神經(jīng)網(wǎng)絡(luò)的高樓外墻裂縫檢測(cè)系統(tǒng)

為了有效解決網(wǎng)絡(luò)系統(tǒng)可能出現(xiàn)的故障,結(jié)合模糊神經(jīng)網(wǎng)絡(luò)提出了一種新的故障檢測(cè)算法fdd-fnn(failuredetectionalgorithmbasedonfuzzyneuralnetwork).該算法根據(jù)特征信息熵建立了故障檢測(cè)評(píng)價(jià)方法和最小偏差的優(yōu)化模型,設(shè)計(jì)了模糊神經(jīng)網(wǎng)絡(luò)中輸入層、模糊化層、模糊規(guī)則層和解模糊層,并且給出了具體的算法流程.通過(guò)建立網(wǎng)絡(luò)仿真平臺(tái),深入分析了影響fdd-fnn算法的關(guān)鍵因素,同時(shí)對(duì)比研究了fdd-fnn算法與其他算法的性能情況,結(jié)果表明fdd-fnn算法具有較好的適應(yīng)性.

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(xiàn)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.

目前鋼絲繩斷絲定量檢測(cè)中存在效率低、可靠性差的問(wèn)題?；赽p神經(jīng)網(wǎng)絡(luò)的智能化鋼絲繩斷絲檢測(cè)系統(tǒng),利用虛擬儀器技術(shù),可方便地實(shí)現(xiàn)對(duì)鋼絲繩的數(shù)據(jù)采集、實(shí)時(shí)分析,實(shí)現(xiàn)了對(duì)鋼絲繩斷絲檢測(cè)的綜合判斷。運(yùn)用matlab神經(jīng)網(wǎng)絡(luò)工具箱進(jìn)行模擬檢測(cè),結(jié)果表明:網(wǎng)絡(luò)仿真與實(shí)際相符,準(zhǔn)確判斷率為81.82%。該系統(tǒng)用于鋼絲繩斷絲識(shí)別可行。

提出“三因素”法檢測(cè)球磨機(jī)的外部響應(yīng),應(yīng)用神經(jīng)網(wǎng)絡(luò)建立球磨機(jī)內(nèi)部負(fù)荷與外部參數(shù)之間的關(guān)系模型對(duì)負(fù)荷進(jìn)行預(yù)測(cè)。同時(shí),應(yīng)用基于嵌入式處理器核nios的sopc(systemonprogrammablechip)技術(shù)來(lái)完成球磨機(jī)負(fù)荷檢測(cè)系統(tǒng)軟硬件設(shè)計(jì)。測(cè)試結(jié)果表明該系統(tǒng)能實(shí)時(shí)、準(zhǔn)確地檢測(cè)球磨機(jī)負(fù)荷,為解決球磨機(jī)外部響應(yīng)與內(nèi)部負(fù)荷參數(shù)之間的建模問(wèn)題提供了一種行之有效的方法。

支撐是水泥廠窯尾塔架設(shè)計(jì)中的主要部分，以往都是專(zhuān)家根據(jù)知識(shí)規(guī)則進(jìn)行設(shè)計(jì)，利用人工神經(jīng)網(wǎng)絡(luò)技術(shù)實(shí)現(xiàn)建筑平面支撐的設(shè)計(jì)縮短了設(shè)計(jì)時(shí)間，提高了設(shè)計(jì)效率。

為在繼電器的設(shè)計(jì)和生產(chǎn)階段通過(guò)多個(gè)評(píng)價(jià)指標(biāo)評(píng)價(jià)其整體品質(zhì),研究了多層次綜合評(píng)判模型的可計(jì)算性。該模型依據(jù)電器產(chǎn)品設(shè)計(jì)方案關(guān)于技術(shù)性能和成本的綜合評(píng)價(jià)指標(biāo)體系,并通過(guò)對(duì)神經(jīng)網(wǎng)絡(luò)原理的評(píng)判方法的研究而建立。實(shí)例證明,人工神經(jīng)網(wǎng)絡(luò)的出現(xiàn)為處理各種模糊的、數(shù)據(jù)不完全的、模擬的、不精確的模式識(shí)別問(wèn)題提供了一個(gè)全新的途徑。

針對(duì)工業(yè)過(guò)程中直線(xiàn)行程的高精度測(cè)量問(wèn)題,提出了基于神經(jīng)網(wǎng)絡(luò)函數(shù)逼近原理,以巨磁阻(gmr)傳感器為核心的非接觸式測(cè)量系統(tǒng)。運(yùn)用等效電流法對(duì)提供磁場(chǎng)的圓柱形永磁體進(jìn)行建模并仿真,得到永磁體磁場(chǎng)在空間中的分布規(guī)律,從而確定磁體的位置及形狀參數(shù)。通過(guò)matlab建立bp神經(jīng)網(wǎng)絡(luò),用遺傳算法進(jìn)行優(yōu)化,最終獲取了位移與電壓的函數(shù)關(guān)系,研究結(jié)果表明:該測(cè)量系統(tǒng)可以精確地測(cè)量直線(xiàn)位移。

通過(guò)研究工程造價(jià)的構(gòu)成及其影響因素,特別是建筑工程結(jié)構(gòu)和主要分項(xiàng)工程的特征在工程造價(jià)中所起的作用,確定了12個(gè)主要因素,作為神經(jīng)網(wǎng)絡(luò)的輸入變量,在深入研究神經(jīng)網(wǎng)絡(luò)理論功能的基礎(chǔ)上,選用可以應(yīng)用于工程估價(jià)的bp神經(jīng)網(wǎng)絡(luò)和bp計(jì)算方法,利用s型神經(jīng)元i/o特性和bp算法的函數(shù)逼近功能,使建筑工程造價(jià)的估算值的影響因素變化更逼近于其在成本構(gòu)成中的客觀作用,從而更接近于工程實(shí)際造價(jià),建立了工程估價(jià)模型并開(kāi)發(fā)了計(jì)算機(jī)輔助系統(tǒng)。收集了60個(gè)工程估價(jià)實(shí)例作為訓(xùn)練樣本,10個(gè)工程實(shí)例作為檢測(cè)實(shí)例,經(jīng)測(cè)算達(dá)到可以用于工程實(shí)際的水平。此方法可以快速準(zhǔn)確地進(jìn)行工程估價(jià)。

提出將一種徑向基網(wǎng)絡(luò)的重要變形—概率神經(jīng)網(wǎng)絡(luò)(pnn)應(yīng)用于化工過(guò)程的故障檢測(cè)中。與其他網(wǎng)絡(luò)相比,概率神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)速度快,適合于故障檢測(cè)問(wèn)題。將概率神經(jīng)網(wǎng)絡(luò)用于tennesseeeastman(te)過(guò)程故障檢測(cè)的仿真實(shí)驗(yàn),將實(shí)驗(yàn)結(jié)果與bp網(wǎng)絡(luò)進(jìn)行比較,結(jié)果表明概率神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)設(shè)計(jì)時(shí)間明顯少于bp網(wǎng)絡(luò),故障檢測(cè)的準(zhǔn)確率明顯提高。該方法可行、有效。

基于神經(jīng)網(wǎng)絡(luò)的高速公路軟基沉降分析——簡(jiǎn)述了高速公路軟基沉降觀測(cè)的目的和意義。介紹了工后沉降的預(yù)測(cè)方法。其后，簡(jiǎn)述了bp神經(jīng)網(wǎng)絡(luò)的基本概念。論文提出了基于神經(jīng)網(wǎng)絡(luò)的高速公路工后沉降預(yù)報(bào)方法。結(jié)合江蘇省某高速公路現(xiàn)場(chǎng)監(jiān)測(cè)資料，進(jìn)行了實(shí)例分析，說(shuō)明...

本文將bp神經(jīng)網(wǎng)絡(luò)運(yùn)用于高校大學(xué)生德育評(píng)價(jià)體系中,使該體系能夠更為全面、準(zhǔn)確地反映學(xué)生的實(shí)際情況,為學(xué)生德育發(fā)展指明方向。該體系的建立為大學(xué)生德育評(píng)價(jià)提供一種更為客觀準(zhǔn)確的評(píng)價(jià)手段,特別解決了評(píng)價(jià)體系當(dāng)中的人為主觀因素誤差和評(píng)價(jià)指標(biāo)權(quán)值設(shè)置問(wèn)題。

針對(duì)工業(yè)控制系統(tǒng)入侵檢測(cè)模型對(duì)各類(lèi)攻擊的檢測(cè)率和檢測(cè)效率不高的問(wèn)題,提出一種adaboost算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò)的入侵檢測(cè)模型.首先利用主成分分析法對(duì)原始數(shù)據(jù)集進(jìn)行預(yù)處理,消除其相關(guān)性；其次利用adaboost算法對(duì)訓(xùn)練樣本的權(quán)重進(jìn)行不斷調(diào)整,從而獲得bp神經(jīng)網(wǎng)絡(luò)最優(yōu)權(quán)重和閾值；最后再通過(guò)adaboost算法將bp弱分類(lèi)器組合成bp強(qiáng)分類(lèi)器,從而實(shí)現(xiàn)工業(yè)控制系統(tǒng)的異常檢測(cè).實(shí)驗(yàn)結(jié)果表明該方法在對(duì)各攻擊類(lèi)型的檢測(cè)率和測(cè)試時(shí)間明顯優(yōu)于其他算法模型.

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％.

簡(jiǎn)要介紹了人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及特點(diǎn),并且詳細(xì)論述了神經(jīng)網(wǎng)絡(luò)在中央空調(diào)水系統(tǒng)、風(fēng)系統(tǒng)、制冷系統(tǒng)、負(fù)荷預(yù)測(cè)、系統(tǒng)的仿真設(shè)計(jì)和建筑運(yùn)行能耗評(píng)價(jià)等方面的應(yīng)用概況,指出了神經(jīng)網(wǎng)絡(luò)在空調(diào)領(lǐng)域今后的發(fā)展方向.

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%。

工程造價(jià)人工神經(jīng)網(wǎng)絡(luò)估算系統(tǒng)——工程造價(jià)人工神經(jīng)網(wǎng)絡(luò)估算系統(tǒng)

本文敘述了神經(jīng)網(wǎng)絡(luò)的基本原理，介紹了工程造價(jià)人工神經(jīng)網(wǎng)絡(luò)估算模型和人工智能估算系統(tǒng)軟件，并結(jié)合實(shí)例作了分析。

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。

隨著汽車(chē)生產(chǎn)技術(shù)的迅速發(fā)展，汽車(chē)的結(jié)構(gòu)和裝置和傳統(tǒng)的汽車(chē)相比有了很大的不同。汽車(chē)的維護(hù)工作也隨著汽車(chē)的結(jié)構(gòu)和裝置的變化發(fā)生著變化，現(xiàn)在很多汽車(chē)維修中心也正在從盲目拆卸向著先檢測(cè)后維修的作業(yè)方式發(fā)生轉(zhuǎn)變。機(jī)動(dòng)車(chē)制動(dòng)性能的好壞直接關(guān)系到行車(chē)安全，因此它是安全檢測(cè)中的重點(diǎn)檢測(cè)項(xiàng)目之一。

路網(wǎng)規(guī)模研究是公路網(wǎng)規(guī)劃的重要內(nèi)容?？紤]影響公路網(wǎng)合理規(guī)模的多種因素,提出了一種基于bp神經(jīng)網(wǎng)絡(luò)的公路網(wǎng)規(guī)模預(yù)測(cè)方法,并建立了模擬路網(wǎng)規(guī)模與其影響因素間的非線(xiàn)形關(guān)系預(yù)測(cè)模型。步驟依次為:改進(jìn)傳統(tǒng)的bp算法、合理確定影響因素、建立預(yù)測(cè)模型、模型的訓(xùn)練與檢驗(yàn)、數(shù)據(jù)預(yù)測(cè)。預(yù)測(cè)結(jié)果表明,該方法客觀、合理,預(yù)測(cè)精度高,實(shí)用性強(qiáng),具有較強(qiáng)的理論與實(shí)際應(yīng)用價(jià)值。

ptc是家用空調(diào)器中主要器件之一,具有耗電量大、非線(xiàn)性的特征。目前ptc常用的功率檢測(cè)方法是通過(guò)\"專(zhuān)用電量計(jì)量芯片結(jié)合電壓、電流采樣電路\"來(lái)實(shí)現(xiàn),存在成本高和可靠性低問(wèn)題。提出一種基于人工神經(jīng)網(wǎng)絡(luò)的ptc功率純軟件計(jì)算方法,無(wú)需增加任何硬件成本。通過(guò)實(shí)驗(yàn)驗(yàn)證,精度達(dá)±3%,滿(mǎn)足產(chǎn)品化需求,成熟可靠。

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。