的作物叶部病害种类的识别方法。首先利用图像分块策略提取病害图像的75维颜色统计特征,然后采用不一致度量方法对构建的10个BP神经网络单分类器进行差异性度量,并按照差异性大小进行排序,最后根据分类器的可信度,动态选择差异性大的分类器子集对病害图像进行集成识别。在由512幅白粉病、霜霉病、灰霉病和正常叶片4类黄瓜叶片组织图像构成的测试集上,所提方法的识别错误率为3.32%,分别比BP神经网络、SVM、Bagging、Ada Boost算法降低了1.37个百分点、1.56个百分点、1.76个百分点、0.78个百分点。试验结果表明:所提方法能够实现黄瓜叶部病害种类的准确识别,可为其它作物病害的识别提供借鉴。     

液压机械无级变速箱换段液压故障诊断的BP方法

提出一种针对液压机械无级变速箱离合器液压系统的故障诊断方法。首先,试验得到87组压力数据并进行数据预处理;而后,通过随机抽取的方法得到训练样本集与测试样本集,基于BP神经网络对训练样本集进行训练并得到故障判别模型,使用该模型对随机样本集进行分类测试;最后,基于神经网络特征选择方法对所得分类模型进行属性约简,并对BP神经网络的多值分类作了比较研究。结果显示:BP二值分类方法对正常及4种典型故障模式的平均识别率分别为98.89%、99.78%、99.78%、99.11%、99.78%;BP多值分类方法对5种典型油路状态模式的平均识别率分别为97.11%、99.78%、99.33%、99.56%、100%;正常模式、活塞卡住、密封圈损坏、油道阻塞与密封不严分别可约简3、4、3、3、3个样本属性。该结果表明:换段期间的油压波动与各故障模式之间存在特异性关联,可通过BP网络方法进行模式分类,但该方法对于组合故障判别无效,还有待进一步研究。     

基于计算机控制的智能灌溉系统优化研究

为了实现小麦供水量精确控制,优化整合BP神经网络和模糊控制,设计了智能灌溉系统,并基于BP神经网络设计小麦需水量预测系统。整个神经系统为3层结构,以温度、土壤湿度、风速和光照强度作为系统输入,理论计算得到的小麦需水量为预测期望值,训练该神经网络。基于模糊控制设计浇灌控制系统,以神经网络小麦需水量预测值和实际土壤含水量的差值e及其变化率ec作为控制系统输入,以浇灌时间作为系统输出,对神经网络需水量预测精度进行测试,相对偏差分布区间为[1.65%, 7%]。对灌溉系统进行测试,相对偏差分布区间为[0.02%, 0.38%]。     

基于拉曼光谱的稻叶瘟病害程度划分研究

随着植保变量喷施作业机械的研究和应用,急需一种高效的病害程度识别技术。为此,针对水稻稻叶病运用拉曼光谱仪采集正常及受病害叶片的光谱特性,通过绘制折线图及受试者工作特征曲线进行水稻受病害程度分析,并运用动量因子BP神经网络优化算法,建立了寒地水稻稻叶瘟的病害程度检测模型。结果表明:优化的BP神经网络算法网络预测集的均方误差为0. 002 409 6、相关系数为0. 998 2。该方法可以较好地区分水稻正常叶片、稻叶瘟重度和轻度叶片,是一种高效的病害程度识别技术。     

基于CNN的小麦籽粒完整性图像检测系统

为了快速、准确识别小麦籽粒的完整粒和破损粒,设计了基于卷积神经网络(CNN)的小麦籽粒完整性图像检测系统,并成功应用于实际检测中。采集完整粒和破损粒两类小麦籽粒图像,对图像进行分割、滤波等处理后,建立单粒小麦的图像数据库和形态特征数据库。采用LeNet-5、AlexNet、VGG-16和ResNet-34等4种典型卷积神经网络建立小麦籽粒完整性识别模型,并与SVM和BP神经网络所建模型进行对比。结果表明,SVM和BP神经网络所建模型的验证集识别准确率最高为92. 25%; 4种卷积神经网络模型明显优于两种传统模型,其中,识别性能最佳的AlexNet的测试集识别准确率为98. 02%,识别速率为0. 827 ms/粒。基于AlexNet模型设计了小麦籽粒完整性图像检测系统,检测结果显示,100粒小麦的检测时间为26. 3 s,其中,图像采集过程平均用时21. 2 s,图像处理与识别过程平均用时为5. 1 s,平均识别准确率为96. 67%。     

粗糙神经网络在农业病虫害诊断中的应用

结合粗糙集理论和神经网络在信息处理方面的优势,构建了基于粗糙集理论和人工神经网络相结合的农业病虫害诊断方法的模型;建立了粗糙BP神经网络模型用于诊断推理,引入附加动量法和自适应学习速率法对传统BP神经网络算法进行改进,有效提高了平台的运行效率.同时,以葡萄病害诊断为例,对模型功能以及性能进行检验,结果表明:所建模型与葡萄病虫害诊断专家系统的诊断结果一致,具有较高的实用性、通用性和灵活性.     

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神经网络与GIS可视化的作物需水量预测

作物需水量是农田水利工程规划、设计与灌溉用水管理的重要参数。基于BP神经网络与GIS可视化作物需水量预测,以河南省冬小麦的作物需水量为例,利用实测站点的地理坐标以及高程,通过BP神经网络对分析数据进行加密插值,并采用GIS里的协克里金法结合高程作为一个协变量进行作物需水量的空间插值,实现GIS可视化,从而得到准确度较高的作物需水量空间分布图。结果表明,该方法对于河南省冬小麦作物需水量预测具有较好的预测精度,方法有一定的参考价值。     

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。     

BP神经网络的春小麦作物水模型的初步研究

用内蒙古河套灌区春小麦非充分灌溉试验资料 ,建立了 BP神经网络的春小麦作物水模型。经模拟分析认为该模型能正确表达春小麦的产量与水分的关系并有某些独特的优点。与当地拟合效果较好的Minhas模型的比较表明 ,二个模型所表达的春小麦各生育阶段对水分的敏感性一致 ,产量预测结果接近。初步说明 BP神经网络方法是一种可用于作物水模型新的模拟方法     

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SPA-SSA-BP的小麦秸秆含水率检测模型

为提高基于电容法的小麦秸秆含水率检测模型的检测精度,扩大含水率检测范围,提高模型适应性,本文以小麦秸秆为研究对象,使用LCR数字电桥,测量含水率为10.43％ ～25.89％的秸秆在频率0.05 ～ 100 kHz、容积密度90.03 ～179.42 kg/m3和温度25 ～40℃内的电容,利用连续投影法(Succes...     

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。     

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.     

基于PCA-BP神经网络的齿轮故障诊断分析

介绍了基于主元分析(PCA)理论改进后的BP神经网络在拖拉机齿轮故障诊断中的应用;试验中以齿轮振动信号的频域特征为神经网络输入,齿轮的主要故障模式为神经网络的输出,发现训练过的神经网络能很好的满足齿轮故障诊断的要求。