基于神经网络的三电平逆变器故障诊断研究

本文在分析三电平逆变器主电路的故障类型基础上,利用BP神经网络设计三电平逆变器故障诊断方法 ,即采用三层BP网络对三电平逆变器的非典型故障进行诊断,设计并构建了三电平逆变器实验平台,在该平台上模拟三电平逆变器主电路功率开关管的各种故障,验证了基于BP神经网络的故障诊断方法的可行性和正确性。     

基于优化的BP神经网络柴油机燃料系故障诊断仿真研究

神经网络具有并行处理能力、自学习能力,自适应能力和可以逼近任意的非线性函数等特点,是解决非线性、多变量、不确定的复杂诊断问题的一条有效的途径,神经网络的这些特点使得它在故障谚断领域应用越来越广泛。本文利用LM改进学习算法训练所建立的BP神经网络,然后利用训练好的神经网络进行柴油机故障诊断,得出诊断结果,使故障诊断具有人工智能化。     

蚕茧质量无损检测方法的研究

提出了一种根据振动信号无损检测蚕茧质量的方法,介绍了对振动信号进行小波分解重构蚕蛹的随机振动信号,提取了与蚕蛹重量有关的特征值,利用模糊聚类的方法优选了特征值,然后建立了蚕茧质量无损检测的BP神经网络数学模型.试验证明该检测方法有效可行.     

基于BP神经网络的豆粕挤压膨化参数优化

利用挤压膨化生产大豆组织蛋白对于提高豆粕的附加值和利用率具有重要意义。以单螺杆挤压膨化机为试验设备对豆粕进行膨化试验,运用正交试验方法研究了豆粕含水率、膨化机螺杆转速和机筒温度对豆粕膨化指数的影响。运用BP(Back Propagation)神经网络对试验数据进行训练和模拟,建立了豆粕的BP神经网络仿真模型,并与实测值进行对比。结果表明,利用BP神经网络建立的模型仿真结果与实测值接近,能良好的反映工艺参数与膨化指数之间的复杂非线性关系,具有较好的预测性。     

基于智能双积分滑模控制的发动机指示扭矩估计

利用指示扭矩能够对发动机实施在线控制,进行故障诊断。首先,建立发动机非线性曲轴动力学模型;其次,将曲轴角度和瞬时转速作为控制器输入并进行微分运算;最后,利用BP神经网络对控制器参数进行在线自适应设计。仿真结果表明,在稳态工况下,设计的控制器对多缸发动机的指示扭矩能够精确地进行估计,其对参数扰动具有较好的鲁棒性,可以用于发动机的失火检测和故障诊断。     

基于神经网络集成的蚕茧干壳量无损检测方法研究

蚕茧无损检测中的核心问题是蚕茧干壳量的测定。利用虚拟仪器技术和神经网络集成技术研究了一种无损检测蚕茧干壳量的方法,并实现了数据采集和信号处理等功能。系统首先提取并选择蚕茧振动信号中与蚕蛹质量相关的特征值,再将选择的特征值训练BP神经网络和RBF神经网络,用训练得到的这两种类型网络作为神经网络集成的输入,以蚕蛹质量作为神经网络集成的输出。检测试验的结果表明该方法有效可行,最高检测准确率达到85.6%。     

基于BP神经网络的变压器内部故障保护

本文研究了基于BP神经网络方法的变压器内部故障保护。运用MATLAB/SUMILINK对变压器励磁涌流、励磁涌流与故障电流的差异进行了数字仿真。利用MATLAB的人工神经网络工具箱,建立了BP神经网络模型,对励磁涌流和故障电流的样本进行训练及测试并对训练好的网络进行验证。表明BP神经网络可以较为正确地区分励磁涌流和故障电流,用于变压器内部故障保护。     

基于RBF神经网络的一回路核动力装置典型故障诊断

为提高核动力装置运行监测与诊断的能力,文中提出了基于RBF神经网络的核动力装置故障诊断方法。通过对核动力装置的一些典型故障特性进行分析,选取了适当的训练样本,并训练通过MATLAB所建立的神经网络模型,验证神经网络的可行性。结果表明,RBF神经网络成功地诊断出了故障,具有良好的诊断效果。     

基于PCA-BP神经网络的羊肉价格预测研究

价格波动受到多种因素的影响,准确的价格预测对市场稳定具有重要的作用。为了更好地服务于市场经济,笔者选取苏尼特羊为研究对象,提出了基于PCA和BP神经网络结合的价格预测方法,首先对影响羊肉价格的指标数据进行PCA降维,选取主成分特征最大的因子为BP神经网络的输入层,羊肉价格作为输出层建立预测模型,将预测结果与已有的苏尼特羊肉价格进行比对验证。结果表明:与标准的BP神经网络相比,结合PCA降维的BP模型具有更小的拟合误差和更高的精度。     

基于近红外透射技术的乳制品成分含量检测

使用自行设计的近红外透射光谱仪系统,针对牛奶的蛋白质、脂肪和乳糖建立定量分析模型进行检测,利用Fisher分类方法和BP神经网络分类方法建立了针对酸奶品牌的分类模型。结果表明,上述两种方法都可以用于酸奶品牌和种类的分类检测,其中BP神经网络方法具有更高的准确性。