工業(yè)控制網(wǎng)絡(luò)入侵檢測的BP神經(jīng)網(wǎng)絡(luò)優(yōu)化方法

利用粒子群算法對入侵檢測神經(jīng)網(wǎng)絡(luò)模型進行優(yōu)化。仿真結(jié)果表明,與bp神經(jīng)網(wǎng)絡(luò)和ga神經(jīng)網(wǎng)絡(luò)相比較,具有較強的逼近和容錯能力、較快的收斂速度和較好的檢測效果。

考慮到常規(guī)bp神經(jīng)網(wǎng)絡(luò)算法容易陷入局部最優(yōu)解,所建立的網(wǎng)絡(luò)遺傳流量檢測模型檢測效率低,準確率不高等問題,提出一種改進型ga優(yōu)化bp神經(jīng)網(wǎng)絡(luò)算法,并使用其建立網(wǎng)絡(luò)遺傳流量檢測模型。常規(guī)遺傳算法在搜索過程中,往往會由于出現(xiàn)影響生產(chǎn)適應度高的個體而對遺傳算法搜索過程產(chǎn)生影響的現(xiàn)象發(fā)生,因此需要對常規(guī)遺傳算法進行改進。使用的方法是通過混合編碼方式進行改進,同時對交叉算子、變異算子、交叉概率以及變異概率等參數(shù)進行優(yōu)化修正。使用kddcup99數(shù)據(jù)庫中的網(wǎng)絡(luò)異常流量數(shù)據(jù)進行實驗研究,研究結(jié)果表明,所提出方法的檢測性能要明顯優(yōu)于常規(guī)算法,其對bp神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、權(quán)值以及閾值進行同步優(yōu)化,避免了盲目選擇bp神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)帶來的問題,避免了常規(guī)bp神經(jīng)網(wǎng)絡(luò)容易陷入局部最優(yōu)解的問題。

針對傳統(tǒng)方法單獨采用bp神經(jīng)網(wǎng)絡(luò)算法易陷入局部極值的問題,提出了遺傳算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò),并將其應用于mimo-ofdm系統(tǒng)信號檢測中。該方法將遺傳算法與神經(jīng)網(wǎng)絡(luò)相結(jié)合,用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)初始值,使bp網(wǎng)絡(luò)快速收斂到最優(yōu)解,避免了由初始值的隨機選取而帶來的檢測誤碼。仿真結(jié)果表明所提出的方法在誤碼率方面有比較好的性能。

本文把信息擴散原理和神經(jīng)網(wǎng)絡(luò)相結(jié)合,提出一種工程造價的估測方法,并給出計算實例。

基于人工神經(jīng)網(wǎng)絡(luò)的拱壩混合優(yōu)化方法——拱梁分載法和彈粘塑性塊體元法對拱壩地基系統(tǒng)進行耦合分析的基礎(chǔ)上．建立了一套同時考慮壩體強度和壩肩穩(wěn)定條件的拱壩體型優(yōu)化方法，并給出了拱壩優(yōu)化的一般形式。采用了人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)近似分析方法來綜合各種約束條件...

采用催化傳感器和電化學式氣體傳感器配合使用的傳感器陣列.為了解決2種傳感器對礦井co和ch4氣體的交叉敏感問題,提出了一種基于改進bp神經(jīng)網(wǎng)絡(luò)的礦井co檢測方法.通過matlab仿真可以看出,基于神經(jīng)網(wǎng)絡(luò)的傳感器陣列方法可以明顯提高co檢測精度.實際輸出值和期望輸出的絕對誤差平均值為3.43ppm,相對誤差平均值為1.43％.

采用催化傳感器和電化學式氣體傳感器配合使用的傳感器陣列。為了解決2種傳感器對礦井co和ch4氣體的交叉敏感問題,提出了一種基于改進bp神經(jīng)網(wǎng)絡(luò)的礦井co檢測方法。通過matlab仿真可以看出,基于神經(jīng)網(wǎng)絡(luò)的傳感器陣列方法可以明顯提高co檢測精度。實際輸出值和期望輸出的絕對誤差平均值為3.43ppm,相對誤差平均值為1.43%。

為了有效利用多種檢測數(shù)據(jù)來綜合評價軌道的狀態(tài),本文應用bp神經(jīng)網(wǎng)絡(luò)技術(shù)建立了軌道狀態(tài)評定方法,并采用matlab軟件編制了具有自學習功能的評價軟件。bp神經(jīng)網(wǎng)絡(luò)應用于軌道狀態(tài)的評價中,其學習樣本、規(guī)模及代表起關(guān)鍵作用,通過大量的樣本訓練,對\"未知\"樣本神經(jīng)網(wǎng)絡(luò)模型的評價具有較高的準確性。理論分析與算例的結(jié)果表明,該評價方法是可行的、有效的,為解決軌道狀態(tài)評定提供了一條新的途徑。

通過對多級泵站老化情況的調(diào)研,利用模糊優(yōu)化法和bp神經(jīng)網(wǎng)絡(luò)模型對多級泵站老化進行了評價,并比較兩種方法的優(yōu)缺點。

精密軸承應用廣泛,精度要求高,軸承表面缺陷對其使用影響很大.因此,對軸承缺陷的檢測很有必要.目前的檢測以人工為主,但當缺陷小于0.075mm時人眼就很難識別.以ccd攝像機為視覺結(jié)合圖像處理技術(shù),設(shè)計一種軸承在線檢測方法,能夠在很大程度上提高檢測效率和檢測精度,最后利用bp神經(jīng)網(wǎng)絡(luò)進行缺陷分類,實驗結(jié)果表明:分類正確率可達92.7%,符合工業(yè)要求.

介紹了基于rs485通信的上下位機兩主多從的網(wǎng)絡(luò)設(shè)計,以工控機作為上位機,以msp430單片機組成的系統(tǒng)作為從機,用evc++開發(fā)上位機通信模塊,完成上位機與下位機的通信組網(wǎng),給出了硬件設(shè)計和軟件設(shè)計,對遇到的問題進行了分析并給出了解決辦法.測試結(jié)果表明在現(xiàn)場和機房都能夠完成對機器的控制,達到了提高控制系統(tǒng)整體穩(wěn)定性可靠性的目的.

在機械優(yōu)化設(shè)計領(lǐng)域針對實體結(jié)構(gòu)的動態(tài)分析計算,采用bp神經(jīng)網(wǎng)絡(luò)可以提高優(yōu)化收斂速度和精度,神經(jīng)網(wǎng)絡(luò)理論與傳統(tǒng)的數(shù)值方法相結(jié)合具有重要的現(xiàn)實意義。

針對當前工業(yè)機械設(shè)備運行數(shù)據(jù)龐大,設(shè)備故障診斷復雜等問題,采用三層式bp神經(jīng)網(wǎng)絡(luò),結(jié)合主元分析法,研究用于工業(yè)機械設(shè)備故障診斷的bp神經(jīng)網(wǎng)絡(luò)的優(yōu)化方法,來對設(shè)備故障原因進行分類,并在此基礎(chǔ)上探討bp神經(jīng)網(wǎng)絡(luò)對于不同場景的應用,從而提高bp神經(jīng)網(wǎng)絡(luò)的應用價值。

比較分析了現(xiàn)行的造價估測模型的特點及其存在的問題,突出bp神經(jīng)網(wǎng)絡(luò)模型進行造價估測的理論優(yōu)勢,引入工程分類思想,以學校類建筑為例,建立了bp神經(jīng)網(wǎng)絡(luò)估測模型并進行了造價估測。

造價估測方法的研究和bp神經(jīng)網(wǎng)絡(luò)模型的應用——比較分析了現(xiàn)行的造價估測模型的特點及其存在的問題,突出bp神經(jīng)網(wǎng)絡(luò)模型進行造價估測的理論優(yōu)勢,引入工程分類思想,以學校類建筑為例,建立了bp神經(jīng)網(wǎng)絡(luò)估測模型并進行了造價估測?！　?/p>

針對六自由度機械臂耦合性強、時變、非線性等性能,基于拉格朗日動力學建模方法,文章采用bp神經(jīng)網(wǎng)絡(luò)逼近模型,實現(xiàn)高精度軌跡跟蹤。該方法根據(jù)六自由度機械臂本體采集的數(shù)據(jù)進行黑箱辨識建模解耦,建模過程采用bp神經(jīng)網(wǎng)絡(luò)逼近,提升建模精度、簡化建模過程。針對解耦后的系統(tǒng),還需建立pid閉環(huán)控制器進一步實現(xiàn)軌跡跟蹤控制。仿真及實驗結(jié)果表明,基于bp神經(jīng)網(wǎng)絡(luò)的pid控制器能夠改善系統(tǒng)的魯棒性和穩(wěn)定性,并有效抑制抖動。

為提高網(wǎng)絡(luò)入侵檢測的檢測效果,提出了一種基于改進d-s證據(jù)理論的信息融合網(wǎng)絡(luò)入侵檢測方法。該方法首先采用支持向量機(supportvectormachine,svm)統(tǒng)計機器學習方法分別對基于主機和基于網(wǎng)絡(luò)的數(shù)據(jù)進行訓練;然后針對d-s證據(jù)理論無法解決證據(jù)之間沖突問題,從合成規(guī)則著手,提出一種改進的d-s證據(jù)理論;最后采用改進的d-s證據(jù)理論對svm的訓練結(jié)果進行融合,兼顧了兩類檢測結(jié)果的優(yōu)勢,提高了網(wǎng)絡(luò)入侵檢測的性能。仿真結(jié)果表明,與單一的入侵檢測策略相比,該方法能有效提高網(wǎng)絡(luò)入侵檢測的準確率,降低漏報率,提高了網(wǎng)絡(luò)入侵檢測的整體性能。

為了對民航系統(tǒng)安全運行狀態(tài)進行科學的分析和預測,針對反映民航系統(tǒng)安全運行狀態(tài)的重要指標之一——飛行事故萬時率,采用bp神經(jīng)網(wǎng)絡(luò)的時間序列非線性預測模型及方法,對其進行了分析研究和仿真驗證,計算結(jié)果表明,該預測方法是可行的,并與實際具有較好的一致性。

優(yōu)化電解碲電源對電解行業(yè)節(jié)能增效、提高電解產(chǎn)品質(zhì)量和改善電網(wǎng)環(huán)境具有重要意義.電源前級采用三相電壓型pwm整流器；在建立pwm整流器數(shù)學模型的基礎(chǔ)上；通過改進雙閉環(huán)pi控制策略；即外環(huán)基于并行搜索全局尋優(yōu)的遺傳算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值的智能控制方法；分析網(wǎng)側(cè)電流波形和諧波含量；可得到所需的額定電解電壓和電流；以matlab/simulink軟件為平臺進行仿真計算.結(jié)果表明:ga-bp(geneticalgorithm-backpropagation)算法具有輸出電壓平穩(wěn)、響應速度快、超調(diào)量小、抗干擾性強等優(yōu)點.

提出一種采用bp神經(jīng)網(wǎng)絡(luò)算法來預測深基坑沉降的方法,結(jié)合具體工程實例,構(gòu)建了預測深基坑周邊地表沉降具體bp神經(jīng)網(wǎng)絡(luò)模型,預測結(jié)果表明,該模型有較高的預測精度,可作為預測沉降的一種新方法。

針對標準bp神經(jīng)網(wǎng)絡(luò)中收斂速度慢以及易陷入局部最優(yōu)解等問題,利用粒子群算法的全局搜索性,將粒子群算法應用到bp神經(jīng)網(wǎng)絡(luò)訓練中建立了pso-bp神經(jīng)網(wǎng)絡(luò)模型,結(jié)果表明改進模型不僅可以克服傳統(tǒng)bp網(wǎng)絡(luò)收斂速度慢和易陷入局部權(quán)值的局限問題,而且很大程度地提高了結(jié)果精度和bp網(wǎng)絡(luò)學習能力,將此模型應用到結(jié)晶器漏鋼預報系統(tǒng)中,并用某鋼廠采集到的歷史數(shù)據(jù)對該模型進行訓練與測試,與標準bp神經(jīng)網(wǎng)絡(luò)測試結(jié)果進行分析與比較,實驗表明pso-bp網(wǎng)絡(luò)模型預報更加實時、準確,具有很好的應用前景。

小樣本協(xié)整檢驗的神經(jīng)網(wǎng)絡(luò)方法