- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
基于神经网络的激光熔覆二维形貌预测
摘要： 熔覆层二维形貌对熔覆层质量及裂纹倾向具有重要影响。利用单隐层前馈神经网络强大的非线性处理能力，建立了熔覆工艺参数与熔覆层二维形貌之间的预测模型。以熔覆参数为输入、熔覆二维形貌为输出，采用实验数据训练网络以实现输入输出的精准映射。在此基础上，运用极限学习机算法优化单隐层前馈神经网络，解决了反向传播算法中收敛速度慢、网络训练参数多及易陷入局部收敛的问题。结果表明：反向传播算法能大致反映熔覆工艺参数与熔覆层二维形貌的关系，但预测结果不稳定且误差率在10%-40%之间；采用极限学习机优化的神经网络可获得更优预测结果，误差率为10%-20%。
关键词： 极限学习机，BP神经网络，层覆膜，形貌预测
更新于2025-11-28 14:24:20
-
基于机器学习方法的自适应太阳能发电预测
摘要： 由于电力系统中存在预测误差（如太阳能、风能及负荷需求），其经济性能会相应减弱。本文提出一种自适应太阳能预测（ASPF）方法，通过结合数据聚类、变量选择和神经网络来捕捉预测误差特征并修正预测结果，从而实现精准的太阳能预测。该ASPF方法具有普适性，无需依赖任何特定原始预测方法。我们首先提出ASPF框架，重点包括数据识别与数据更新环节；随后阐述改进的k均值聚类算法、最小角回归算法及BP神经网络的实现方式；最终构建的ASPF系统随数据量增加呈现性能提升?；谧纷偾莸姆抡娼峁砻鳎酇SPF方法具有显著有效性。
关键词： 机器学习、k均值算法、BP神经网络、自适应太阳能发电预测、最小角回归
更新于2025-09-23 15:23:52
-
K9玻璃单磨粒冲击划擦的实验研究与预测
摘要： 设计正交试验L16(43)，采用Vickers金刚石压头在DMG ULTRASONIC 70-5机床上对K9玻璃进行冲击划擦实验。通过扫描电子显微镜(SEM)观察玻璃表面三维形貌，并与准静态状态下的形貌进行对比。选取接触区长度作为冲击接触长度（即冲击评价指标）计算磨削过程的应变率。首次分析了应变率与径向裂纹深度、应变率与横向裂纹深度、应变率与法向划擦力之间的关系。结果表明：随着应变率增大，径向裂纹深度、横向裂纹深度和法向划擦力均减小。建立以应变率为输入变量的双层BP神经网络，预测径向裂纹深度、横向裂纹深度和法向划擦力，误差均在10%以内，表明BP神经网络的预测结果可靠。
关键词： 冲击划痕、裂纹深度、应变率、BP神经网络、K9玻璃
更新于2025-09-23 15:22:29
-
近红外光谱检测实木板材表面缺陷的潜力
摘要： 实木板材表面缺陷直接影响其力学性能和产品质量等级。本研究采用近红外光谱（NIRS）技术检测并分类实木板材表面缺陷，选取红松作为原料，重点验证模型对活节、死节、裂纹及无缺陷这四类木材表面缺陷的分选能力。测试数据由便携式近红外光谱仪采集的360组缺陷样品吸收光谱构成，波长范围900-1900纳米。通过三种预处理方法对比原始吸收光谱的降噪效果，基于900-1900纳米特征波段建立了偏最小二乘判别分析（PLS-DA）、最小二乘支持向量机（LS-SVM）和反向传播神经网络（BPNN）三类NIR鉴别模型。结果表明：BPNN模型的校正集分类准确率达97.92%，预测集准确率为97.50%。这些发现证实了近红外技术在检测实木板材表面缺陷并进行缺陷类型区分方面的应用潜力。
关键词： 表面缺陷、BP神经网络、偏最小二乘判别分析、最小二乘支持向量机、近红外光谱、实木板材
更新于2025-09-23 15:22:29
-
基于BP神经网络的图像恢复算法研究
摘要： 随着信息传输技术和计算机技术的发展，当前信息获取模式已从文字为主转变为以图像为主。然而在图像获取与传输过程中，由于各种因素会导致图像损坏和质量下降。因此，如何修复图像已成为图像处理领域的研究热点。本文建立了基于BP神经网络的图像修复模型，仿真结果表明，该方法相比传统图像修复方法有显著改进。
关键词： 图像处理、BP神经网络、图像复原、图像去噪
更新于2025-09-23 15:22:29
-
[2019年IEEE第二届自动化、电子与电气工程国际会议(AUTEEE) - 中国沈阳(2019.11.22-2019.11.24)] 2019年IEEE第二届自动化、电子与电气工程国际会议(AUTEEE) - 周向扫描型卫星激光通信终端跟踪建模
摘要： 在星间激光通信系统中，周向光学跟踪结构具有体积小、结构简单的优势，可广泛应用。但由于目标激光信号跟踪过程中方位轴与俯仰轴的耦合关系，以及电机扰动和卫星进出地影区产生的振动等因素，会影响跟踪精度。为提高系统跟踪精度，采用矩阵光学方法建立周向激光通信终端中光的传播矩阵，推导出基于目标光角度与通信终端姿态信息的粗跟踪算法；随后基于精确电机模型，运用BP神经网络设置PID控制方法，建立通信终端的控制模型。最后在Matlab-Simulink环境中构建粗跟踪控制模型，实验验证了建立跟踪算法模型的必要性，并获得更优的动态跟踪误差，满足星间激光通信高精度粗跟踪要求。
关键词： 卫星激光通信、跟踪模型、BP神经网络、圆周扫描式
更新于2025-09-23 15:21:01
-
图像分析技术在人体特征参数提取中的应用
摘要： 随着生活水平的提高，个性化服装定制已成为人们服饰需求的一种趋势。个性化服装定制的关键因素是三维人体建模。随着图像分析技术的发展，利用图像分析技术提取人体特征成为可能。本文采用二维人体特征区域及图像特征参数提取方法，运用反向传播神经网络（BP神经网络）对三维人体特征进行拟合，并对22名受试者的颈部、胸部、腰部和臀部进行了验证。结果表明，采用该方法能够较好地实现人体特征参数的提取。
关键词： 人类特征，BP神经网络，图像分析，特征提取，计算机辅助设计（CAD）
更新于2025-09-23 15:21:01
-
一种基于LM-BP神经网络利用MODIS大气产品估算月平均日全球太阳辐射的方法
摘要： 太阳能是世界上应用最广泛的可再生能源之一，其开发利用已融入人们的生活。因此，准确的太阳辐射数据对光伏发电选址、太阳炉及节能建筑设计具有重要意义。但由于全国地面观测站点稀少且分布不均，实际获取精确太阳辐射数据存在挑战。现有许多人工神经网络（ANN）估算模型被开发用于预测太阳辐射，但这些模型大多基于常规气象数据——由于常规气象站缺乏仪器观测，云量、气溶胶和水汽因素很少被纳入考量。 本研究基于中分辨率成像光谱仪（MODIS）提供的云量、气溶胶和可降水量数据，结合常规气象数据，采用Levenberg-Marquardt（LM）算法构建了反向传播（BP）神经网络模型（简称LM-BP），用于模拟月平均日总太阳辐射（M-GSR）。通过对比本研究模型、多元线性回归（MLR）模型以及云与地球辐射能量系统（CERES）遥感辐射产品的三种M-GSR估算结果发现：ANN模型的精度优于MLR模型和CERES辐射产品，其均方根误差（RMSE）分别为1.34 MJ·m?2（ANN）、2.46 MJ·m?2（MLR）和2.11 MJ·m?2（CERES）。最终基于该ANN方法，估算了研究区域36个常规气象站2012年全年12个月的M-GSR值。本研究的LM-BP方法所得太阳辐射数据可为太阳能热能利用提供参考依据。
关键词： 可降水量、太阳辐射、LM-BP神经网络、气溶胶、云
更新于2025-09-23 17:16:49
-
典型非线性算法与近红外光谱联用在食品分析中的应用概述
摘要： 近红外（NIR）光谱技术凭借其低成本、无损快速、精确可控、准确可靠及可重复再现等特性，已广泛应用于各行业的食品质量检测领域。该技术与不同建模方法的结合，被证实能有效提升食品无损检测的准确性与稳健性。本综述系统阐述了非线性算法在近红外光谱食品质量与安全检测中的应用进展，深入解析了近红外光谱原理及人工神经网络（ANN）、AdaBoost、局部算法（LA）、支持向量机（SVM）和极限学习机（ELM）等非线性模型，并探讨了近红外光谱耦合非线性算法保障食品安全的前景展望。
关键词： BP神经网络、近红外光谱技术、非线性应用、非线性算法、AdaBoost
更新于2025-09-19 17:13:59
-
[2019年IEEE亚太电力与能源工程会议(APPEEC) - 中国澳门(2019.12.1-2019.12.4)] 2019年IEEE亚太电力与能源工程会议(APPEEC) - 基于数据聚类与参数优化的光伏发电预测
摘要： 随着光伏产业的快速发展，光伏功率预测已成为亟待解决的问题。本文提出一种基于数据聚类与参数优化的光伏功率预测方法，其实施步骤如下：首先通过分析光伏电池物理模型确定待采集气象特征，并采用K-means算法将采集的数值天气信息划分为若干类别；随后针对各类别采用BP神经网络进行训练，并提出自适应参数优化方法防止模型陷入局部最优；最后通过与其他模型的对比验证本方法的有效性。
关键词： 光伏发电预测，BP神经网络，数据聚类，参数优化
更新于2025-09-19 17:13:59