基于LabVIEW的滚动轴承故障智能诊断系统

利用LabVIEW平台开发了齿轮故障诊断系统。系统主要采用共振解调诊断和BP神经网络诊断两种方法。共振解调诊断由Hilbert解调和小波包解调实现故障频率识别;BP神经网络诊断由对有量纲和无量纲参量提取的特征以及根据小波相对能量提取的特征作为神经网络的输入向量,轴承的故障类型作为输出向量,采用神经网络对轴承进行诊断,实验结果表明:通过解调和神经网络诊断,该系统能有效识别齿轮故障,确定故障类型。     

基于神经网络的综合方法的研究

对神经网络与其它智能控制技术相结合进行了综述,主要有神经网络与模糊逻辑技术、小波分析、可拓理论、遗传算法和混沌等技术相互结合从而形成新型神经网络。进而概述了小波网络、模糊网络、模糊小波神经网络、遗传神经网络、混沌神经网络和开拓神经网络等模型的研究现状,并展望了今后的发展趋势。     

多指标综合评价的神经网络方法

文章利用神经网络建立了多指标综合评价模型,采用隶属函数对评价指标进行了描述。运用BP神经网络的自学习、自适应、自组织功能,在输入评价指标后网络将输出最终的系统目标评价值,达到精确评价和最优决策的目的。最后,以实例验证了这种方法的准确性和可操作性。     

金融时间序列多分辨分析的描述性研究

小波理论近年来已经被广泛应用于金融时间序列分析，然而实践证明想要掌握好该方法并不容易。本文以简单的时间序列为样本．详细地描述了小波分解与重构的全部过程，意在通过详实的步骤，揭示出小波多分辨分析的本质。最后，实际演示了如何运用Madab小渡工具箱对包含600个交易数据的金融时间序列进行多分辨分析。     

一种基于小波神经网络的超分辨图像重构

针对在航空航天遥感领域中使用的CCD相机对景物进行成像时,由于像元尺寸的限制导致图像低分辨率的问题和传统的图像重构算法的不足,提出了小波神经网络映射图像重构过程非线性特性的方法。实验表明,用小波神经网络对低分辨的图像重构,可以得到高分辨率图像。通过仿真实验得到高分辨率和高信噪比的超分辨结果：     

多帧超分辨率图像重建迭代小波算法研究

为了解决由于物体的运动和拍摄环境等因素,造成拍摄后多帧图像分辨率低和细节丢失的问题。本文对现有超分辨图像处理算法查阅研究,提出超分辨率图像重建迭代小波算法。最终对比迭代小波算法运算后最终的图像和参考帧图像,并比较图像信噪比的变化得出迭代小波算法的优越性。     

城市干道交通拥堵识别技术研究

为快速有效地进行城市干道的交通拥堵识别,文中提出一种基于朴素贝叶斯的城市干道交通拥堵识别算法。最后,基于南京市主干道的交通调查数据,对朴素贝叶斯算法以及基于径向基函数神经网络的城市干道交通拥堵识别算法进行对比。结果表明,朴素贝叶斯算法在对城市干道交通状态的识别上比基于径向基函数神经网络算法具有更好的准确性、优越性以及更低的误判率。     

BP神经网络和Duffing系统结合的超声导波管道检测研究

针对管结构中微小缺陷的定性分类问题,本文提出了一种基于深度学习和Duffing系统结合的超声导波管道检测研究。将BP神经网络与传统的超声导波技术相结合,对数值模拟信号分别提取小波变换得到的小波系数能量值,以及10个时域特征值,同时引入Duffing振子中的分维数缺陷识别方法,实现了管道缺陷中凹陷、裂缝、孔洞三种缺陷的分类识别。实验结果表明：在处理数值模拟管道超声导波信号的分类问题上,基于传统特征选取办法的BP神经网络识别准确率为86.35%,加入三个混沌系数后准确率提升至91.85%。     

基于PNN网络的油井功图识别方法

油井功图是油井工况诊断的重要依据,快速准确地识别油井功图对于提高油田作业效率具有重要意义。传统的人工相面法识别示功图无法实现油井工况的实时在线诊断,而BP神经网络法识别准确率较低,因此提出一种基于概率神经网络的油井功图识别方法。该方法通过提取功图数据的面积特征、特征向量和载荷曲线的傅里叶逼近特征作为油井功图的特征值,PNN网络用特征值作为输入对油井工况进行诊断。实验结果表明与BP网络相比使用PNN网络根据功图提取特征进行油井功图识别时能够达到更高的识别效率。     

一种基于小波变换的PSK信号调制样式识别的新方法

利用PSK信号的不同相位突变点的小波变换产生不同大小冲激值的特点,对信号进行Haar小波变换,通过求取各冲激值的累计分布函数来判别相位突变值的数量,以达到识别PSK信号调制样式的目的。实验证明该方法识别效果良好,具有较大的实用价值。     

基于人工神经网的入侵检测技术应用研究

入侵检测属于动态安全技术,它能够主动检测网络的易受攻击点。相对于传统的入侵检测技术来说,采用人工神经网的入侵检测具有检测准确度高以及能识别大量新型攻击的优点。本文提出了基于BP神经网络的入侵检测系统,详细分析了基于BP神经网络的入侵检测系统的设计和实现过程,并利用KDD cup 99数据集通过仿真实验表明这种神经网络算法可以有效地应用到入侵检测系统中。     

应用小波分析诊断减速箱齿轮故障

本文介绍了减速箱齿轮引起振动的类型,小波分析的原理,结合工程实践,证实了小波的多分辨特性在故障诊断中的良好效果.     

基于K-means算法的神经网络文本分类算法研究

本文在分析文本分类算法的一般模型和现有技术后,针对传统神经网络算法存在的问题,提出了一种引入Kmeans算法用于训练RBF神经网络的径向基函数中心,改善误差反向传播（BP）神经网络分类算法收敛速度较慢的缺点。实验结果表明,改进后的RBF网络与BP网络、RBF网络相比,在取得较好分类精度和召回率情况下,具有较高的运算速度和较强的非线性映射能力。     

基于WT-CNN深度学习的轴承故障识别

针对传统轴承故障识别方法的识别率低以及人工干涉等问题。提出了一种基于时频图和深度神经网络（WT-CNN）轴承故障类别的自动识别方法。首先采用连续小波变换（CWT）将原始信号转为时频图,然后将其输入VGG-16神经网络模型中的卷积网络层（CNN）进行特征自动提取,并使用softmax层完成识别。实验结果表明,该方法可以准确地识别轴承故障类别,其准确率达到100%。因此与其他神经网络和传统机器学习方法相比,WT-CNN神经网络模型能有效对轴承故障类别完成识别任务。     

基于RBF神经网络的政府投资项目投资估算

<正>一、基于RBF神经网络估算模型的建立过程RBF(径向基Radial Basic Function Neural Network)函数神经网络是20世纪80年代末,Moody和Darken提出的一种特殊的三层前馈网络,它只具有一个隐层的,它的运算结构和学习算法与BP网络有很大的区别,并且很大程度上克服了BP神经网络的缺点。近年来RBF神经网络以广泛应用到各个领域,并     

基于AIW-PSO小波神经网络的上证指数预测

针对小波神经网络(Wavelet Neural Network,WNN)的学习算法的不足,采用一种自适应惯性权重粒子群优化算法(Adaptive Inertia Weight Particle Swarm Optimization,AIW-PSO)作为小波神经网络的学习算法,建立AIW-PSO小波神经网络模型对上证指数进行预测,并将预测结果传统小波神经网络模型比较。结果表明,AIW-PSO小波神经网络模型对上证指数具有更好的预测效果。     

变风量空调系统的小波神经网络控制

提出一种基于小波神经网络的控制方法，并将其运用到变风量空调的控制中去，小波神经网络控制器能产生复杂的最佳控制规律。仿真结果表明小波神经网络控制方法明显优于普通神经网络控制，并且具有逼近精度高、控制效果好、抗干扰能力强等优点。     

小波神经网络对沪深A300的分析和预测

针对金融时间序列非平稳性、非线性的特点,本文采用小波分析与人工神经网络相结合的方法,对沪深A300收盘价进行分析和预测。结果表明,小波神经网络有较强的预测能力,能达到预期效果。为了验证该方法的预测能力,进一步将时间序列数据多步分段,全方位地进行预测,并与小波-ARIMA模型、BP神经网络预测方法进行比较,体现了小波神经网络的预测优势。     

基于小波神经网络的军用物资消耗量预测模型

为解决军用物资消耗问题,设计了基于小波神经网络的军用物资消耗量预测模型,运用MATLAB仿真实现算例,并对小波神经网络的预测值进行检验。结果表明:该模型能有效消除现实环境中的不确定因素对军用物资消耗预测的影响,控制预测值和实际值之间的误差,实现对军用物资消耗量相对准确的预测。     

基于RBF神经网络的过程质量诊断研究

对控制图模式识别方法的提高与改进是改善过程工业质量诊断和质量控制的关键。利用RBF神经网络设计了过程质量诊断模型,然后用K-means聚类算法确定隐含层RBF神经网络节点数,最小二乘学习算法对网络进行学习训练,并利用MATLAB7.0对网络进行仿真,结果表明该方法比传统方法能够较快地识别出控制图的异常模式,且具有较高的识别精度,能够达到过程质量诊断的要求。