基于神经网络的径向滑动轴承润滑膜特性参数计算方法

对神经网络在机械设计中的应用进行了有益的尝试 ,提出用神经网络计算有限长全周径向滑动轴承润滑膜特性参数的新方法 .与常规方法相比较 ,该方法是正确可行的     

滑动动轴承量小油膜厚度的模糊优化设计

根据模糊数学优化概念和方法，提出了滑动轴承润滑的模糊优化设计方法，给出了滑动轴承最小油膜厚度的求解方法，并给出了实例。     

基于Matlab有限长液体动压滑动轴承压力分布的一种近似解法

采用近似方法模拟径向滑动轴承压力场分布。在轴承径向和周向以三角函数为基函数构造压力P的二维三角级数形式；应用迦辽金法，建立关于系数αij的线性非齐次代数方程组；采用Matlab软件解此方程组，得到各系数，进而得到近似油膜压力分布函数p（φ，z）。计算出各点压力值，绘制压力分布图像。     

计入热效应下的椭圆轴承动态特性计算

利用有限元法，通过联立求解动压润滑轴承中的二维Ｒｅｙｎｏｌｄｓ方程，三维能量方程和粘温方程，对高速轻载工作条件的椭圆轴承的静动态特性进行了计算，并与Ｇｌｉｅｎｉｃｋｅ实验结果进行了比较，结果表明：计入热效应下的静动态特性与实验结果更为接近，从而说明，对于高速轻载下工作的椭圆轴承，热效应是一个不可忽略的主要因素。     

多油楔轴承动态特性的有限元分析

应用有限元法，求解动压润滑轴承中二维雷诺方程，计算了具有轴向油槽的双油楔，三油楔和四油楔径向轴承的刚度和阻尼系数，求解中对雷诺方程的计算只进行一次求解，而不需要进行八次求解即可达到预定的精度，计算结果与实验结果进行了比较，两者吻合较好。     

遗传算法与模拟退火算法在神经网络优化中的性能分析

神经网络有以任意精度逼近未知函数的能力，所以被广泛应用于各种领域中。目前广泛应用于神经网络优化的方法是反向传播（BackPropagation，BP），但是BP的全局搜索能力很有限，而全局搜索方法是神经网络优化问题很有潜力的办法。文中研究了两种全局优化算法：遗传算法（GeneticAlgorithm，GA）和模拟退炎（Simu-lated Annealing，SA），并且比较了它们在神经网络优化中的性能。     

基于神经网络的木材生长轮密度预测模型

应用神经网络方法，进行木材材性指标生长轮密度的预测。建立了木材生长轮密度的神经网络模型．拟合了木材生长轮密度的变异规律，对木材生长轮密度进行了预测，并与时间序列方法对比，说明了神经网络用于木材生长轮密度预测的优势。     

小波神经网络在模拟电路故障诊断中的应用研究

对模拟电路提出了一种基于小波与神经网络辅助式结合的故障诊断方法．该方法用小波变换作为模拟电路故障信号的预处理器，大大减少神经网络的输入数目，简化神经网络结构和减少它的训练时间，提高辨识故障能力．在介绍该故障诊断方法的基本原理后。给出了小波函数及故障特征选择的方法．     

基于遗传神经网络对FRP布加固混凝土柱承载力的预测研究

为了比较准确的预测应用FRP布加固混凝土柱的承载力，应用遗传神经网络来对加固后的混凝土柱承载力进行研究。该方法充分利用了神经网络与遗传算法的优点。预测结果表明，应用遗传神经网络方法对FRP布加固混凝土柱的承载力进行研究是可行的。     

BP神经网络在静力触探确定单桩承载力中的应用

运用BP神经网络建立了静力触探成果与单桩承载力的相关关系，并通过工程实例将BP神经网络预报值与线性回归数学模型、规范公式方法计算值进行对比，说明BP神经网络在利用静力触探成果确定单桩承载力中是一种行之有效的方法，具有精度高，信息处理智能化等特点，计算结果明显优于传统的线性回归数学模型和规范公式方法，具有较好的应用价值。     

基于Lasso和BP神经网络的组合预测及其应用——以居民消费支出预测为例

在变量选择的基础上，构建基于Lasso方法和BP神经网络的预测模型，并对我国城乡居民的消费支出进行预测，结果显示：基于Lasso方法和BP神经网络的组合预测精度要明显高于BP神经网络、Lasso方法的预测精度；在2014~2020年，我国农村居民消费增长率有所提升，城镇居民消费增长率减缓，城乡居民消费增长率之间的差距呈下降趋势，但短期内城乡居民消费差距依然难以缓和。     

六自由度转台的神经网络控制

针对六自由度转台单通道电液伺服系统的特点，探讨了一种神经网络PID控制方法，通过BP神经网络的线学习对被控对象进行辨识，采用单神经元调节PID参数，仿真表明该方法具有较好的控制效果。     

混凝土强度预测的混沌优化神经网络模型

BP神经网络方法由于综合考虑了高强度、高性能混凝土强度的各种影响因素，能够实现非线性关系，可以用于混凝土强度预测上。为克服传统BP网络收敛速度慢、易出现麻痹现象等不足，本文采用自适应变步长(ABPM)算法来改进的BP神经网络，提出了基于混沌优化的自适应变步长(ABPM)神经网络模型，并将其预测结果和训练效率进行了分析。该方法主要利用混沌运动的遍历性为梯度算法创造一个良好的搜索界面。仿真结果表明，混沌优化的ABPM神经网络用于混凝土强度的预测，方法简单可行，搜索速度快，预测结果可靠、精度高。     

基于色彩通道融合的火焰图像分割

提出了基于色彩通道融合的回转窑火焰图像分割方法，由彩色火焰图像的红绿通道、红蓝通和绿蓝通道构成三幅新的图像，分别从中提取训练样本集，对三个神经网络进行训练，神经网络收敛后，各自对相应的图像进行分割，会得到三种不同的结果，采用均值、中值、模糊逻辑和神经网络四种方法将其进行融合，会得到很高的分割准确率，实验结果表明该方法是可行的。     

航空发动机磨损故障的智能融合诊断

运用了4种最常用的滑油分析技术——铁谱分析、光谱分析、颗粒计数分析及理化指标分析，同时结合发动机试车台监测数据，提出了运用神经网络和D—S证据理论对发动机试车状态进行融合诊断的方法。首先依据各种分析方法的标准磨损界限值，将原始数据进行了预处理，转换成故障征兆的布尔值；其次，建立了各子神经网络的拓扑结构。并依据专家经验建立各子系统的输入征兆与故障论域的映射关系，由此获得了各子神经网络的训练样本，对各网络成功训练后。利用神经网络实现各子网络的诊断并得到了中间诊断结果；然后，将每种方法的神经网络诊断结果作为各故障模式的基本概率分配值，利用改进的D—S证据理论。实现了对神经网络诊断结果的融合，由此获得了最终的融合诊断结果，最后，通过算例证明了该方法的有效性。     

基于卷积神经网络的竹片颜色分类

竹片颜色分类是提高竹产品表面美观的重要工艺。提出了基于ResNet神经网络模型与AlexNet神经网络模型的竹片颜色分类方法，分别采用ResNet和AlexNet 2种神经网络进行竹片颜色分类，对比ResNet与AlexNet 2种神经网络的颜色分类准确率，并对改进后的ResNet神经网络模型进行了颜色分类验证。结果表明，AlexNet模型的颜色分类准确率为89.7%,优化后ResNet模型的颜色分类准确率为99.9%,颜色分类效果比AlexNet模型好。     

关于延长内燃机滑动轴承寿命的探讨

本文从修理、装配和使用的角度，结合有关理论，探讨了延长内燃机滑动轴承寿命的途径。     

基于小波包的频带能量特征提取及智能诊断

提出一种基于小波包和BRF神经网络的智能故障诊断方法。对滚动轴承故障信号进行小波包分解，选择合适的小波基函数和尺度，将故障信号分解到八个不同的频段上，提取这八个频段上的能量信息，组成特征问量，作为RBF神经网络的输入；建立RBF神经网络模型并进行训练，对三种滚动轴承故障信号进行智能分类与识别。实验结果表明这种智能诊断方法有效可行。     

卫星遥感图像的神经网络自由识别分类

介绍了神经网络卫星遥感图像自动识别分类的方法，并与最大似然法分类结果进行了比较，计算机实验结果表明，神经网络分类的精度和速度优于最大似然法分类．     

基于改进果蝇算法优化广义回归神经网络的绿色农产品消费行为预测

针对绿色农产品消费行为具有多变量非线性相互作用的特点，传统统计方法难以准确预测消费行为的问题，提出基于改进果蝇算法优化的广义回归神经网络消费行为预测模型。首先针对果蝇群搜索不均匀所导致果蝇飞行单一的问题，提出一种均匀的果蝇群搜索机制即扇形果蝇优化算法加快搜索能力和效率；其次针对广义回归神经网络的平滑因子易受人为选择的影响，提出改进果蝇算法优化广义回归神经网络参数，实现参数的自动化选择，提高模型的预测能力。运用提出的模型对绿色农产品消费行为预测。结果表明：相较于广义回归神经网络，遗传算法优化广义回归神经网络、粒子群算法优化广义回归神经网络、果蝇算法优化广义回归神经网络和改进果蝇算法优化广义回归神经网络模型在均方根误差指标上分别下降4.45%、1.89%、4.54%和5.03%,表明遗传算法、粒子群算法、果蝇算法和改进果蝇算法能够优化广义回归神经网络模型的平滑因子，提高模型的预测精度。从平均绝对误差、均方误差、均方根误差3个评价指标看，改进果蝇算法优化广义回归神经网络模型比其他6个单一预测模型具有更高预测精度。结果证明了改进果蝇算法优化广义回归神经网络模型在绿色农产品消费行为预测的有效性，...