期刊文献+
共找到10,377篇文章
< 1 2 250 >
每页显示 20 50 100
基于介电特性和BPNN建模的小麦含水率在线检测
1
作者 姬虹 李康 +3 位作者 宋东方 王万章 李保谦 冯伟 《农机化研究》 北大核心 2025年第8期119-129,共11页
为满足小麦籽粒含水率在线检测需求,设计了一种搭载在联合收获机上基于介电特性的同侧圆弧电容式小麦籽粒含水率在线检测传感器。对6个不同品种小麦进行了温度、频率、电容、容重4个因素对含水率检测影响的实验研究,采用BP神经网络法建... 为满足小麦籽粒含水率在线检测需求,设计了一种搭载在联合收获机上基于介电特性的同侧圆弧电容式小麦籽粒含水率在线检测传感器。对6个不同品种小麦进行了温度、频率、电容、容重4个因素对含水率检测影响的实验研究,采用BP神经网络法建立了含水率与温度、频率、电容、容重4因素关系的预测模型,其训练集和测试集的决定系数R 2为0.896和0.893,均方根误差RMSE为1.317和1.342,预测模型稳定性和预测能力较强。研究表明:将温度、频率、容重这3因素引入的电容法联合收获机在线小麦含水率检测系统,能有效提高整体系统的检测精度和重复性。通过对不同小麦品种含水率检测影响因素相关性分析和数学模型的建立与优化,提高了电容法小麦含水率检测精度,为联合收获机小麦含水率检测系统中电容式传感器软硬件设计提供了理论依据。 展开更多
关键词 小麦含水率 在线检测 介电特性 bp神经网络
在线阅读 下载PDF
改进HHO算法优化的BPNN模型在管道腐蚀速率预测中的应用
2
作者 线岩团 苗育华 +1 位作者 相艳 郭军军 《安全与环境学报》 北大核心 2025年第11期4222-4231,共10页
油气管道在运行过程中常会出现腐蚀问题,建立合理的模型并准确预测管道的腐蚀速率具有重要的现实意义。针对传统BP神经网络模型的不足,采用新型Sine混沌映射对哈里斯鹰优化(Harris Hawk Optimization,HHO)算法进行改进,建立了基于改进... 油气管道在运行过程中常会出现腐蚀问题,建立合理的模型并准确预测管道的腐蚀速率具有重要的现实意义。针对传统BP神经网络模型的不足,采用新型Sine混沌映射对哈里斯鹰优化(Harris Hawk Optimization,HHO)算法进行改进,建立了基于改进哈里斯鹰优化算法的优化BP神经网络(Improved Harris Hawk Optimization-Back Propagation Neural Network,IHHO-BPNN)模型,并对比分析了IHHO-BPNN模型、HHO-BPNN模型及传统BPNN模型对管道腐蚀速率的预测精度。输油管道腐蚀速率的预测结果表明,IHHO-BPNN模型的平均绝对百分比误差和均方根误差分别为1.473%和0.001,HHO-BPNN模型的平均绝对百分比误差和均方根误差分别为4.647%和0.004,而传统BPNN模型的预测精度较差;南海油田管道腐蚀速率的预测结果表明,IHHO-BPNN模型的平均绝对百分比误差和均方根误差均低于HHO-BPNN模型和传统BPNN模型;混沌映射的引入改善了种群的多样性并可以更好地探索寻优空间,有助于提高HHO-BPNN模型的预测精度。 展开更多
关键词 安全工程 管道腐蚀速率 哈里斯鹰优化算法 混沌映射 bp神经网络 模型精度
在线阅读 下载PDF
基于集成学习强化BPNN的掘进工作面温度预测模型
3
作者 马恒 张世龙 高科 《工矿自动化》 北大核心 2025年第8期88-94,158,共8页
针对现有掘进工作面温度预测方法存在预测模型泛化性不强、鲁棒性较差,且对非线性多维数据的预测能力有限的问题,提出了一种基于集成学习强化反向传播神经网络(BPNN)的掘进工作面温度预测模型,即t−SNE−BPNN−AdaBoost。首先采用t−分布随... 针对现有掘进工作面温度预测方法存在预测模型泛化性不强、鲁棒性较差,且对非线性多维数据的预测能力有限的问题,提出了一种基于集成学习强化反向传播神经网络(BPNN)的掘进工作面温度预测模型,即t−SNE−BPNN−AdaBoost。首先采用t−分布随机邻域嵌入(t−SNE)非线性降维技术,将通风机前风量、温度、相对湿度等7项高维特征降至3维,保留数据局部结构并去除噪声。然后将降维数据输入BPNN作为基分类器,经迭代训练得到初步模型。最后通过自适应推进算法(AdaBoost)集成学习,迭代训练多个BPNN弱分类器并加权组合为强分类器,增强模型泛化能力。将60组掘进工作面实测数据按8∶2划分为训练集与测试集,经5折交叉验证确定AdaBoost最优弱学习器数量为30。实验结果表明:①t−SNE−BPNN−AdaBoost预测曲线和真实值贴合度最优,整体误差小,在温度突变区段适应力强,稳定性远超SVM,BPNN和t−SNE−BPNN。②t−SNE−BPNN−AdaBoost的预测相对误差最小,几乎在5%以内,表现出最优的预测精度。③在测试集上,t−SNE−BPNN−AdaBoost的决定系数为0.9784,较SVM,BPNN,t−SNE−BPNN分别提高了60.3%,17.2%,8.1%;平均绝对误差为0.1676,均方误差为0.0567,平均绝对百分比误差为0.9640,指标均显著优于SVM,BPNN和t−SNE−BPNN,在温度突变区段适应性更强。 展开更多
关键词 掘进工作面温度预测 t−分布随机邻域嵌入 bp神经网络 t−SNE 自适应推进算法 AdaBoost集成学习 5折交叉验证
在线阅读 下载PDF
AHP-CRITIC结合BP-ANN的归志方提取工艺优化研究
4
作者 李月婷 魏祖英 +7 位作者 王腾腾 程超 谭颖 许一帆 霍滢滢 高家乐 刘洁 肖红斌 《分析测试学报》 北大核心 2025年第11期2256-2264,共9页
基于层次分析-指标相关性权重确定的组合加权法(AHP-CRITIC)结合反向传播人工神经网络(BPANN)仿真预测对归志方的提取工艺进行优化。AHP-CRITIC组合加权法确定人参皂苷Rg1、人参皂苷Re、人参皂苷Rb1、细叶远志皂苷、芍药苷、阿魏酸和出... 基于层次分析-指标相关性权重确定的组合加权法(AHP-CRITIC)结合反向传播人工神经网络(BPANN)仿真预测对归志方的提取工艺进行优化。AHP-CRITIC组合加权法确定人参皂苷Rg1、人参皂苷Re、人参皂苷Rb1、细叶远志皂苷、芍药苷、阿魏酸和出膏率的权重系数分别为0.1907、0.2175、0.2341、0.0894、0.1195、0.0875、0.0613,最佳提取工艺为加10倍量溶剂、每次2 h、提取3次。在此基础上,基于BPANN仿真模型预测与验证了该最佳工艺。进一步将AHP-CRITIC与BP-ANN进行联合分析,结果表明10倍量溶剂、每次1 h、提取2次与上述最佳工艺参数无统计学差异,即在此工艺下可以保证提取效果并节约能源,为后续归志方大生产提取工艺选择提供了参考。该文建立的AHP-CRITIC结合BP-ANN的综合试验方法为中药复方提取工艺的现代化研究提供了可靠的方法支撑。 展开更多
关键词 归志方 层次分析-指标相关性权重确定的组合加权法(AHP-CRITIC) 反向传播人工神经网络(bp-Ann) 提取工艺 正交试验设计
在线阅读 下载PDF
基于BP-ANN的人工渗滤系统去除总磷过程优化
5
作者 刘元坤 曹塬琪 +2 位作者 于艾鑫 李星 郭晓天 《中国环境科学》 北大核心 2025年第6期3151-3160,共10页
本文利用BBD响应面法(BBD-RSM)和反向传播人工神经网络(BP-ANN)算法对活性炭吸附总磷(TP)的过程参数(接触时间、初始浓度、温度、pH值)进行了建模和预测,并结合遗传算法(GA)对BP-ANN模型中的反应条件进行优化.结果表明,在BBD-RSM模型中,... 本文利用BBD响应面法(BBD-RSM)和反向传播人工神经网络(BP-ANN)算法对活性炭吸附总磷(TP)的过程参数(接触时间、初始浓度、温度、pH值)进行了建模和预测,并结合遗传算法(GA)对BP-ANN模型中的反应条件进行优化.结果表明,在BBD-RSM模型中,P<0.0001,可较好的对TP的去除过程进行预测,接触时间为TP去除率最显著的参数,TP吸附过程中各因素的相对影响顺序为:接触时间>pH值>温度>初始浓度.采用BP-ANN模型进行优化,最佳网络结构为4-8-1.敏感性分析表明,影响TP去除率的因素依次为接触时间(34.05%)>pH值(28.67%)>温度(19.56%)>初始浓度(17.72%).基于BP-ANN模型,采用GA优化人工渗滤系统运行条件,对TP去除过程的优化结果为:接触时间为720.53min、初始浓度为2.75mg/L、温度为30.62℃、pH为5,达到最佳去除率(99.63%).试验验证分析表明,BP-ANN-GA较BBD-RSM的预测值与实验值相比拥有较高的R 2(0.9939)和较低的RSME(1.2851),说明该模型具有更好的预测能力,能更好的描述人工快速渗滤系统对TP的去除过程. 展开更多
关键词 BBD响应面法 反向传播人工神经网络 遗传算法 总磷 人工快速渗滤系统
在线阅读 下载PDF
基于PCA-TSO-BPNN模型的海底管道内腐蚀速率预测研究 被引量:2
6
作者 肖荣鸽 刘国庆 +3 位作者 刘博 魏王颖 庄琦 靳帅帅 《热加工工艺》 北大核心 2025年第4期82-88,共7页
近年来,随着我国海洋油气勘探开发力度不断增强,在役的和建设中的海底油气管道越来越多,海底油气管道内腐蚀速率预测对于海底油气管道的日常运行、维护和检修极为重要。为了提高海底油气管道内腐蚀速率预测精度和稳定性,建立了基于主成... 近年来,随着我国海洋油气勘探开发力度不断增强,在役的和建设中的海底油气管道越来越多,海底油气管道内腐蚀速率预测对于海底油气管道的日常运行、维护和检修极为重要。为了提高海底油气管道内腐蚀速率预测精度和稳定性,建立了基于主成分分析(Principal Component Analysis,PCA)和金枪鱼群算法(Tuna Swarm Optimization,TSO)优化BP神经网络的海底管道内腐蚀速率预测组合模型PCA-TSO-BPNN。运用PCA进行数据降维,筛选出海底管道内腐蚀速率的主要影响因素;建立海底管道内腐蚀速率BPNN预测模型,并采用TSO算法对BPNN预测模型的权值和阈值参数进行寻优;利用PCA-TSO-BPNN组合模型对海底管道内腐蚀速率进行预测,并与对比模型进行比较,验证PCA-TSO-BPNN组合模型的可行性和可靠性。结果表明:PCA-TSO-BPNN组合模型的平均绝对百分误差(MAPE)和均方根误差(RMSE)分别为1.8441%和0.06757,远低于对比模型,组合模型具有较高的预测精度和稳定性,可为海底管道内腐蚀防护和流动保障提供决策支持。 展开更多
关键词 bp神经网络 主成分分析 金枪鱼群算法 海底管道 腐蚀速率预测
在线阅读 下载PDF
基于改进NNA和BP神经网络模型的深基坑沉降预测
7
作者 王仁志 张伟国 +3 位作者 寇苗苗 刘飞 王金涛 张拥军 《科学技术与工程》 北大核心 2025年第24期10416-10425,共10页
为更精准预测基坑开挖卸荷引起的周边地表沉降,通过改进神经网络算法(neural network algorithm, NNA),提出一种具有信息反馈和反向学习机制的神经网络优化算法(neural network algorithm with feedback mechanism and reverse learning... 为更精准预测基坑开挖卸荷引起的周边地表沉降,通过改进神经网络算法(neural network algorithm, NNA),提出一种具有信息反馈和反向学习机制的神经网络优化算法(neural network algorithm with feedback mechanism and reverse learning, FBRLNNA),并结合反向传播(back propagation, BP)神经网络构建地表沉降预测模型,将提出的沉降预测模型在青岛15号线地铁工程基坑中进行应用与验证。基于18种基准函数比较FBRLNNA与9种竞争优化算法的表现,仿真试验表明,FBRLNNA在80%的基础基准函数上均表现出更优的性能。对比分析FBRLNNA-BP模型及其他4种模型的基坑沉降预测结果,FBRLNNA-BP模型的均方误差(mean squared error, MSE)、平均绝对误差(mean absolute error, MAE)、均方根误差(root mean square error, RMSE)及决定系数(R^(2))均最佳,沉降预测结果误差小于5%,表明该预测模型具有更好的沉降预测精度。研究成果可为基坑开挖引发的地表沉降预测提供了新的方法和参考。 展开更多
关键词 具有信息反馈和反向学习机制的神经网络优化算法(FBRLnnA) 反向传播(bp)神经网络 FBRLnnA-bp模型 基坑开挖 沉降预测
在线阅读 下载PDF
基于IGA优化BPNN的船舶电力系统故障诊断
8
作者 刘行 施伟锋 +1 位作者 谢嘉令 宋铁维 《控制工程》 北大核心 2025年第9期1634-1642,共9页
针对船舶电力系统的故障电流信号具有非平稳、非周期性的特点,在反向传播(back propagation, BP)神经网络的基础上,提出一种基于免疫遗传算法(immune genetic algorithm,IGA)优化BP神经网络的船舶电力系统故障诊断方法。首先,利用小波... 针对船舶电力系统的故障电流信号具有非平稳、非周期性的特点,在反向传播(back propagation, BP)神经网络的基础上,提出一种基于免疫遗传算法(immune genetic algorithm,IGA)优化BP神经网络的船舶电力系统故障诊断方法。首先,利用小波包分解(wavelet packet decomposition, WPD)提取故障电流信号的特征向量,所得特征向量维度的降低减少了BP神经网络的输入节点数,缩小了网络规模。然后,针对BP算法收敛速度慢且容易陷入局部极小值的问题,引入IGA对BP神经网络的权值和阈值进行优化。船舶电力系统仿真和算例测试验证的结果表明,相比遗传算法(genetic algorithm, GA),IGA的误差收敛迭代次数减少了56%,优化后的BP神经网络对船舶电力系统故障的诊断正确率达到95.68%,具有较高的诊断精度。 展开更多
关键词 船舶电力系统 小波包分解 免疫遗传 bp神经网络 故障诊断
在线阅读 下载PDF
基于KNN-BP神经网络车辆驻留时间预测立体车库RGV待命位策略
9
作者 后国栋 李建国 《科学技术与工程》 北大核心 2025年第24期10478-10486,共9页
平面移动式立体车库待命位策略可以提高车辆出库效率,减少顾客等待时间,通过预测库内车辆出库时间节点,设计分区待命位策略。针对反向传播(back propagation, BP)神经网络存在样本依赖性较强的特点,提出一种K-近邻算法(k-nearest neighb... 平面移动式立体车库待命位策略可以提高车辆出库效率,减少顾客等待时间,通过预测库内车辆出库时间节点,设计分区待命位策略。针对反向传播(back propagation, BP)神经网络存在样本依赖性较强的特点,提出一种K-近邻算法(k-nearest neighbor, KNN)-BP神经网络预测模型,以是否为工作日、工作日特殊时段(如早高峰、晚高峰),气温,降水4个方面作为特征向量,采用二进制集合转换构建各特征向量集,通过KNN对异常数据进行分组,提高BP神经网络预测精度,并基于预测时间建立出库概率分布,设定区域优先级参数以及RGV(rail guided vehicle)待命位策略。编写仿真程序,以西安小寨某商用立体车库运行数据进行验证,仿真结果表明:KNN-BP神经网络预测模型R^(2)较传统BP神经网络提高了20.23%,设计待命位策略下较无待命位策略顾客平均等待时间减小35.82%,RGV平均服务时间降低39.51%,RGV运行能耗降低38.32%;较文献引用策略顾客平均等待时间减小14.18%,RGV平均服务时间降低13.29%,RGV运行能耗降低20.89%。研究成果为提高立体车库车运行效率提供参考。 展开更多
关键词 交通工程 立体车库 待命位 K-近邻算法(Knn)-反向传播(bp)神经网络 RGV
在线阅读 下载PDF
An intelligent control method based on artificial neural network for numerical flight simulation of the basic finner projectile with pitching maneuver 被引量:1
10
作者 Yiming Liang Guangning Li +3 位作者 Min Xu Junmin Zhao Feng Hao Hongbo Shi 《Defence Technology(防务技术)》 SCIE EI CAS CSCD 2024年第2期663-674,共12页
In this paper,an intelligent control method applying on numerical virtual flight is proposed.The proposed algorithm is verified and evaluated by combining with the case of the basic finner projectile model and shows a... In this paper,an intelligent control method applying on numerical virtual flight is proposed.The proposed algorithm is verified and evaluated by combining with the case of the basic finner projectile model and shows a good application prospect.Firstly,a numerical virtual flight simulation model based on overlapping dynamic mesh technology is constructed.In order to verify the accuracy of the dynamic grid technology and the calculation of unsteady flow,a numerical simulation of the basic finner projectile without control is carried out.The simulation results are in good agreement with the experiment data which shows that the algorithm used in this paper can also be used in the design and evaluation of the intelligent controller in the numerical virtual flight simulation.Secondly,combined with the real-time control requirements of aerodynamic,attitude and displacement parameters of the projectile during the flight process,the numerical simulations of the basic finner projectile’s pitch channel are carried out under the traditional PID(Proportional-Integral-Derivative)control strategy and the intelligent PID control strategy respectively.The intelligent PID controller based on BP(Back Propagation)neural network can realize online learning and self-optimization of control parameters according to the acquired real-time flight parameters.Compared with the traditional PID controller,the concerned control variable overshoot,rise time,transition time and steady state error and other performance indicators have been greatly improved,and the higher the learning efficiency or the inertia coefficient,the faster the system,the larger the overshoot,and the smaller the stability error.The intelligent control method applying on numerical virtual flight is capable of solving the complicated unsteady motion and flow with the intelligent PID control strategy and has a strong promotion to engineering application. 展开更多
关键词 Numerical virtual flight Intelligent control bp neural network PID Moving chimera grid
在线阅读 下载PDF
基于PSO-BPNN算法的红外连续变焦镜头伺服控制系统参数整定
11
作者 游津京 罗永芳 +7 位作者 白玉琢 贾钰超 王春阳 钟建波 李洪兵 史军军 江竞宇 邓红娟 《红外技术》 北大核心 2025年第10期1289-1295,共7页
针对传统红外连续变焦镜头伺服控制系统参数整定动态性能不佳、灵活性差和效率低的问题,本文研究了一种PSO-BPNN算法整定红外连续变焦镜头伺服控制系统参数的方法。首先通过系统识别法建立红外连续变焦镜头伺服控制系统动态数学模型,同... 针对传统红外连续变焦镜头伺服控制系统参数整定动态性能不佳、灵活性差和效率低的问题,本文研究了一种PSO-BPNN算法整定红外连续变焦镜头伺服控制系统参数的方法。首先通过系统识别法建立红外连续变焦镜头伺服控制系统动态数学模型,同时建立PSO-BPNN算法模型,然后进行PSO-BPNN算法整定红外连续变焦镜头伺服控制系统控制器参数仿真实验,最后搭建实验性能测试平台进行实验和验证。仿真与性能测试实验结果表明:上升时间t_(r)≤0.055 s,调节时间t_(s)≤0.26 s,超调量σ≤27.6%,红外连续变焦镜头伺服控制系统反应速度快、稳定性好且目标跟随精度高。 展开更多
关键词 红外连续变焦镜头 粒子群算法 bp神经网络算法 控制系统
在线阅读 下载PDF
基于CSSA-BPNN模型的胶结充填体动态抗压强度预测 被引量:3
12
作者 王小林 梅佳伟 +3 位作者 郭进平 卢才武 王颂 李泽峰 《有色金属工程》 CAS 北大核心 2024年第2期92-101,共10页
充填采矿法二步骤回采时胶结充填体稳定性受爆破扰动而降低。为快速准确地获得充填体动态抗压强度,利用分离式霍普金森压杆(SHPB)进行了40组不同应变率的单轴冲击实验,以灰砂比、充填体密度、养护龄期和平均应变率作为输入参数,充填体... 充填采矿法二步骤回采时胶结充填体稳定性受爆破扰动而降低。为快速准确地获得充填体动态抗压强度,利用分离式霍普金森压杆(SHPB)进行了40组不同应变率的单轴冲击实验,以灰砂比、充填体密度、养护龄期和平均应变率作为输入参数,充填体动态抗压强度作为输出参数,建立了一种基于Logistic混沌麻雀搜索算法(CSSA)优化BP神经网络(BPNN)的预测模型,并与传统BPNN和麻雀搜索算法优化的BPNN进行了对比分析。结果表明:CSSA-BPNN模型的平均相对误差为4.11%,预测值与实测值之间拟合的相关系数均在0.96以上,模型预测精度高。CSSA-BPNN模型的均方根误差为0.395 0 MPa,平均绝对误差为0.359 2 MPa,决定系数为0.995 2,均优于另外两种预测模型。实现了对充填体动态抗压强度的准确预测,可大幅减小物理实验量,为矿山胶结充填体的强度设计提供了一种新方法。 展开更多
关键词 混沌麻雀搜索算法(CSSA) bp神经网络(bpnn) 胶结充填体 分离式霍普金森压杆(SHPB) 动态抗压强度
在线阅读 下载PDF
基于MIV-PSO-BPNN的掘进面风温预测方法 被引量:3
13
作者 程磊 李正健 +2 位作者 贺智勇 史浩镕 王鑫 《河南理工大学学报(自然科学版)》 CAS 北大核心 2024年第6期11-17,共7页
目的为防治矿井热害,解决矿井掘进面风温预测问题,方法提出一种MIV算法优化的PSO-BPNN预测模型。通过利用MIV算法确定模型的输入变量,以BP网络建模,使用粒子群优化算法结合BP神经网络实现掘进工作面风流温度的预测,得到预测结果并与BPN... 目的为防治矿井热害,解决矿井掘进面风温预测问题,方法提出一种MIV算法优化的PSO-BPNN预测模型。通过利用MIV算法确定模型的输入变量,以BP网络建模,使用粒子群优化算法结合BP神经网络实现掘进工作面风流温度的预测,得到预测结果并与BPNN模型、PSO-BPNN模型、SVR模型相比较。结果结果表明:MIV-PSO-BPNN预测模型的相对误差为-0.47%~1.81%,分别优于PSO-BPNN、BPNN、SVR预测模型的-3.96%~1.93%,-5.54%~2.98%,-2.16%~2.95%,预测模型的误差为-0.1~0.5℃,表明预测值与实测值基本一致;与BPNN预测模型、PSO-BPNN预测模型、SVR预测模型相比,MIV-PSO-BPNN预测模型的预测结果平均绝对误差分别减少65%,54%,50%,均方误差分别减少88%,78%,69%,表明该预测模型的预测效果优于其他3种模型。结论所提模型适用于矿井掘进工作面风温的预测。 展开更多
关键词 bp神经网络 MIV算法 粒子群优化算法 风温预测 算法优化
在线阅读 下载PDF
基于改进 PSO-BPNN 的拖拉机液压油品质监测 被引量:2
14
作者 李仲兴 朱方喜 +1 位作者 刘炳晨 郗少华 《中国农机化学报》 北大核心 2024年第10期140-146,共7页
为实现对拖拉机液压油品质的有效监测,保障拖拉机液压系统的平稳运行,基于改进PSO-BPNN设计一种针对拖拉机液压油品质的监测方法。首先,为研究拖拉机液压油品质恶化情况,在液压油新油的基础上配制不同比例的液压油油样。随后,搭建拖拉... 为实现对拖拉机液压油品质的有效监测,保障拖拉机液压系统的平稳运行,基于改进PSO-BPNN设计一种针对拖拉机液压油品质的监测方法。首先,为研究拖拉机液压油品质恶化情况,在液压油新油的基础上配制不同比例的液压油油样。随后,搭建拖拉机液压油品质监测试验装置,并依据试验装置采集与监测液压油粘度、介电常数和温度参数。然后,设计并搭建一种基于改进PSO-BPNN的拖拉机液压油品质监测模型,该模型利用正弦调整惯性权重的PSO算法优化BPNN的权值和阈值初始值,提高模型收敛效率。最后,为验证基于改进PSO-BPNN的液压油品质监测方法的可行性,与基于传统BPNN、标准PSO-BPNN的拖拉机液压油品质监测模型进行对比。结果表明,基于改进PSO-BPNN的拖拉机液压油品质监测方法具有较快的收敛速度,监测正确率达到97.78%,为优化拖拉机液压油品质监测方法提供参考。 展开更多
关键词 拖拉机 液压油品质 改进PSO算法 bp神经网络
在线阅读 下载PDF
基于动量算法优化的BP神经网络HRG漂移补偿方法 被引量:1
15
作者 罗巍 魏博深 +2 位作者 陈刚 唐明浩 戴劼峰 《中国惯性技术学报》 北大核心 2025年第5期502-509,共8页
针对半球谐振陀螺(HRG)漂移传统分步标定补偿方法存在的补偿精度低与耗时长问题,提出一种基于动量算法优化的反向传播(BP)神经网络HRG漂移补偿方法。根据HRG误差模型分析了分步标定补偿方法的局限性,构建了基于BP神经网络的HRG漂移补偿... 针对半球谐振陀螺(HRG)漂移传统分步标定补偿方法存在的补偿精度低与耗时长问题,提出一种基于动量算法优化的反向传播(BP)神经网络HRG漂移补偿方法。根据HRG误差模型分析了分步标定补偿方法的局限性,构建了基于BP神经网络的HRG漂移补偿模型,并引入动量算法,提升BP神经网络训练效率,利用三只自研的HRG进行了实验验证。实验结果表明:所提方法能够有效提升陀螺精度,同时简化标定和补偿流程,提高陀螺漂移补偿工作效率,相比现有分步标定补偿法,陀螺精度提升36.1%,标定补偿效率提升32.1%。 展开更多
关键词 半球谐振陀螺 bp神经网络 陀螺漂移补偿
在线阅读 下载PDF
基于BP神经网络的路堑下穿致高铁桥墩位移的预测 被引量:1
16
作者 宋旭明 陈松 +2 位作者 唐冕 孙凯 程丽娟 《中南大学学报(自然科学版)》 北大核心 2025年第6期2539-2549,共11页
依托某新建路堑工程,建立土体-桥梁三维数值模型,采用正交试验法分析高铁桥梁附加位移的参数敏感性,利用拉丁超立方抽样方法,通过神经网络(backpropagation neural network)拟合墩顶附加位移与主要影响因素的隐式函数关系,结合蒙特卡洛... 依托某新建路堑工程,建立土体-桥梁三维数值模型,采用正交试验法分析高铁桥梁附加位移的参数敏感性,利用拉丁超立方抽样方法,通过神经网络(backpropagation neural network)拟合墩顶附加位移与主要影响因素的隐式函数关系,结合蒙特卡洛法,对参数进行1×10^(6)次抽样计算,得到墩顶附加位移的超限概率。研究结果表明:浅层土体力学参数对墩顶纵向位移的影响较大,开挖深度对墩顶纵向位移的影响最显著;最优BP神经网络模型预测的墩顶附加位移与有限元计算值的均方误差为4.345×10^(-4),最大相对误差为5.1%,表明最优BP神经网络模型可代替有限元进行快速估算;当开挖深度在2 m以内时,背景工程墩顶纵向附加位移基本不会超限,当开挖深度为3 m时,超限概率达40%,建议开挖前采用适当的支护措施以确保结构安全。 展开更多
关键词 路堑开挖 敏感性分析 随机响应面 bp神经网络 位移预测 可靠度
在线阅读 下载PDF
基于BP神经网络结合ERA5数据的风电功率预测 被引量:1
17
作者 王婷婷 李斯胜 +4 位作者 于伟 能锋田 李星南 杨佳琳 熊亮 《储能科学与技术》 北大核心 2025年第1期183-189,共7页
随着我国风力发电技术的不断发展和完善,风电在电力系统运行和调度的作用越来越突出。为了高效准确地预测风电功率,减少大量风电入网带来的负面影响,本文基于BP神经网络结合ERA5数据对我国北方某风电场进行风电功率预测,并采用粒子群优... 随着我国风力发电技术的不断发展和完善,风电在电力系统运行和调度的作用越来越突出。为了高效准确地预测风电功率,减少大量风电入网带来的负面影响,本文基于BP神经网络结合ERA5数据对我国北方某风电场进行风电功率预测,并采用粒子群优化(particle swarm algorithm,PSO)算法优化模型,结合平均绝对误差、均方根误差和Pearson相关系数分析风电功率预测效果。结果表明,模型训练集中预测与实测风电功率变化趋势基本一致,呈现同增同减的趋势,BP模型的平均绝对误差为702.12 W,均方根误差为1000.18 W,相关系数为0.91,PSO-BP模型的平均绝对误差为700.75 W,均方根误差为995.16 W,相关系数为0.94;测试集中ERA5数据在一定程度上高估了风电功率,但整体趋势基本一致,BP模型的平均绝对误差为861.09 W,均方根误差为1150.86 W,相关系数为0.81;PSO-BP模型的平均绝对误差为829.55 W,均方根误差为1117.39 W,相关系数为0.83,模型的预测效果相对较好,PSO-BP模型相较于BP模型的预测效果均有一定程度的提高,在该区域的风电功率预测方面有较好的适用性。研究结果可为缺乏观测数据或观测数据质量不高的地区预测风电功率提供参考。 展开更多
关键词 风力发电 bp神经网络 ERA5再分析资料 粒子群优化算法 风电功率预测
在线阅读 下载PDF
基于SSA-GA-BP神经网络的城轨地下线振动源强预测模型 被引量:1
18
作者 刘庆杰 刘博亮 +3 位作者 冯青松 徐璐 罗信伟 刘文武 《铁道科学与工程学报》 北大核心 2025年第5期2355-2366,共12页
为寻求一种预测速度快、准确率高的城市轨道交通地下线振动源强预测模型,基于55个非减振轨道测试断面数据,经过数据清洗、分析和标签化后,建立了涵盖典型车型和主要线路参数取值范围的8 000多条实测数据库。分析地铁环境振动的影响因素... 为寻求一种预测速度快、准确率高的城市轨道交通地下线振动源强预测模型,基于55个非减振轨道测试断面数据,经过数据清洗、分析和标签化后,建立了涵盖典型车型和主要线路参数取值范围的8 000多条实测数据库。分析地铁环境振动的影响因素,利用斯皮尔曼相关系数得到各类影响因素与振动源强的关系强度。分别建立基于卷积神经网络(CNN)、随机森林(RF)、支持向量机(SVM)等5个机器学习模型,对比分析了不同模型对振动源强的预测效果。使用麻雀搜索算法(SSA)和遗传算法(GA)优化BP神经网络模型的结构、超参数、权重及阈值,对比SSA-GA-BP、SSA-BP、GA-BP神经网络对振动源强的预测精度。最终使用4个差异明显且未经模型学习的新断面验证SSA-GA-BP模型的泛化能力。结果表明:5种机器学习模型中BP神经网络的非线性回归拟合能力最强,验证集MAE损失为1.55 dB,决定系数为0.948;SSA-GA-BP模型对振动源强的预测精度高于SSA-BP和GA-BP,验证集MAE、MAPE和决定系数分别为1.289 dB、1.856%和0.967,有80.11%数据的平均绝对误差在2 dB以内;SSA-GA-BP模型对4个经典的新断面数据预测效果良好,4个断面汇总数据的MAE、MSE和MAPE误差值分别为1.21 dB、2.18 dB和1.67%,决定系数为0.977,有70%数据的预测误差在2 dB以内,证明了SSA-GA-BP模型有较强的泛化能力。SSA-GA-BP振源预测模型具有较好的预测精度和快速预测能力,研究可为轨道交通地下线路设计阶段的减振降噪设计提供参考。 展开更多
关键词 城市轨道交通地下线 振动源强 预测 bp神经网络 麻雀搜索算法 遗传算法
在线阅读 下载PDF
PCA-BP神经网络模型在拖拉机发动机故障诊断中的应用 被引量:1
19
作者 杨健 《农机化研究》 北大核心 2025年第3期254-258,共5页
拖拉机发动机故障诊断是指通过对拖拉机发动机的运行状态、传感器数据等信息进行分析和处理,识别出发动机故障的类型和位置,及时准确地诊断拖拉机发动机故障,对于提高农机装备的使用效率和经济效益具有重要的意义。为此,基于主成分分析(... 拖拉机发动机故障诊断是指通过对拖拉机发动机的运行状态、传感器数据等信息进行分析和处理,识别出发动机故障的类型和位置,及时准确地诊断拖拉机发动机故障,对于提高农机装备的使用效率和经济效益具有重要的意义。为此,基于主成分分析(PCA)算法对拖拉机发动机的传感器数据进行降维处理,并使用BP神经网络对降维后的数据进行分类识别,以实现拖拉机发动机故障的诊断。试验结果表明:PCA-BP神经网络模型可以准确地诊断拖拉机发动机的多种故障,相比于传统的BP神经网络模型,具有更高的准确率和更好的泛化能力,表明PCA-BP神经网络模型在拖拉机发动机故障诊断中具有较大的应用前景。 展开更多
关键词 拖拉机发动机 故障诊断 主成分分析 bp神经网络
在线阅读 下载PDF
特征融合与BP神经网络结合的刀具磨损预测 被引量:1
20
作者 郭宏 徐延 +1 位作者 伊亚聪 胡孔耀 《机械设计与制造》 北大核心 2025年第1期108-111,116,共5页
通过监测刀具磨损情况,能够有效应对生产加工中的意外状况。为了精确监测刀具的磨损状态,提出了一种多传感器特征融合及BP神经网络结合的刀具磨损预测方法。首先对工业加工中采集到的切削力、振动、声发射信号进行小波阈值去噪,然后在... 通过监测刀具磨损情况,能够有效应对生产加工中的意外状况。为了精确监测刀具的磨损状态,提出了一种多传感器特征融合及BP神经网络结合的刀具磨损预测方法。首先对工业加工中采集到的切削力、振动、声发射信号进行小波阈值去噪,然后在时域、频域和时频域内分析并提取特征,再将融合后的各类传感器特征使用Pearson相关系数和主成分分析(PCA)实现数据降维,最后将降维后的融合特征输入搭建好的BP神经网络,通过非线性仿真分析,从而实现刀具磨损量的预测。案例验证表明:与单一传感器预测相比,提出的多传感器特征融合的刀具磨损预测方法误差最小,且决定系数R2达到0.993。 展开更多
关键词 传感器 特征提取 小波去噪 PCA bp神经网络 磨损预测
在线阅读 下载PDF
上一页 1 2 250 下一页 到第
使用帮助 返回顶部