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．     

遗传小波神经网络在模拟电路故障诊断中的应用

提出一种基于遗传算法(Genetic Algorithm, GA)、小波变换及神经网络(NN)的模拟电路故障诊断方法.该方法将小波基作为神经网络的传递函数,利用遗传算法优化神经网络的结构和权值,从而避免了BP神经网络结构设计的盲目性和局部最优等问题,大大减少了网络训练时间.利用该方法对模拟电路进行故障诊断有利于提高诊断的智能性及识别故障类别的能力,提高诊断的精度与速度.实例诊断结果表明文中所提方法是可行的.     

基于粒子群神经网络模型反演玉米、小麦叶面积指数

基于高分1号遥感影像,分别采用粒子群神经网络模型、神经网络模型和植被指数回归模型3种方法,反演廊坊市玉米、小麦叶面积指数(LAI)。结果表明,粒子群神经网络模型反演玉米、小麦LAI的精度要高于其他方法,其模型的决定系数R²均高于0.9,均方根误差均低于0.196,可满足反演精度的要求。本研究提出的基于高分1号影像的粒子群神经网络模型反演玉米和小麦LAI的方法具有一定的普适性。     

基于小波广义回归神经网络的粮食产量预测模型

将小波分析与广义回归神经网络(GRNN)相融合,构建了一种小波广义回归神经网络(WGRNN)模型。该模型应用于我国粮食总产量预测,其预测结果在精度上均优于单一的GRNN预测模型和GM(1,1)灰色预测模型,既具有神经网络非线性逼近能力和自学习能力的特性,又具有小波在时、频两域表征局部特征的功能,可为粮食产量预测的定量化和智能化提供一条新途径。     

RBF神经网络在线学习方式及其在大坝位移监测中的应用

针对目前RBF神经网络训练算法存在的问题,提出了一种模拟人类学习方式的自动调整隐层节点数的在线训练方法,对其理论依据进行了分析,并用实例对其进行了验证。结果表明,此种学习方法速度快、拟合精度高、新旧知识均可记忆,克服了以往算法的不足,具有很大的实用性。     

小波神经网络在玉米营养品质鉴定中的应用

玉米是生态农业的关键农作物之一,富含蛋白质、纤维素、脂肪等物质,为实现优质玉米的培养,需要对玉米营养品质进行快速鉴定。同时,针对同一品种的玉米对不同频率的光会产生不同光谱响应数据的特点,为实现利用光谱建模快速鉴定玉米营养品质的目的,提出了基于BP神经网络的平均影响值(BP_MIV)光谱因子筛选方法。利用BP_MIV法筛选出对玉米营养品质贡献率大的波长对应的光谱响应数据列,同时由于光谱测量过程中受到试验环境、仪器参数配置、光散射效应等因素的影响,光谱响应数据中除包含玉米样品营养品质含量的信息外,同时还存在各种噪音干扰,因此,对该响应数据进行小波去噪处理,最后建立优选波长因子下的小波神经网络玉米营养品质鉴定预报模型。结果表明,筛选出的波长因子能较好地代表众多光谱因子,对玉米蛋白质的预报精度较传统的统计方法要高。     

BP神经网络在需水预测中的应用

阐述BP神经网络的计算步骤及其改进方法。将BP神经网络模型应用到抚顺市需水预测的实例研究中,通过实例的结果来验证该方法的精度。实例证明该方法具有较大的研究潜力,需要进一步深入研究解决现有问题提高其实用性。     

基于小波消噪的时序分析改进法在GPS变形监测中的应用

考虑到小波技术在粗差探测、消噪方面有特殊的作用,本文结合实际算例,把小波分析与传统数据处理技术结合作为研究对象,提出一种基于小波消噪的时序分析改进法.并对这种处理方法在GPS监测中的应用作了充分地论证.结果表明,经过小波处理后,时序分析法在预报方面有明显的进步,小波处理后的时序分析法比小波处理前的精度高,从而说明了这种改进方法的可行性.     

BP神经网络在湖泊水质评价中的应用研究

研究了用于湖泊水质富营养化评价的人工神经网络BP模型的结构和学习算法,用训练好的BP网 络模型对荆州市长湖关咀段的水质富营养化状态进行了分类评价。结果显示,与综合营养状态指数法等 相比,人工神经网络法是一种有效和实用的环境质量评价方法;认为长湖关咀段水质污染严重,急待采 取措施治理。     

BP神经网络在湖泊水质评价中的应用研究

研究了用于湖泊水质富营养化评价的人工神经网络BP模型的结构和学习算法,用训练好的BP网络模型对荆州市长湖关咀段的水质富营养化状态进行了分类评价.结果显示,与综合营养状态指数法等相比,人工神经网络法是一种有效和实用的环境质量评价方法;认为长湖关咀段水质污染严重,急待采取措施治理.     

基于小波神经网络的视频图像恢复

对于视频图像序列中的部分退化帧的恢复,提出利用清晰的相邻帧数据恢复得到背景信息,然后采用小波神经网络来逼近,求出退化图像背景恢复到原始图像背景的非线性影射关系,从而由退化帧恢复得到原始图像比较清晰的前景对象和背景边缘信息。该小波神经网络模型既考虑了相邻帧的信息,也利用了退化帧本身的数据。对比试验证明了本方案具有较好的恢复效果。     

考虑桩土共同工作的桩基承台梁内力分析

针对梁下土体和基桩刚度对承台梁内力的影响进行研究，采用分层荷载传递法进行基桩刚度计算，建立起考虑桩土共同工作的承台梁内力计算理论，就理论与实际的差异，提出用水平割线法对基底反力进行调整，并以纽玛克数值计算法为计算基础开发出相应的计算软件。     

基于小波神经元网络模型的网损预测方法研究

提出了一种电力系统网损预测的新算法-小波神经元网络预测模型，它以非线性小波基为神经元函数，通过优化伸缩因子和平移因子确定对应务神经元的小波基函数，从而合成小波神经元网络，达到全局最优的拟合效果，克服了普通人工神经元网络学习速度慢、难以确定网络结构、存在局部极小点等方面的缺点，仿真结果表明，该方法准确，并可使学习速度大大提高。     

CFG桩和夯实水泥土桩复合地基在饱和软土地基工程中的应用

介绍了CFG桩和夯实水泥土桩联合复合地基的特点,论述了复合地基方案选择、地基设计和施工技术,并使用该复合地基处理饱和软土地基工程。现场施工检验结果表明,本项目具有很好的地基加固效果和经济效益。     

洞庭湖水体水质状况及运用小波神经网络对营养状态的评价

根据近年洞庭湖水质监测数据，考虑TN，TP，COD等参数具体分析了目前洞庭湖的水质状况及变化趋势：不管是平水期还是枯水期，水体的水质状况都较差，营养水平较高；枯水期水体的水质状况呈现恶化趋势．通过深入探讨洞庭湖区水质恶化的原因，运用小波神经网络评价洞庭湖各监测点附近区域的营养状况，结果表明，目前洞庭湖的大部分区域已达到富营养化水平．由于洞庭湖周边有很多重要的生态保护区，因此洞庭湖的富营养化问题已不容忽视．最后针对洞庭湖的富营养化问题提出了相应的对策。     

基于小波神经网络的变压器PD故障诊断模型的研究

为了更好地提取ＰＤ的特征信息,结合小波变换和神经网络的优点,提出了一种基于小波神经网络变压器ＰＤ故障诊断模型,并对特征向量的选取和网络功能进行了介绍。     

时滞反馈及轴力作用下弹性梁的非线性振动

基于时滞反馈控制策略及Euler-Bernoulli梁理论,建立了轴力作用下弹性支座压电耦合梁的非线性动力学模型.通过模态分析和线性稳定性分析,得到了压电耦合作用时滞反馈条件下的系统稳定性条件.采用Galerkin方法和非线性振动的多尺度法,从理论上推导出时滞动力系统的分岔响应.结果表明,对于某一确定的时滞,控制增益的变化可能会导致周期运动、拟周期运动以及混沌运动.     

响应面法和 BP 神经网络在烟叶拉力测定中的应用

【目的】烟叶拉力是烟叶物理特性之一,反映烟叶的耐加工性,对烟叶拉力特性进行研究可为烟叶打叶复烤参数设置提供参考,进一步提高烟叶加工的经济效益。【方法】为提高质构仪测定烟叶拉力的稳定性和准确性,利用 Box-Behnken 原理设计三因素三水平参数,应用响应面法分析各参数对结果变异系数的影响,得到烟叶拉力测定的最优参数组合。研究含水率对烟叶拉力的影响,进一步建立烟叶含水率 X- 拉力 Y 的 BP 神经网络预测模型。【结果】响应面法分析结果显示,拉力变异系数受样品宽度的影响极显著,受测试速率影响显著,受触发力影响不明显,拉力测定的最优参数组合为样品宽度 10 mm、测试速率 0.5 mm/s、触发力 0.1 N,以此参数测定拉力的变异系数显著下降为 13.8%。烟叶的抗张强度随含水率的增大呈先增大后减小趋势,景东 C3F 含水率为 18.41% 时的抗张强度最大、为 0.456 N/mm,景东 C1F 含水率为 18.46% 时抗张强度仅为 0.288 N/mm;红河 C3F、普洱 C3F 含水率分别为 20.64%、18.47% 时的最大抗张强度分别为 0.447、0.310 N/mm;不同地区、等级烟叶的拉力存在差异。建立的烟叶含水率 X- 拉力 Y BP 神经网络预测模型,预测值与真实值吻合度较高,均方误差 MSE 为 0.04761,均方根误差 RMSE 为 0.2182。【结论】响应面分析法可用于分析烟叶拉力测定参数对结果的影响,优化后的结果稳定性提高;不同地区、等级烟叶的拉力差异显著,并且随含水率增大呈先增大后减小变化,可根据该规律选择合适的含水率,使烟叶耐加工性最佳;建立的 BP 神经网络模型的预测值误差较小、精度较好,可用于对烟叶拉力的预测。     

神经网络在木材干燥过程中建模的应用

针对木材干燥过程的非线性特性,以及环境因素对木材干燥过程的干扰,造成木材干燥建模困难的问题,通过对神经网络的非线性、并行结构,学习、推理和多变量处理能力的研究,以干燥窑的加热阀开度、喷湿阀开度、排潮阀开度3个控制信号作为输入量,以窑内温度、湿度2个量作为输出量,利用时延神经网络和动态递归神经网络分别建立了木材干燥过程中的温湿度控制模型和木材干燥基准模型.并通过干燥实验进行网络训练和测试.结果表明:时延神经网络建立的木材干燥温湿度模型和干燥基准模型比动态递归神经网络的误差小、网络输出接近于真实值,能够较好的逼近实际系统.