简介:摘要:粗糙集理论作为信息时代背景下的一项全新智能处理技术,主要针对不确定性和不完整性的数学工具进行处理,并在此基础上根据不完整、不精确等多项不完善信息实现有效分析,实现在关键信息下的有效保留。基于此背景下,由于神经网络当前在车载设备故障诊断中存在的复杂结构问题,当前通过实现粗糙集与神经理论结合的方式,也能够从根本上实现在BP神经网络上的优化,满足车载设备故障诊断的主体需求。对此,本文基于在粗糙级理论下的属性约简算法,根据实际的车载设备案例,分析粗糙集理论与神经网络结合的主要步骤,重点阐述粗糙集神经网络结合下的故障诊断性能比较。
简介:摘要:针对单通道振动信号输入不能全面表达结构损伤特征信息问题,提出基于多通道一维卷积神经网络的结构损伤识别方法,融合多传感器振动信号信息,直接从原始振动信号中自主提取学习结构损伤特征,实现对结构损伤模式的识别。通过简支梁数值模拟对所提方法进行验证,结果表明:所建立的多通道一维卷积神经网络模型(1D-CNN)能够准确地识别结构的损伤位置和损伤程度,且具有一定的抗噪能力。
简介:摘要: 依据某复杂薄壁件铸造的特点,建立了基于粒子群算法( PSO )优化反向传播神经网络( BPNN )的某复杂薄壁件质量评估模型。首先介绍了 PSO 算法和 BP 神经网络的基本原理;然后接着构建了 PSO-BP 神经网络质量评价体系,最后对评估模型进行了方针验证。仿真结果表明,该评估模型可以对某复杂薄壁件的质量进行有效的评价,可以较好地指导工艺参数优化。