检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于蚁群神经网络的泵车主泵轴承性能评估

上海交通大学学报 2012年第4期46卷 596-600页

作者：孙旺李彦明杜文辽苑进刘成良上海交通大学机械与动力工程学院机械系统与振动国家重点实验室上海200240

针对BP神经网络、遗传神经网络等智能算法在机械设备关键部件的性能评估过程中训练收敛速度慢,且会遇到局部极小的问题,提出一种运用蚁群算法训练神经网络的权值和阈值的混合智能算法——蚁群神经网络.将蚁群神经网络应用于混凝土泵车... 详细信息

针对BP神经网络、遗传神经网络等智能算法在机械设备关键部件的性能评估过程中训练收敛速度慢,且会遇到局部极小的问题,提出一种运用蚁群算法训练神经网络的权值和阈值的混合智能算法——蚁群神经网络.将蚁群神经网络应用于混凝土泵车主泵系统中主泵轴承的模式识别和性能评估.结果表明,蚁群神经网络能很好地解决收敛速度慢、局部极小的问题,提高了分类精度,展现了良好的应用前景.

关键词：泵车主泵轴承状态性能评估 BP神经网络蚁群神经网络全局最优解

蚁群神经网络在电厂凝汽设备故障诊断中的应用研究

在线全文

学校读者我要写书评

暂无评论

蚁群神经网络在电厂凝汽设备故障诊断中的应用研究

作者：刘克非重庆大学

学位级别：硕士

本文以凝汽设备为主要研究对象,采用神经网络技术,并结合混合型知识表示和知识获取方法及基于知识的专家系统等技术,对凝汽设备故障诊断系统进行了开发研究。完成了凝汽设备相关实际故障样本的整理,建立了以0、0.25、0.5、0.75、1为征... 详细信息

本文以凝汽设备为主要研究对象,采用神经网络技术,并结合混合型知识表示和知识获取方法及基于知识的专家系统等技术,对凝汽设备故障诊断系统进行了开发研究。完成了凝汽设备相关实际故障样本的整理,建立了以0、0.25、0.5、0.75、1为征兆量的样本以及相应蚁群神经网络、故障诊断及解释、数据查询及分析等功能模块,采用Visual Basic6.0编制了故障诊断系统程序,对凝汽设备故障诊断进行了仿真实验。本文在建立故障样本时应用了产生式规则,语义网络,框架式等知识表达方法,有效的表达了凝汽设备故障诊断知识,保证数据的完整性,减少数据冗余。规范化处理数据库,从而简化了数据结构和避免了数据冲突。本文应用一种新型的优化算法――蚁群算法来训练神经网络。蚁群算法是一种新型的模拟进化算法,有正反馈、分布式计算、全局收敛、启发式学习等特点。分析了隐层节点数、蚂蚁数目、信息残留系数等因素对网络训练的精度和速度的影响,为网络参数的合理选取提供了依据。为了突出蚁群算法在训练神经网络方面的优势,在一定条件下,对蚁群神经网络、BP神经网络、遗传神经网络进行了比较。比较结果表明用蚁群算法训练神经网络在速度和精度都优于其他两种算法。同时经故障诊断仿真实例表明,本文所开发研究的诊断系统对凝汽设备各故障样本均能快速有效地收敛于一个设定的系统误差值,这就证明了本文的蚁群神经网络模型是正确的,且能快速,较准确地对故障情况作出判断。

关键词：蚁群神经网络专家系统凝汽设备故障诊断

小波分析与蚁群神经网络5′-硝基水杨基荧光酮分光光度法同时测定钨钼锑

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

冶金分析 2010年第5期30卷 19-23页

作者：赵红霞攀钢集团设计研究院有限公司

提出了钨、钼、锑—5′-硝基水杨基荧光酮—CTMAB的新显色体系,并用于钨、钼、锑三组分光度分析。为解析钨、钼和锑的重叠光谱,提高多组分同时测定的准确度,将蚁群神经网络(ACAN)与小波分析相结合,建立一种利用小波变换提取重叠光谱信息... 详细信息

提出了钨、钼、锑—5′-硝基水杨基荧光酮—CTMAB的新显色体系,并用于钨、钼、锑三组分光度分析。为解析钨、钼和锑的重叠光谱,提高多组分同时测定的准确度,将蚁群神经网络(ACAN)与小波分析相结合,建立一种利用小波变换提取重叠光谱信息,再用蚁群神经网络解析的方法,此方法应用于合金钢标准样品中钨、钼、锑多组分同时测定,测定值与认定值相符,相对误差分别为0.14%、0.13%、0.013%。

关键词：分光光度法多组分蚁群神经网络小波变换

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于蚁群神经网络的LED灯管寿命预测

半导体光电 2016年第5期37卷 649-655页

作者：刘春军肖承地刘卫东南昌大学机电工程学院南昌330031

针对高可靠性、长寿命复杂产品的可靠性评估过程,在加速寿命退化试验数据的基础上,提出了一种基于试验数据驱动的自适应智能方法,并对某型LED灯管的寿命与可靠性进行预测分析。首先,通过指数模型拟合性能退化曲线,推算出各组应力条件下... 详细信息

针对高可靠性、长寿命复杂产品的可靠性评估过程,在加速寿命退化试验数据的基础上,提出了一种基于试验数据驱动的自适应智能方法,并对某型LED灯管的寿命与可靠性进行预测分析。首先,通过指数模型拟合性能退化曲线,推算出各组应力条件下的伪失效寿命值;再将蚁群算法结合BP神经网络等智能算法应用于寿命预测模型的建立,根据试验证明寿命服从对数正态分布,且检验寿命必须满足置信度区间范围内;最后,预测出正常应力条件下LED灯管的工作寿命。结果表明,基于蚁群神经网络预测LED灯管寿命的方法,预测误差较小,收敛速度快,能够满足工程要求。

关键词： LED灯管蚁群算法 BP神经网络蚁群神经网络加速模型

在线全文

学校读者我要写书评

暂无评论

基于蚁群神经网络的裂缝开合度预测模型

水力发电 2010年第5期36卷 31-33页

作者：张立新蒋裕丰董良宁夏大学土木与水利工程学院宁夏银川750021 河海大学水利水电工程学院江苏南京210098 宁夏大学新技术研究中心宁夏银川750021

大坝裂缝开合度是体现大坝安全的重要参量。针对传统裂缝开合度预测模型的不足,提出了基于蚁群神经网络的裂缝开合度预测模型,该模型克服了传统模型容易陷入局部极小和运算迭代量大的缺点,有效地提高了学习速度,加快了收敛速度,缩短了... 详细信息

大坝裂缝开合度是体现大坝安全的重要参量。针对传统裂缝开合度预测模型的不足,提出了基于蚁群神经网络的裂缝开合度预测模型,该模型克服了传统模型容易陷入局部极小和运算迭代量大的缺点,有效地提高了学习速度,加快了收敛速度,缩短了训练时间,并通过实例验证了其拟合预报精度,说明该方法具有较强的实用性。

关键词：裂缝开合度蚁群神经网络预测模型混合编程

在线全文

学校读者我要写书评

暂无评论

基于蚁群神经网络的软件老化趋势预测

基于蚁群神经网络的软件老化趋势预测

作者：陈小勇哈尔滨工程大学

学位级别：硕士

软件在长期不间断的运行过程中,会产生系统内存泄漏、未释放的文件锁、舍入误差的积累、大量的存储空间碎片等现象,这些原因会导致软件性能的下降,这种现象被称为软件老化。软件老化的现象不仅存在于通常使用的Web服务器或者通用服务器... 详细信息

软件在长期不间断的运行过程中,会产生系统内存泄漏、未释放的文件锁、舍入误差的积累、大量的存储空间碎片等现象,这些原因会导致软件性能的下降,这种现象被称为软件老化。软件老化的现象不仅存在于通常使用的Web服务器或者通用服务器,也存在于要求高可靠性、可用性的应用系统。软件老化对安全关键领域包括人的生命都造成了巨大损失。及时地预测软件老化程度的趋势,根据系统资源的耗尽时间的度量标准,就可以及时采取相应的恢复策略,从而可以避免软件老化所造成的损失。本文在BP神经网络的基础上、采用蚁群算法,对反映软件老化趋势程度的资源参数进行预测,从而判断软件恢复时间。论文首先论述了软件老化的研究意义和研究现状;构建了研究软件老化的实验平台;其次介绍了线性预测方法和非线性预测方法,这些方法包括Sen slope、ARMA模型、BP神经网络等,本文对各种预测算法进行了综合比较。在预测老化趋势方面,首先应用各种预测方法对实验平台采集的系统性能数据进行了预测,实验表明神经网络算法在数据的拟合准确性和预测的精确性方面,此算法达到了一定的精度。BP神经网络的初始化权值的选择存在着一定的不足。因此,本文提出了蚁群神经网络（ACONN, Ant Colony Neural Network）,使用蚁群算法优化BP神经网络的初始化权值,建立了蚁群算法优化BP神经网络的模型,完成了蚁群神经网络对软件老化趋势预测的设计。论文对蚁群神经网络的构建流程进行了阐述,并使用MATLAB神经网络工具箱,进行了仿真试验。实验结果表明,由于蚁群算法全局寻优特性,蚁群神经网络能够快速优化BP神经网络权值的初始选择,从而减少了BP神经网络训练的迭代次数和训练时间。预测结果表明蚁群神经网络的性能优于BP神经网络,预测更为准确。

关键词：软件老化 BP神经网络蚁群算法蚁群神经网络

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于蚁群神经网络的齿轮监测与诊断技术研究

基于蚁群神经网络的齿轮监测与诊断技术研究

作者：高庶勤西安理工大学

学位级别：硕士

齿轮是现代胶印机的重要传动部件,其运行状态对整机的印刷效果有很大的影响,也是易于发生故障的部件之一,因此对胶印机传动齿轮的状态监测和故障诊断研究是十分必要的。本课题针对齿轮振动信号的振动机理和特点,对振动信号进行时域和频... 详细信息

齿轮是现代胶印机的重要传动部件,其运行状态对整机的印刷效果有很大的影响,也是易于发生故障的部件之一,因此对胶印机传动齿轮的状态监测和故障诊断研究是十分必要的。本课题针对齿轮振动信号的振动机理和特点,对振动信号进行时域和频域分析,提取齿轮运行过程中故障特征量,并建立蚁群神经网络模型对齿轮故障进行识别,通过实验验证了所建模型的正确性。本课题的主要研究内容：1.分析齿轮故障的失效形式及其产生原因,并探讨几种典型状态下齿轮振动信号的频谱特征。2.阐述振动信号的处理方法,分析齿轮运行时信号的时域、频域特征;提取用于故障识别系统的特征量,作为蚁群神经网络的输入样本。3.针对BP神经网络在齿轮故障识别中存在的不足,开发基于蚁群神经网络的故障辨识系统(ACOBP系统),ACOBP系统中优化程序的编写和参数值的确定是研究的重点。4.利用MATLAB和LabVIEW软件开发集数据采集、数据分析、故障诊断于一体的齿轮故障诊断系统。5.实验验证。从实验台的组成、齿轮故障的设置与传感器测点的选择介绍实验平台,并根据所建模型分析实验数据,验证本文所提出方法及模型的有效性。实验结果表明,开发的蚁群神经网络系统实现了胶印机滚筒传动齿轮的状态监测和智能故障诊断,这将有利于提高印品质量和生产效率,并为建立胶印机整机的监测系统奠定了一定的基础。

关键词：胶印机传动齿轮振动故障诊断蚁群神经网络 LABVIEW