神经网络在梁的边界条件识别中的应用

针对常规的梁的边界条件识别方法的不足，本文提出了利用神经网络网络来实现梁的边界条件识别     

基于模态曲率改变率与神经网络的桥梁损伤识别

将模态曲率改变率和BP神经网络理论相结合,提出了桥梁结构损伤识别的新方法,据此识别结构损伤位置和损伤程度,并以一简支梁结构和一座连续梁桥为例进行了损伤识别.计算结果表明,该方法可以获得令人满意的识别精度.在结构参数化有限元模型存在误差的情况下,该方法仍然可以获得较好的识别效果,可应用于复杂桥梁结构体系的损伤识别.     

混凝土梁板类构件边界条件识别与研究

采用动力学方法进行结构损伤诊断和参数识别时,结构的边界条件对其动力性能有较大的影响,为模拟实验条件,提出了合理的假定,并在此基础上,分析采用牛顿法和遗传算法对混凝土梁板类构件的边界参数进行了识别,正确地描述了边界条件,最后比较了两种方法各自的优缺点。     

震后钢管混凝土结构损伤识别现状及展望

介绍了钢管混凝土结构损伤识别的研究现状,对现有文献中的损伤识别方法进行了评述,并对该领域在理论和实际应用中存在的问题进行了讨论,最后指出了震后钢管混凝土结构损伤识别研究的发展方向。     

用应变模态对混凝土结构进行损伤识别的研究

从理论上探讨了应变模态对混凝土结构进行损伤诊断的测试原理和方法，并通过混凝土框架试验结果分析，证明了应变模态较位移模态对结构的损伤更加敏感。     

基于BP神经网络的数字识别

介绍了字符识别的几种方法及神经网络的基本原理,并将BP神经网络应用于数字识别,选取最佳的隐含层节点数及训练样本个数,实现了基于BP神经网络的数字识别。仿真试验结果表明,BP神经网络可以对阿拉伯数字进行快速、准确的识别,具有广泛的应用前景。     

一种基于神经网络的结构参数识别方法

提出了一种基于神经网络的结构参数识别方法，该方法以残余力向量作为结构参数识别的网络输入。针对训练样本在数据空间分布不均匀的问题，采用ＧＳＬ变换对训练样本数据进行预处理。从而提高了网络收敛速度及参数识别精度。本文算例说明了方法的有效性。     

基于应变能和隶属度的结构损伤识别研究

为了解决测量噪声等引起的损伤识别结果不确定问题,提出了一种基于模态应变能和隶属度的损伤识别方法.首先描述了云模型的基本理论及其数字特征;然后给出了基于模态应变能的计算公式及其损伤指标,即模态应变能耗散率指标和模态应变能等效指标,并将两种指标作为云模型的相关参数;最后对逆向云发生器和云模型数字特征估计值进行了分析,并基于隶属度函数等量优化原则提出了一种应变能隶属云损伤识别方法,并利用了Udwadia方法来模拟产生随机试验测量数据,采用了多次测量产生的不确定数据进行了损伤识别研究.数值算例结果表明,提出的应变能隶属云方法可以较好地处理测量噪声引起的不确定问题,其对含噪数据的识别结果明显优于单纯的模态应变能耗散率指标和模态应变能等效指标.     

基于图和神经网络的数控加工特征识别

本文从当前特征识别方法中存在的问题出发,提出了一种基于图(属性邻接图)和神经网络的数控加工特征识别方法,结合属性邻接图实现对产品数据相关文件的预处理,并运用遗传算法,对BP神经网络进行了优化,希望能够为特征识别提供一种有效方法。     

基于神经网络的大麦病害识别研究

试验首先提取甘肃大麦病斑的颜色和纹理特征,以特征向量为输入向量来构造大麦病害神经网络分类器模型.然后利用神经网络对采集到的训练集病害图像进行分类模型训练,最后以随机选取的两组测试图像进行了分类试验.结果表明:大麦病害神经网络分类器模型对甘肃大麦病害的整体识别正确率达到86.7%以上.因而,基于神经网络的大麦病害图像识别研究为大麦田间病害归类诊治提供了新型技术,为西北特别是甘肃大麦病害的早期诊断与科学防治奠定了技术基础.     

基于FTA与BAM神经网络融合的飞机故障诊断方法

飞机由大量彼此关联的组件组合而成,其大规模特性使得基于故障树（FTA）和基于神经网络的故障诊断方法在应用于其故障诊断时分别存在空间爆炸问题和训练样本整理困难问题.本文融合故障树和BAM神经网络,由故障树归纳出系统所有的故障模式,整理出BAM神经网络所需的具有规范性、独立性、正交性的训练样本, 然后用BAM神经网络实现飞机故障的快速和准确诊断.实验评估结果表明,融合方法有良好的可扩展性,而且故障判别率提升了20%.     

人工神经网络技术在机械故障诊断中的应用探讨

阐述了人工神经网络模型的一般结构和算法，并设计了机械故障诊断神经网络的模型和学习过程。通过对集材-50拖拉机变速箱的实验诊断和测试，结果表明人工神经网络技术可以快速、准确地诊断出机械故障类型。     

模拟电路故障诊断的开关电流神经网络方法

以等效电源为变量，构造了线性模拟电路故障诊断的优化神经网络，基于罚函数方法提出了开关电流神经优化求解器，并给出实例，由Ｐｓｐｉｃｅ验证其可行性。     

基于不变矩和神经网络的常用电气符号自动识别方法研究

工程图纸中电气符号的自动识别是实现电气工程图纸矢量化的基础。提出了提取工程图纸中电气符号的不变特征。把不变特征值输入神经网络进行训练，得到神经网络模型识别旋转、平移、缩放电气元件图元的方法。实验结果表明：所建立的网络模型具有较好的性能。将此方法用于工程图纸的矢量化处理过程，只需识别出电力工程图纸中各个符号的类型，避免了图纸矢量化过程中的跟踪和拟合的过程，因此优化了矢量化流程。     

基于多重分形和LVQ神经网络的小麦病害智能识别

针对不同小麦病害有不同的形状特征,利用多重分形分析提取小麦病害图像的8个多重分形谱值作为小麦病害的形状特征参数,并利用这8个特征参数来索引图像数据库作为学习向量量化(LVQ)神经网络的输入,进行样本训练、分类识别.试验结果表明,该算法对小麦病害的识别率可达90.0％以上.     

基于正交基函数对向传播过程神经网络的语音识别方法

针对特定人孤立词识别任务,传统的语音识别系统中构造的神经网络模型主要采用BP神经网络和径向基函数网络,为了解决这两种神经网络构造下的语音识别系统对训练样本需求量较大和识别率较低问题,提出了一种基于正交基函数展开的混合学习算法,并应用于语音识别中,同时与传统的BP神经网络、径向基函数网络进行了比较.仿真结果表明,采用对向...     

基于BPNN的非线性电阻网络故障诊断方法研究

针对非线性电阻网络，提出了一种规范式分段线性化求多值解，并采用BPNN对非线性电阻网络硬故障进行诊断的方法，克服了一般方法对非线性电阻网络硬故障诊断时易存在的漏诊问题。