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

利用粒子群算法對(duì)入侵檢測(cè)神經(jīng)網(wǎng)絡(luò)模型進(jìn)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(qiáng)的逼近和容錯(cuò)能力、較快的收斂速度和較好的檢測(cè)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(cè)模型檢測(cè)效率低,準(zhǔn)確率不高等問(wèn)題,提出一種改進(jìn)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(cè)模型。常規(guī)遺傳算法在搜索過(guò)程中,往往會(huì)由于出現(xiàn)影響生產(chǎn)適應(yīng)度高的個(gè)體而對(duì)遺傳算法搜索過(guò)程產(chǎn)生影響的現(xiàn)象發(fā)生,因此需要對(duì)常規(guī)遺傳算法進(jìn)行改進(jìn)。使用的方法是通過(guò)混合編碼方式進(jìn)行改進(jìn),同時(shí)對(duì)交叉算子、變異算子、交叉概率以及變異概率等參數(shù)進(jìn)行優(yōu)化修正。使用kddcup99數(shù)據(jù)庫(kù)中的網(wǎng)絡(luò)異常流量數(shù)據(jù)進(jìn)行實(shí)驗(yàn)研究,研究結(jié)果表明,所提出方法的檢測(cè)性能要明顯優(yōu)于常規(guī)算法,其對(duì)bp神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、權(quán)值以及閾值進(jìn)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(lái)的問(wèn)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(wèn)題。

針對(duì)傳統(tǒng)方法單獨(dú)采用bp神經(jīng)網(wǎng)絡(luò)算法易陷入局部極值的問(wèn)題,提出了遺傳算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò),并將其應(yīng)用于mimo-ofdm系統(tǒng)信號(hào)檢測(cè)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(jī)選取而帶來(lái)的檢測(cè)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(kuò)散原理和神經(jīng)網(wǎng)絡(luò)相結(jié)合,提出一種工程造價(jià)的估測(cè)方法,并給出計(jì)算實(shí)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(duì)拱壩地基系統(tǒng)進(jìn)行耦合分析的基礎(chǔ)上．建立了一套同時(shí)考慮壩體強(qiáng)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(lái)綜合各種約束條件...

采用催化傳感器和電化學(xué)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(duì)礦井co和ch4氣體的交叉敏感問(wèn)題,提出了一種基于改進(jìn)bp神經(jīng)網(wǎng)絡(luò)的礦井co檢測(cè)方法.通過(guò)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(cè)精度.實(shí)際輸出值和期望輸出的絕對(duì)誤差平均值為3.43ppm,相對(duì)誤差平均值為1.43％.

采用催化傳感器和電化學(xué)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(duì)礦井co和ch4氣體的交叉敏感問(wèn)題,提出了一種基于改進(jìn)bp神經(jīng)網(wǎng)絡(luò)的礦井co檢測(cè)方法。通過(guò)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(cè)精度。實(shí)際輸出值和期望輸出的絕對(duì)誤差平均值為3.43ppm,相對(duì)誤差平均值為1.43%。

為了有效利用多種檢測(cè)數(shù)據(jù)來(lái)綜合評(píng)價(jià)軌道的狀態(tài),本文應(yīng)用bp神經(jīng)網(wǎng)絡(luò)技術(shù)建立了軌道狀態(tài)評(píng)定方法,并采用matlab軟件編制了具有自學(xué)習(xí)功能的評(píng)價(jià)軟件。bp神經(jīng)網(wǎng)絡(luò)應(yīng)用于軌道狀態(tài)的評(píng)價(jià)中,其學(xué)習(xí)樣本、規(guī)模及代表起關(guān)鍵作用,通過(guò)大量的樣本訓(xùn)練,對(duì)\"未知\"樣本神經(jīng)網(wǎng)絡(luò)模型的評(píng)價(jià)具有較高的準(zhǔn)確性。理論分析與算例的結(jié)果表明,該評(píng)價(jià)方法是可行的、有效的,為解決軌道狀態(tài)評(píng)定提供了一條新的途徑。

通過(guò)對(duì)多級(jí)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(duì)多級(jí)泵站老化進(jìn)行了評(píng)價(jià),并比較兩種方法的優(yōu)缺點(diǎn)。

精密軸承應(yīng)用廣泛,精度要求高,軸承表面缺陷對(duì)其使用影響很大.因此,對(duì)軸承缺陷的檢測(cè)很有必要.目前的檢測(cè)以人工為主,但當(dāng)缺陷小于0.075mm時(shí)人眼就很難識(shí)別.以ccd攝像機(jī)為視覺(jué)結(jié)合圖像處理技術(shù),設(shè)計(jì)一種軸承在線檢測(cè)方法,能夠在很大程度上提高檢測(cè)效率和檢測(cè)精度,最后利用bp神經(jīng)網(wǎng)絡(luò)進(jìn)行缺陷分類(lèi),實(shí)驗(yàn)結(jié)果表明:分類(lèi)正確率可達(dá)92.7%,符合工業(yè)要求.

介紹了基于rs485通信的上下位機(jī)兩主多從的網(wǎng)絡(luò)設(shè)計(jì),以工控機(jī)作為上位機(jī),以msp430單片機(jī)組成的系統(tǒng)作為從機(jī),用evc++開(kāi)發(fā)上位機(jī)通信模塊,完成上位機(jī)與下位機(jī)的通信組網(wǎng),給出了硬件設(shè)計(jì)和軟件設(shè)計(jì),對(duì)遇到的問(wèn)題進(jìn)行了分析并給出了解決辦法.測(cè)試結(jié)果表明在現(xiàn)場(chǎng)和機(jī)房都能夠完成對(duì)機(jī)器的控制,達(dá)到了提高控制系統(tǒng)整體穩(wěn)定性可靠性的目的.

在機(jī)械優(yōu)化設(shè)計(jì)領(lǐng)域針對(duì)實(shí)體結(jié)構(gòu)的動(dòng)態(tài)分析計(jì)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(shí)意義。

針對(duì)當(dāng)前工業(yè)機(jī)械設(shè)備運(yùn)行數(shù)據(jù)龐大,設(shè)備故障診斷復(fù)雜等問(wèn)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(jī)械設(shè)備故障診斷的bp神經(jīng)網(wǎng)絡(luò)的優(yōu)化方法,來(lái)對(duì)設(shè)備故障原因進(jìn)行分類(lèi),并在此基礎(chǔ)上探討bp神經(jīng)網(wǎng)絡(luò)對(duì)于不同場(chǎng)景的應(yīng)用,從而提高bp神經(jīng)網(wǎng)絡(luò)的應(yīng)用價(jià)值。

比較分析了現(xiàn)行的造價(jià)估測(cè)模型的特點(diǎn)及其存在的問(wèn)題,突出bp神經(jīng)網(wǎng)絡(luò)模型進(jìn)行造價(jià)估測(cè)的理論優(yōu)勢(shì),引入工程分類(lèi)思想,以學(xué)校類(lèi)建筑為例,建立了bp神經(jīng)網(wǎng)絡(luò)估測(cè)模型并進(jìn)行了造價(jià)估測(cè)。

造價(jià)估測(cè)方法的研究和bp神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用——比較分析了現(xiàn)行的造價(jià)估測(cè)模型的特點(diǎn)及其存在的問(wèn)題,突出bp神經(jīng)網(wǎng)絡(luò)模型進(jìn)行造價(jià)估測(cè)的理論優(yōu)勢(shì),引入工程分類(lèi)思想,以學(xué)校類(lèi)建筑為例,建立了bp神經(jīng)網(wǎng)絡(luò)估測(cè)模型并進(jìn)行了造價(jià)估測(cè)?！　?/p>

針對(duì)六自由度機(jī)械臂耦合性強(qiáng)、時(shí)變、非線性等性能,基于拉格朗日動(dòng)力學(xué)建模方法,文章采用bp神經(jīng)網(wǎng)絡(luò)逼近模型,實(shí)現(xiàn)高精度軌跡跟蹤。該方法根據(jù)六自由度機(jī)械臂本體采集的數(shù)據(jù)進(jìn)行黑箱辨識(shí)建模解耦,建模過(guò)程采用bp神經(jīng)網(wǎng)絡(luò)逼近,提升建模精度、簡(jiǎn)化建模過(guò)程。針對(duì)解耦后的系統(tǒng),還需建立pid閉環(huán)控制器進(jìn)一步實(shí)現(xiàn)軌跡跟蹤控制。仿真及實(shí)驗(yàn)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(dòng)。

為提高網(wǎng)絡(luò)入侵檢測(cè)的檢測(cè)效果,提出了一種基于改進(jìn)d-s證據(jù)理論的信息融合網(wǎng)絡(luò)入侵檢測(cè)方法。該方法首先采用支持向量機(jī)(supportvectormachine,svm)統(tǒng)計(jì)機(jī)器學(xué)習(xí)方法分別對(duì)基于主機(jī)和基于網(wǎng)絡(luò)的數(shù)據(jù)進(jìn)行訓(xùn)練;然后針對(duì)d-s證據(jù)理論無(wú)法解決證據(jù)之間沖突問(wèn)題,從合成規(guī)則著手,提出一種改進(jìn)的d-s證據(jù)理論;最后采用改進(jìn)的d-s證據(jù)理論對(duì)svm的訓(xùn)練結(jié)果進(jìn)行融合,兼顧了兩類(lèi)檢測(cè)結(jié)果的優(yōu)勢(shì),提高了網(wǎng)絡(luò)入侵檢測(cè)的性能。仿真結(jié)果表明,與單一的入侵檢測(cè)策略相比,該方法能有效提高網(wǎng)絡(luò)入侵檢測(cè)的準(zhǔn)確率,降低漏報(bào)率,提高了網(wǎng)絡(luò)入侵檢測(cè)的整體性能。

為了對(duì)民航系統(tǒng)安全運(yùn)行狀態(tài)進(jìn)行科學(xué)的分析和預(yù)測(cè),針對(duì)反映民航系統(tǒng)安全運(yùn)行狀態(tài)的重要指標(biāo)之一——飛行事故萬(wàn)時(shí)率,采用bp神經(jīng)網(wǎng)絡(luò)的時(shí)間序列非線性預(yù)測(cè)模型及方法,對(duì)其進(jìn)行了分析研究和仿真驗(yàn)證,計(jì)算結(jié)果表明,該預(yù)測(cè)方法是可行的,并與實(shí)際具有較好的一致性。

優(yōu)化電解碲電源對(duì)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(jí)采用三相電壓型pwm整流器；在建立pwm整流器數(shù)學(xué)模型的基礎(chǔ)上；通過(guò)改進(jìn)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(tái)進(jìn)行仿真計(jì)算.結(jié)果表明:ga-bp(geneticalgorithm-backpropagation)算法具有輸出電壓平穩(wěn)、響應(yīng)速度快、超調(diào)量小、抗干擾性強(qiáng)等優(yōu)點(diǎn).

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

針對(duì)標(biāo)準(zhǔn)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(wèn)題,利用粒子群算法的全局搜索性,將粒子群算法應(yīng)用到bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練中建立了pso-bp神經(jīng)網(wǎng)絡(luò)模型,結(jié)果表明改進(jìn)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(wèn)題,而且很大程度地提高了結(jié)果精度和bp網(wǎng)絡(luò)學(xué)習(xí)能力,將此模型應(yīng)用到結(jié)晶器漏鋼預(yù)報(bào)系統(tǒng)中,并用某鋼廠采集到的歷史數(shù)據(jù)對(duì)該模型進(jìn)行訓(xùn)練與測(cè)試,與標(biāo)準(zhǔn)bp神經(jīng)網(wǎng)絡(luò)測(cè)試結(jié)果進(jìn)行分析與比較,實(shí)驗(yàn)表明pso-bp網(wǎng)絡(luò)模型預(yù)報(bào)更加實(shí)時(shí)、準(zhǔn)確,具有很好的應(yīng)用前景。

小樣本協(xié)整檢驗(yàn)的神經(jīng)網(wǎng)絡(luò)方法