神经网络在CAPP加工方法选择中的应用

机械零件加工方法的选择是工艺设计的基础,为了实现CAPP加工方法的合理选择,应用了神经网络的理论和方法,首先对零件基本特征分类编码,然后建立BP神经网络模型进行学习训练后,得出了CAPP加工方法选择的合理方案。该神经网络的各项误差指标均达到了满意的要求,充分说明了用BP神经网络模型求解CAPP加工方法的选择具有可靠性与优越性。     

BP和RBF神经网络在水轮机非线性特性拟合中的应用比较

利用神经网络对水轮机综合特性曲线进行数据处理和延伸,不必建立具体的函数关系表达式,就可对已知的离散数据进行拟合。并且还可以结合边界约束条件对未知区域内的数据进行预测,从而提高了水轮机综合特性曲线数据处理的工作效率和数据精度。分别介绍了用BP神经网络和RBF神经网络对水轮机综合特性曲线数据处理和延伸的方法。并采用一机组的样本数据进行训练,比较2种方法的训练结果得出结论。     

神经网络在柱塞泵故障诊断中的应用

神经网络算法在解决多参非线性问题中表现出极强的自适应能力,运用到泵故障检测上能找到故障特征值与对应故障之间的关系。把柱塞泵故障特征值作为BP神经网络的输入量,柱塞泵的故障特征作为输出量,并选择3层BP神经网络,其中隐含层包含10个中间节点。从仿真结果可看出所建立的BP神经网络模型能很好地诊断柱塞泵的故障类型,对柱塞泵维护有重要的意义。     

径向基神经网络在猪胴体瘦肉率预测中的应用

猪胴体瘦肉率(LMP)是评价猪肉品质的重要指标之一,在生产线上快速而准确地预测出其数值并进行分级是并不可少的。目前,国内大部分厂家依然采取屠宰后人工称重测量的方法,耗时耗力,且存在相当大的误差。为此,随机抽取了116头皖北地区商品猪,选定眼肌面积、背膘厚及腿臀比作为参考数据,以Mat Lab工具箱作为研究工具,利用BP、Elman和RBF等3种不同的神经网络建立预测模型,统计后进行比较分析。实验表明:3种模型的神经网络均可用于瘦肉率预测,但RBF网络误差最小,训练速度最快,学习能力最强,最适合用于建立瘦肉率的预测模型。     

BP神经网络在农业水资源评价中的应用

通过选定与农业用水量关系紧密的影响因素,作物产量、降雨量、非耕地耗水量和土地利用系数4个主要参数,建立了BP神经网络模型,并用模型预测了北方干旱地区一定农业生产水平下所需要的农业用水量值.此方法可以用来评价某地区农业水资源的富余程度,指导合理分配区域水资源.     

BP神经网络在日光温室湿度预测中的应用

在对冬季环境下典型北方日光温室环境因子实测数据进行分析的基础上,选择影响温室湿度的环境因子和管理情况作为神经网络的输入量,包括室外温度、室外湿度、室外光照、室内3点温度、室内光照、天窗、侧窗开闭等共10项,以温室内部5个点实测平均湿度为输出量。通过900组数据对构建好的BP神经网络进行训练,选取训练数据外的60组数据作为测试。结果表明,60组输出数据平均相对误差为3.234%,预测效果良好。     

神经网络在大型泵站故障诊断中的应用

1 前言 大型泵站机组的运行安全性具有重要的经济和社会意义。因此，对泵站系统运行状态监测及故障诊断，就显得非常迫切和重要。本文主要探讨了径向基函数网络在大型泵站故障诊断中的应用，通过建立各种数学模型及其各模型特点的分析，建立适合于泵站系统中的故障诊断的诊断决策模型。人工神经网络作为一种新近发展起来的新学科具有非常强的分类、学习、记忆、联想、计……     

神经网络模型在河道水温计算中的应用

水利工程的兴建会改变天然河道的水温状况,而工程地址处的天然水温是准确评价水温的变化的基础.以金沙江上游流域为背景,建立了三层人工神经网络模型用于水温预测并对模型进行了模拟和验证,结果表明模型结构、参数率定是合理的,用于预测无水温资料地区的天然水温是实际可行的.     

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.     

自动控制技术在农产品加工中的应用

论述了自动控制技术在粮食加工、棉花加工等方面的应用，以及由此所带来的良好效果。     

灰色神经网络在地下水动态预测中的应用

以周至201号井为例,选取降雨量、蒸发量、单位面积的引灌水量及人工开采量4个地下水位的主要影响因素为预报因子,地下水位作为输出样本,建立BP神经网络模型。以2002-2011年4个序列的数据分别建立新陈代谢GM(1,1)模型,得到2012-2014年的预测值。再将各新陈代谢GM(1,1)模型得到的4个预报因子的预测值作为BP神经网络的输入,得到的输出即为最终2012-2014年地下水位的预测值。结果表明,灰色理论和BP神经网络耦合模型具有较高的预测精度,可为地下水的动态预报提供参考。     

神经网络技术在自动变速器故障诊断中的应用

在汽车各总成中,自动变速器因其结构复杂、技术要求高、拆装难度大、工作影响因素多,而成为汽车故障诊断的重点和难点。神经网络由大量简单的非线性处理单元高度并联、互联而成,具有对大脑某些基本特性简单的数学模拟能力。应用神经网络处理信息,不需要开发算法和规则,能极大地减少软件工作量。将神经网络引入到汽车故障诊断系统,利用神经网络建立自动变速器的故障诊断模型,能更快更准确地分析和排除疑难故障。     

神经网络及小波分析法在汽车发动机故障诊断中的应用研究

汽车发动机在使用过程中会出现一些故障,轻者会影响汽车安全运行,重者会导致交通事故,甚至人的生命安全。运用BP神经网络与小波分析法两种运算相结合的模式对发动机故障进行诊断,选择使用时间3年以上的汽车发动机进行实验,分别采集发动机在正常工作、进气管堵塞两种情况下的振动信号进行分析研究,确定了发动机故障的具体位置及严重程度,建立了波信号与发动机故障之间的规律,为汽车发动机故障诊断技术提供了借鉴。     

遗传算法优化BP神经网络在山洪临界雨量预测中的应用研究

为研究确定四川省冕宁县山洪灾害临界雨量,及时采取减灾避灾措施,根据冕宁县14个雨量站和气象站的资料,选取山洪灾害发生的关键因子:日时段降雨量和降雨强度,建立BP神经网络预测模型.然后用遗传算法对BP神经网络的权值和阈值进行优化,建立GA-BP预测模型.与BP预测模型相比,GA-BP预测模型能有效克服BP模型训练时间长,易陷入局部最优的缺陷,在临界雨量预测精度方面,GA-BP模型预测的平均相对误差为1.96％,而BP模型预测的平均相对误差为7.22％,明显提高了预测精度.这一临界雨量预测方法与结果,进一步修正完善后将试用于冕宁县山洪灾害监测预警系统.     

BP神经网络在农业工程中的研究与应用

该文概述了BP神经网络在农机总动力预测、农业专家系统信息决策、虫情测报、农作物水分和养分胁迫、土壤墒情、变量施肥、分类鉴别和图像处理等领域的应用情况,总结了人工神经网络模型的优点,指出其在精准农业和智能农业中的重要理论技术支撑作用。      

基于BP神经网络的PID控制在温室控制系统中的应用

以温度参数控制为例,结合传统PID控制规律,利用BP神经网络完成温室温度控制系统的PID控制系统设计.通过阐述基于BP神经网络的PID控制算法,完成温度控制系统中的BP神经网络PID控制参数在线整定.采用MATLAB对基于BP网络的PID温度控制系统进行了仿真,结果表明,PID控制算法能够实现控制参数的自适应调整,使系统对输入的响应达到小误差.     

神经网络技术在表面粗糙度检测中的应用

物体表面的粗糙度不同，则对光的反射与散射强度不同，因此利用光纤传感器检测反射光强和散射光强，建立表面粗糙度检测的神经网络模型。该模型以反射光强、散射光强、反射与散射光强之比、测量距离为输入信号，以Ra，Rx为输出信号，经网络训练后可正确检测表面粗糙度。     

BP神经网络PID控制仿真在挤压机中的应用

为了减少挤压机运行前的繁杂工作,针对自动供给系统提出了一种基于神经网络的PID控制方案,利用神经网络的自学习能力对PID控制参数在线整定,使PID控制器具有自适应性.采用动态BP算法,达到了在线实时控制的目的,显示了BP神经网络的PID控制方法很强的鲁棒性,同时也显示了神经网络在解决时变性和严重不确定系统方面的潜能,并改变了运用试凑法调节参数的方法.运用Matlab软件对挤压加料、加水和加酶制剂自动控制系统进行仿真研究.仿真结果表明,神经网络PID控制器优于传统PID控制器,具有较高的精度和较强的适应性,可以获得满意的控制效果.     

神经网络在土壤养分流失预测中的应用

以BP网络（Back Propagation Network)为基础，建立了小流域土壤养分（包括N，P，K3种成分）为输出层，流域出口处的洪量，输沙量及流域的年降雨量为输入层的包含一个中间层的BP网络，经检验，模型输出与多元线性回归模型计算结果一致。模型的建立及求解为水土保持中土壤养分的流失预测研究提供了一种新方法。     

神经网络在厌氧消化过程中的模拟应用

本文对神经网络在厌氧消化过程中的模拟应用作了系统综述。稳定性是厌氧反应器性能的关键指标之一，由于反应器不可避免地受到各种负荷的冲击，稳定性常常会被破坏。找出一种合适的模型来模拟反应器在冲击负荷下性能变化情况从而更好地控制反应器，具有重要的实际意义。神经网络以其非线性、自适应性、并行性以及较强的容错能力等优点，受到人们的重视，神经网络在厌氧消化过程中的模拟应用取得了比较满意的结果。