导读:本文包含了复合神经网络论文开题报告文献综述及选题提纲参考文献，主要关键词:BP神经网络模型,预测,显微硬度,Ni-Co,SiO_2复合镀层
复合神经网络论文文献综述
任俊军[1]（2019）在《BP神经网络模型预测Ni-Co/SiO_2复合镀层显微硬度的研究》一文中研究指出将正交试验与BP神经网络相结合,建立了能够表征电流密度、温度、超声波功率及镀液中SiO_2微粒的质量浓度与Ni-Co/SiO_2复合镀层显微硬度之间关系的BP神经网络模型。采用附加动量法对模型算法进行优化,并将正交试验获得的数据作为样本,分别利用常规BP神经网络模型和优化后的BP神经网络模型进行预测。结果表明:优化后的BP神经网络模型的计算效率不及常规神经网络模型的计算效率,但将其用于预测Ni-Co/SiO_2复合镀层的显微硬度具有较强的可行性和较高的准确度。(本文来源于《电镀与环保》期刊2019年05期）
李志山,史耀耀[2]（2019）在《基于神经网络的高效强力复合铣床立柱优化设计》一文中研究指出针对整体叶盘高效强力复合数控铣床立柱刚性不足的问题,通过试切钛合金获取盘铣切削时的切削力,运用ABQUS有限元分析模块,计算立柱的动、静态特性,结合变量化分析技术,提取立柱的元结构和框架结构进行优化设计。以结构固有频率最高为优化目标,提出立柱结构的改进设计方案,并结合BP神经网络模型寻找最优设计变量。改进后的立柱结构方案与原型相比,固有频率明显提高。最后,应用该方法对整体叶盘高效强力复合数控铣床原理样机进行了分析,依据分析结果对原结构进行了改进,并进行了加工试验,结果表明,其动、静态特性有了较大的改善,验证了该方法的正确性和可行性。(本文来源于《航空制造技术》期刊2019年17期）
柏阳,吴玉程,罗志勇,汪伟[3]（2019）在《基于Arrhenius方程和BP神经网络的2024Al/Al_(18)B_4O_(33)w复合材料热变形流变应力预测》一文中研究指出在350～500℃和应变速率0.01～10 s~(-1)条件下对2024Al/Al_(18)B_4O_(33)w复合材料进行等温压缩实验。分析复合材料流变应力曲线,基于应变补偿型Arrhenius方程和BP神经网络模型分别预测其流变应力,通过数据误差分析评估两种模型的精度。通过BP神经网络预测的流变应力数据,建立基于动态材料模型的热加工图,并结合微观组织验证热加工图的准确性。结果表明:BP神经网络模型较应变补偿型Arrhenius方程更能准确地预测2024Al/Al_(18)B_4O_(33)w复合材料的流变应力。热加工图预测复合材料热变形合适的工艺参数区域为440～500℃,0.01～0.13 s~(-1)。(本文来源于《锻压技术》期刊2019年08期）
黄维,钱应平,高创[4]（2019）在《基于BP神经网络的复合材料注塑工艺优化》一文中研究指出针对纤维复合材料注塑件提出的高模量、低翘曲、高效率等要求,利用加权平均法兼容以上优点,通过层次分析法比较出制件力学性能、表面质量和生产效率的相对重要程度,构造判断矩阵得到不同权值,再利用BP神经网络算法对正交试验所得数据进行模拟,模拟所得数据误差在10%以内,最后,为提高数据的精度,通过缩短数据之间的步长,重新进行算法模拟得,到最佳工艺参数组合,并经过Moldflow反馈分析,证明了该方法的准确性。(本文来源于《湖北工业大学学报》期刊2019年04期）
肖扬[5]（2019）在《基于FPGA的复合卷积神经网络算法加速设计》一文中研究指出视觉是人类获得外界信息的重要手段,对于因视觉通路病变或受损的病患,盲人辅助系统能够有效的帮助其完成部分日常生活中的视觉任务。随着卷积神经网络等新技术的应用,盲人辅助系统能够对盲人所提供的帮助越来越丰富。但是深度学习等新技术在应用过程中存在计算消耗大、计算时间长等问题,这使得卷积神经网络难以在盲人辅助系统等轻量型平台中实现,因此对FPGA平台下的轻量型卷积神经网络进行模型和电路的协同化设计具有重要的意义。本文以GoogLeNet模型和SqueezeNet模型为基础,针对原有模型在FPGA平台中并行度低、流水效率差等问题,从硬件实现的角度出发提出了改进的并行化Inception算法模型。通过对GoogLeNet模型和SqueezeNet模型进行分析,调整Inception算法的数据流计算流程,修改了原始模型中的网络结构,并重新剪裁获得了一个适于FPGA平台部署的高准确率、轻量型卷积神经网络模型。通过与RCNN-A2模型、Maxout模型、DSN模型等其他经典的轻量级网络模型在标准CIFAR数据集上进行对比测试,实验结果表明了改进的Inception模型获得了 90.04%的准确率,比Maxout模型高准确率高2.62%、比P ReLU模型准确率高2.13%、比DSN模型准确率高0.63%,与RCNN-A2模型准确率接近,表现出了较高的识别精度和复杂场景下的鲁棒性。同时具有与其他卷积神经网络相比更加出色的硬件亲和度,在卷积神经网络的FPGA实现中具有较高的加速优势。本文完成了改进的并行Inception模型在FPGA中的硬件实现。通过采用指令控制和多状态计算等手段,将改进后的网络模型部署在基于FPGA设计的专用加速模块中,实现网络的循环运算。利用Vivado Simulation仿真工具对各个功能模块进行仿真,然后在ZCU-120开发板上搭建相应的硬件测试平台对模型进行功能验证。本文采用串口通信的方式将预先编辑的测试向量输入到算法的计算模块中,通过使用Xilinx自带的在线逻辑分析仪抓取关键节点的数据,与TensorFlow的计算结果进行对比分析。最终硬件测试结果表明,本文所提出的并行Inception模型具有显着的硬件加速性能和鲁棒性,计算效果与软件计算效果相同,在200MHz的系统时钟下获得了663 FPS峰值处理速度。(本文来源于《西安理工大学》期刊2019-06-30）
尹庆珍,张天策,郄丽娟,韩建会[6]（2019）在《基于广义回归神经网络异质复合墙体日光温室温度场的预测》一文中研究指出为深入分析新型异质复合墙体日光温室的保温特性与应用前景,利用广义回归神经网络算法训练样本数据,通过叁次样条插值法对训练结果拟合,建立冬季温室温度场预测模型。提出确定最优光滑因子的分组数目的留一优化法。选取河北省农科院经作所设计建造的新型异质复合墙体日光温室的2017年数据进行试验验证。结果表明:该模型预测效果良好,分组数目约为样本数目的1/16时训练效果最佳,预测温度与实际温度平均误差0.276 5℃,相关系数大于0.99,具有较好的精度与稳定性。本模型预测温室温度场效果良好,可用于预测冬季温室最低温度确定作物最优定植时间。(本文来源于《中国农业大学学报》期刊2019年06期）
程意[7]（2019）在《基于模糊神经网络的纯电动汽车复合制动控制策略研究》一文中研究指出制动系统是汽车安全行驶的关键,纯电动汽车使用电机作为整车动力输出装置,采用由液压制动和再生制动组成的复合制动系统。为保证纯电动汽车制动安全前提下,实现最大制动能量回收,提出基于模糊神经网络的纯电动汽车复合制动控制策略,对复合制动中再生制动力、前后轴的液压制动力进行合理分配。首先,根据整车参数及性能目标,选用永磁同步电机并确定其功率、转速及转矩等参数,选用锂离子电池并确定其电压和容量等参数,基于Cruise环境建立整车系统、电池、电机、主减速器、车轮、驾驶室以及制动模块模型,通过仿真分析,验证匹配结果具有合理性。然后,对纯电动汽车复合制动基本结构及工作原理进行分析,结合叁种典型复合制动控制策略,提出基于模糊神经网络的复合制动控制策略。根据汽车制动动力学及ECE法规,确定复合制动时前后轴的分配系数范围,通过目标非线性规划方法,确定优化后的前后轴制动力分配系数0.735。结合模糊神经网络理论,设计叁输入单输出的再生制动力分配控制器,确定复合制动中再生制动所占比例。最后,根据上述所提复合制动控制策略,确定复合制动时再生制动力及前、后轴液压制动力,在MATLAB/Simulink环境建立复合制动控制策略模型,以MATLAB-DLL方式导入Cruise环境,进行Cruise-Simulink联合仿真,结果表明:本文所提复合制动控制策略在保证制动安全的前提下,制动能量回收率提升3.52%。本文所提复合制动控制策略不仅可以为纯电动汽车复合制动控制理论创新提供新的思路,而且能提高纯电动汽车经济性,提高续航里程,具有一定现实意义。(本文来源于《中北大学》期刊2019-06-02）
李海侠,林继灿,唐海洋[8]（2019）在《基于BP神经网络永磁同步电机矢量复合控制》一文中研究指出为减小永磁电机PI控制器的速度超调,解决常规IP控制跟踪响应慢的特点,提出一种基于BP神经网络的矢量控制和PI-IP复合控制器的优化策略。综合BP神经网络、双闭环矢量控制以及PI-IP复合控制器的优点,在传统双闭环矢量控制中,对速度环引入新型的PI-IP控制器,同时结合BP神经网络的控制策略,完成BP神经网络矢量PI-IP控制器对永磁电机的速度控制,免去复杂的参数调整过程,同时提高永磁电机的工作性能。仿真结果表明,与常规控制方法相比,所提方法能有效减小速度超调,抑制扰动,BP神经网络优化后的PI-IP控制器具有更强的控制精准性和抗负载转矩扰动能力。(本文来源于《现代电子技术》期刊2019年11期）
蒋剑[9]（2019）在《基于深度卷积神经网络的旋转机械复合故障诊断方法研究》一文中研究指出旋转机械轴承-转子系统故障频发,单一故障存在很有可能诱发其它故障产生。旋转机械中轴承和转子故障占比较大,而轴承-转子复合故障也时有发生。如果任由其故障发展将会造成不可挽救的重大生命财产损失,因此旋转机械故障诊断方法研究具有非常重要的意义。设备的状态监测可以为设备维修保养制定合理的计划,避免了“维修不足”和“维修过剩”情况发生,同时为维修提供参考决策。基于信号处理的旋转机械故障诊断方法常以振动加速度作为重要的研究载体,而收集到的信号成分十分复杂,往往存在干扰成分较多。如若不对信号进行预处理很难从原始信号中获取有用信息。针对上述问题,本文提出了一种瞬时频率均值曲线和VMD-EES结合的故障特征提取方法。首先使用轴承振动模型模拟了一组故障信号,通过Hilbert包络谱分析VMD分解得到的分量发现,分量中依然含有较多的噪声成分,故障特征依然不够明显。增强包络谱中的自相关函数和扩展Shannon熵操作不仅可以有效降低无法剔除的噪声,还可以增强故障特征。通过仿真信号和SKF6203滚动体微弱故障分析,证实了所提方法的有效性。同时将EMD-EES方法对比发现,VMD分解得到的分量其中心频率和带宽较为合理,信息比较集中,轴承-转子复合故障的耦合机理研究并不充分,因此无法使用现有的时域、频域的统计指标有效地反映故障状态,尤其是频域特征的人工提取缺乏指导,而深度学习并不需要先验知识,因此本文针对故障特征构造问题提出了Hilbert包络谱和DCNN结合的方法实现多层次、多融合、多尺度、差异化的故障特征提取和识别过程,CRWU电气实验室滚动轴承单一故障平均识别准确率达到100%。同时利用该方法对N205滚动轴承-转子复合故障和正常状态下的7种工况进行识别,其平均识别准确率为90.11%。通过细化研究和特征分布可视化表示发现,仅仅使用包络谱作为网络输入,滚动体和转子的复合故障的数据分布存在一定的重迭,造成误诊分布不均衡,严重影响了模型的推广泛化能力。针对上述模型误诊分布不均衡问题,以及DCNN网络固有的缺点,本文将深度学习的特征提取能力和SVM在小样本空间的分类能力结合,提出了一种多域多输入的semi-DCNN旋转机械轴承-转子系统复合故障诊断方法,该方法结合了理论依据清晰、敏感的时域指标和DCNN自主提取的频域指标共同输入到分类器对故障类型辨识,形成人类成功经验与机器深度学习结合互补的诊断机制,N205滚动轴承-转子实验将DCNN从包络谱提取的16个频域特征经PCA降维后,和峰峰值、峭度指标构成特征集,送入PSO-SVM,实验结果证实多域多输入的semi-DCNN有效改善了仅使用Hilbert包络谱输入DCNN网络的误诊分布不均衡的问题,滚动体和转子不对中、不平衡复合故障的测试识别准确率分别提升力32.43%和33.80%,整体识别平均准确率达到99.16%。(本文来源于《中国矿业大学》期刊2019-05-29）
李海侠,林继灿,符士宾,张晖东[10]（2019）在《基于BP神经网络的异步电机转子磁链定向矢量复合控制》一文中研究指出针对异步电机在传统PI控制策略中,参数固定且容易超调,IP控制策略跟踪响应慢的特点,提出神经网络矢量PI-IP复合控制策略。在转子磁链定向矢量控制中,转速环引入新型的PI-IP控制器,同时利用神经网络进行参数整定,综合PI-IP控制器,神经网络以及转子磁链定向矢量控制的优点,完成神经网络矢量PI-IP控制器对异步电机的优化控制,提高系统的动、静态性能。最后基于仿真效验,仿真结果表明,与常规控制方法相比,该方法能有效提高控制精准性,抑制扰动,神经网络矢量PI-IP复合控制器具有更强的稳态精度和应对负载扰动能力。(本文来源于《组合机床与自动化加工技术》期刊2019年05期）
复合神经网络论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对整体叶盘高效强力复合数控铣床立柱刚性不足的问题,通过试切钛合金获取盘铣切削时的切削力,运用ABQUS有限元分析模块,计算立柱的动、静态特性,结合变量化分析技术,提取立柱的元结构和框架结构进行优化设计。以结构固有频率最高为优化目标,提出立柱结构的改进设计方案,并结合BP神经网络模型寻找最优设计变量。改进后的立柱结构方案与原型相比,固有频率明显提高。最后,应用该方法对整体叶盘高效强力复合数控铣床原理样机进行了分析,依据分析结果对原结构进行了改进,并进行了加工试验,结果表明,其动、静态特性有了较大的改善,验证了该方法的正确性和可行性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
复合神经网络论文参考文献
[1].任俊军.BP神经网络模型预测Ni-Co/SiO_2复合镀层显微硬度的研究[J].电镀与环保.2019
[2].李志山,史耀耀.基于神经网络的高效强力复合铣床立柱优化设计[J].航空制造技术.2019
[3].柏阳,吴玉程,罗志勇,汪伟.基于Arrhenius方程和BP神经网络的2024Al/Al_(18)B_4O_(33)w复合材料热变形流变应力预测[J].锻压技术.2019
[4].黄维,钱应平,高创.基于BP神经网络的复合材料注塑工艺优化[J].湖北工业大学学报.2019
[5].肖扬.基于FPGA的复合卷积神经网络算法加速设计[D].西安理工大学.2019
[6].尹庆珍,张天策,郄丽娟,韩建会.基于广义回归神经网络异质复合墙体日光温室温度场的预测[J].中国农业大学学报.2019
[7].程意.基于模糊神经网络的纯电动汽车复合制动控制策略研究[D].中北大学.2019
[8].李海侠,林继灿,唐海洋.基于BP神经网络永磁同步电机矢量复合控制[J].现代电子技术.2019
[9].蒋剑.基于深度卷积神经网络的旋转机械复合故障诊断方法研究[D].中国矿业大学.2019
[10].李海侠,林继灿,符士宾,张晖东.基于BP神经网络的异步电机转子磁链定向矢量复合控制[J].组合机床与自动化加工技术.2019