期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于多方法融合的铁路轴承故障诊断 被引量:10
1
作者 姚德臣 杨建伟 +1 位作者 殷玉枫 蔡国强 《机械设计与研究》 CSCD 北大核心 2010年第3期70-73,共4页
由于铁路轴承的易损性和故障信号提取的复杂性,文中应用了多方法融合的诊断法对铁路轴承进行故障诊断,并对基于多方法融合的BP和RBF两种网络进行了比较。首先,对采集到得信号进行FIR降噪,再对降噪后的信号进行小波包分解,构造特征向量,... 由于铁路轴承的易损性和故障信号提取的复杂性,文中应用了多方法融合的诊断法对铁路轴承进行故障诊断,并对基于多方法融合的BP和RBF两种网络进行了比较。首先,对采集到得信号进行FIR降噪,再对降噪后的信号进行小波包分解,构造特征向量,以此为故障样本对BP和RBF网络进行训练,实现智能化故障诊断,实验结果表明文中提出的方法能很好地诊断出轴承故障类型,但多方法融合的RBF的泛化能力优于BP网络,同时,在训练时间上,RBF网络也要优于BP网络,这为机械故障诊断提供理论依据。 展开更多
关键词 小波包 bprbf神经网络 铁路滚动轴承 故障诊断
原文传递
BP和RBF神经网络对复杂型面零件点云漏洞的修补应用 被引量:5
2
作者 王春香 张勇 +1 位作者 梁亮 王岩辉 《组合机床与自动化加工技术》 北大核心 2018年第3期118-120,共3页
在难以利用软件成功修补复杂型面的较大漏洞情况下,为了获得精确和完整复杂型面零件点云的三维模型,应用BP和RBF神经网络对精度要求高的挖掘机斗齿内腔人为漏洞修补,误差对比分析表示,BP修补效果较RBF更佳。考虑到工程实际中应用,精度... 在难以利用软件成功修补复杂型面的较大漏洞情况下,为了获得精确和完整复杂型面零件点云的三维模型,应用BP和RBF神经网络对精度要求高的挖掘机斗齿内腔人为漏洞修补,误差对比分析表示,BP修补效果较RBF更佳。考虑到工程实际中应用,精度要求和效率上,以复杂型面点云机架为例,实验表明,BP算法取得了很好的修补效果,该修补方法在漏洞修补上比软件修补和RBF修补效果好且效率高,为后续复杂型面点云数据处理提供了参考依据。 展开更多
关键词 复杂型面 机架 bprbf神经网络 漏洞修补
下载PDF
基于ACO的BP-RBF算法在建筑基础选型中的应用 被引量:3
3
作者 张淇 程志辉 《土木工程与管理学报》 北大核心 2019年第5期187-191,199,共6页
本文将人工神经网络算法思想引入到建筑基础选型决策的研究中,首先把RBF神经网络模型与BP神经网络模型耦合生成BP-RBF模型。通过对厦门某工程的基础选型实例验证发现该算法具有迭代时间长、计算复杂的问题。为改进算法,本文将ACO算法引... 本文将人工神经网络算法思想引入到建筑基础选型决策的研究中,首先把RBF神经网络模型与BP神经网络模型耦合生成BP-RBF模型。通过对厦门某工程的基础选型实例验证发现该算法具有迭代时间长、计算复杂的问题。为改进算法,本文将ACO算法引入BP-RBF模型,建立了基于ACO的BP-RBF神经网络模型,将专家库知识系统导入到改进后的模型中进行仿真训练,训练结果表明引入ACO算法后的模型将精度提高了5.43%,并将迭代时间缩短为原来的1/2。改进后的基于ACO的BP-RBF算法在基础选型决策中可达到89.74%的决策精度,算法科学合理,以期为建筑基础选型工作提供一定的参考。 展开更多
关键词 bp-rbf神经网络 蚁群算法 基础设计选型
下载PDF
基于神经网络的上海港口货物吞吐量预测研究
4
作者 栾玲 《市场周刊》 2015年第1期13-14,共2页
影响港口货物吞吐量的因素有很多,各因素之间、各因素与吞吐量之间存在着复杂的非线性关系。神经网络可以通过学习和训练掌握变量之间的非线性关系并进行预测。通过选取影响港口吞吐量的7个主要因素,采用滞后期和非滞后期两种训练方法,... 影响港口货物吞吐量的因素有很多,各因素之间、各因素与吞吐量之间存在着复杂的非线性关系。神经网络可以通过学习和训练掌握变量之间的非线性关系并进行预测。通过选取影响港口吞吐量的7个主要因素,采用滞后期和非滞后期两种训练方法,分别使用BP和RBF神经网络对样本进行训练并预测,并比较两种方法下BP和RBF神经网络在吞吐量预测中的差异。结果显示,两种方法中RBF神经网络都表现出比BP神经网络较高的收敛速度和较小的训练误差,但预测准确度小于BP神经网络。而滞后一期的训练方法提高了收敛速度,降低了训练误差,但同时预测准确度降低了。 展开更多
关键词 bprbf神经网络 吞吐量 预测
下载PDF
基于BP-RBF组合神经网络的废气监测盲区SO_2浓度预测 被引量:3
5
作者 李晓云 王晓凯 《测试技术学报》 2018年第3期191-196,共6页
工业园区大气管理中,监测盲区的废气浓度分析是现有监测系统需要解决的难点问题.本文提出一种组合神经网络,利用已知监测点信息对监测盲区的废气浓度进行预测.首先,根据BP与RBF神经网络的特点,提出二者组合的神经网络结构;其次,分析监... 工业园区大气管理中,监测盲区的废气浓度分析是现有监测系统需要解决的难点问题.本文提出一种组合神经网络,利用已知监测点信息对监测盲区的废气浓度进行预测.首先,根据BP与RBF神经网络的特点,提出二者组合的神经网络结构;其次,分析监测盲区废气浓度预测问题,并提出基于BP-RBF组合网络的预测模型算法;最后,运用工业园区SO_2实际监测数据对所提组合网络预测方法进行实验验证.实验结果表明:本文所提BP-RBF组合网络预测方法具有良好的性能,适用于监测盲区废气浓度预测问题. 展开更多
关键词 bp-rbf组合神经网络 废气监测 监测盲区 SO2浓度预测
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部