简介：摘要：当今，在社会与时代不断发展进步的过程中，民众工作生活的方式出现巨大转变，尤其是各项社会生产活动基本上都实现了机械化，为我国的机械工程创造了良好的发展机遇。人工神经网络涵盖了多学科专业知识，具有较高的复杂性和综合性，在机械工程具有显著应用优势。合理分析如何将人工神经网络融入到机械设计、制造以及机械故障诊断等各个方面，对于机械工程来说意义重大。

简介：摘要：通过本综述对智能识别神经网络在无线通信中对抗攻击技术的综合分析和总结，旨在提供研究者和从业者对该领域的深入理解，并为进一步的研究和应用提供有价值的参考。

简介：摘要结合某盾构施工地表沉降监测数据，利用Peck公式对地表的横向沉降曲线进行拟合，提取地表沉降槽最大值Smax及沉降槽宽度系数i。利用双层BP神经网络建立分析模型，将对应监测断面的地层参数以及施工工况作为输入参数，沉降槽最大值以及沉降槽宽度系数i作为输出值，选取数据作为样本进行训练，达到误差要求后运用此模型能够有效预测不同地层、不同工况下的地表沉降情况。

简介：摘要：目前，双目立体视觉广泛应用于三维模型重建和立体匹配等多个领域，对双目立体视觉系统进行校准的首要任务是获取双目立体视觉系统中目标的位置信息。在相机校准过程中，需要确定相机的光学和几何参数以及相机坐标系和自由空间坐标系的相对位置和方向。在双目立体视觉系统中，二维图像点和三维目标对象之间的对应关系只能通过相机校准来实现。

简介：摘要：目前的汽轮机负荷控制中，通常采用广义预测技术来进行负荷控制，但控制函数的拟定较差，控制时的稳定性不佳，波动较大。因此，提出基于多变量模糊神经网络的汽轮机负荷控制方法研究。首先建立其影响汽轮机负荷的数据分析模型，作为控制依靠。其次利用多变量模糊神经网络对模型中的数据进行运算，并自动校正，来实现对于汽轮机的负荷控制。为了验证设计方法的有效性，设计实验，利用Simulink工具来构建汽轮机的仿真环境，并使用设计方法与传统方法共同进行热点负荷的控制，实验结果证明，设计方法控制更加稳定，性能更优，存在可行性。

简介：摘要影响边坡稳定性的因素复杂，导致很难利用传统的方法定量的描述边坡的稳定性。人工神经网络模型的优势在于可以利用系统的整体性质而不依赖于明确的关系。本文利用已发表的滑坡或边坡的数据应用于人工神经网络模型，以此预测滑坡的稳定性，并与传统的极限平衡法和最大似然估计法法得到的结果进行比较。结果表明人工神经网络方法预测边坡的稳定状况是可行的。

简介：摘要：如今电梯已成为人们的生活中必不可少的室内交通工具，但是近年这种交通工具因为门系统故障引起了很多人员伤亡事故。为了确保电梯安全可靠的运行，文中对电梯门系统进行了故障预测。针对电梯门系统故障类型：电梯启动门不关、电梯开关门时门扇振动大、到达指定层不开门不关门。将三种故障类型作为预测模型的输出。引起故障的原因有8个，其作为输入。运用粒子群算法（PSO)与BP神经网络相结合建立模型，通过MATLAB仿真，仿真结果表明PSO-BP神经网络算法在电梯门系统故障预测中具有可行性。

简介：摘要怎样简单而高效地、准确地去针对工程岩体来实施分类是一个极具挑战性的课题，值得深入研究，同时它还是现场施工的最为急迫的一个需求，尤其是某一些特殊性的地下工程。我们针对某省某公路隧道来展开具体的研究，同本区域的真实的地质环境加以结合，选定了不连续结构面的状态以及充填情况、岩石的单轴抗压强度以及岩石质量指标、地下水渗水量、洞轴线和层状岩石醋在的夹角这五大指标来当作评价因子，构建了以BP神经网络为基础的公路隧洞围岩的分类模型，对公路隧道围岩的等级展开了成功的评级，得到了较佳的评价效果，并且为公路隧道围岩的合理分类提供了相应的依据。

简介：摘要：为了提高气体绝缘金属封闭开关（ GIS）缺陷的检测效率，提出了一种基于计算机卷积神经网络的 GIS中典型缺陷图像识别和分类方法。利用内窥镜获取 GIS的不同类型的缺陷图像并建立相应的样本数据库。预处理数据库中的图像。设计相应的卷积神经网络，并利用预处理后的图像对卷积神经网络进行训练和测试，实现对缺陷图像的识别。应用的算法由 matlab软件实现。测试结果证明，基于卷积神经网络的 GIS缺陷图像识别方法的测试结果和样本图像的实际类型基本一致，该方法可以实现对 GIS内部缺陷类型进行检测。

简介：摘要：为有效控制特殊地质条件下的盾构掘进参数，提高地铁盾构施工效率与施工质量。文章首先结合土体物理性质，确定关键的地层参数；其次将选定的地层参数作为输入变量，建立针对掘进参数的BP神经网络预测模型；最后，对建立的掘进参数预测模型进行验证。以武汉地铁A号线某泥水平衡盾构施工区间工程监测的实际数据进为例，结果表明：总推力、泥水仓压力、同步注浆压力预测的平均相对误差分别为10.40%、9.10%、7.14%，误差在11%以内，可为同类型工程掘进参数的设定提供参考。

简介：摘要大量研究证明，曲率模态能够识别出结构的损伤位置，但没有学者在结构损伤微小的情况下用曲率模态进行损伤识别。为识别结构在微小损伤情况下的损伤位置，本文综合考虑曲率模态参数特性，将曲率模态差与神经网络算法相结合，通过神经网络模糊算法识别出简支梁的损伤位置。

简介：摘要神经网络的快速发展，使得神经网络在很多领域得到应用。许多论著提及将神经网络运用在电力系统谐波检测上。在众多的神经网络方法中，深度学习神经网络（DLNN）脱颖而出。本文意在阐述深度学习神经网络的基本思想和基本算法，以及探讨深度学习神经网络在电力系统谐波检测方面的应用。并在Matlab中对其算法进行验证。对于推广深度学习神经网络在电力系统其他方面的应用具有一定的积极意义。

简介：摘要航空发动机作为飞机的动力提供者，其安全稳定运行对飞机的安全有着至关重要的影响，对航空公司的经济和社会效益也有着重要的作用。航空发动机上一般都装载着各种性能参数的检测设备，地面控制中心能够通过机载报文寻址将发动机的各项性能参数接收到。对各项性能参数应该全面进行分析，全面了解发动机的各项性能状况，观察性能有没有处于衰退状态。对发动机的性能参数进行分析，并对其进行预测，全面了解发动机的性能问题，让维护管理过程中能够具备相应的决策支持。本文就BP神经网络下的航空发动机维修决策系统展开探讨。

简介：

简介：摘要:人工神经网络在机械工程领域中的研究与应用日益受到重视。对于故障诊断与预测，人工神经网络可以通过学习和识别机械系统中的故障特征模式来准确地诊断故障并预测故障发生的可能性。在智能控制与优化方面，人工神经网络能够根据输入数据的变化进行实时调整，并优化机械系统的性能。此外，人工神经网络还可用于机器视觉与图像处理、设备状态监测与维护以及运动规划与路径优化等领域。

简介：摘要:随着数字通信技术的不断发展，通信系统面临着越来越多的挑战和需求，如大规模数据传输、高效能量利用和可靠性提升等。神经网络和深度学习作为人工智能领域的前沿技术，在通信系统中的应用研究引起了广泛关注。本文旨在探讨神经网络和深度学习在通信系统中的应用现状、优势及挑战，并提出一些可行的解决方案和未来发展趋势。

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： 针对目前在工业控制中，被控系统往往是多变量、非线性、强耦合的时变系统。多变量系统的回路之间存在耦合，为了得到满意的控制效果，必须对多变量系统实行解耦控制。本文通过增加动量项的方法提高网络学习效率，同时引入粒子群算法（PSO）来训练神经网络PID控制器的参数，并针对多变量控制系统开展仿真验证，取得了满意的控制效果。

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：近年来，国内高校相继建设各类工程实验室，这类实验室也逐渐成为高校开展实验教学和科研创新的重要场所，也是提高办学水平的重要抓手。然而，针对高校工程实验室进行安全和风险领域的评价体系和方法研究尚不多见，远远不够完善。本文通过建立高校工程实验室风险因素分析和构建风险评价指标体系，采用BP神经网络对工程实验室存在的安全风险进行量化评估和打分。通过实例，分析和验证了BP神经网络模型，结果令人满意。这证明了该模型是确实可行的，能够应用于高校工程实验室安全风险评价。