摘要：研究目的:隧道工程设计方案受其地形条件、地质构造、水文特征、气象条件、围岩类别等多因素影响,具有典型的开放性、复杂性、自组织、自相似、非平衡性等复杂系统特点和演化规律。根据以上特点,本文主要运用FMEA、RCM、BP神经网络、BIM等技术,对隧道工程设计方案进行智能比选与动态优化,为隧道工程设计方案优化提供重要参考。研究结论:(1)方案设计前,搜集大量已完类似工程项目的设计方案资料,构建了隧道工程设计方案历史数据库;(2)结合拟建工程特征,运用PSO聚类分析方法,从设计方案历史数据库中筛选出相似度较高的备选方案;(3)综合考虑工程各参与方需求,运用FMEA、RCM技术对各备选方案设计指标进行系统分析与优化,并运用bpnn模型预测各备选设计方案的全寿命周期造价,以全寿命周期造价最低为原则,优选设计方案;(4)运用BIM、ILS技术对优选设计方案进行深度优化;(5)本研究成果可为高速公路隧道、桥梁等工程设计方案优化提供参考。

摘要：针对设计参数不确定性和模型结构未知情形下精密产品多元质量波动问题,同时兼顾主体结构对轻量化设计要求,提出一种基于Taguchi-bpnn-SEDEA的多元质量非参数稳健优化方法.首先,通过正交试验设计和有限元分析获取多元质量数值,运用Taguchi方法将多元质量数值转化为信噪比来衡量精密产品稳健性;其次,运用bpnn非参数模型构建多元质量信噪比预测模型,以避免由参数模型设定导致的误差;在此基础上,提出改进的DEA基本模型,采用SEDEA非参数稳健优化方法,将设计参数不确定性下bpnn非参数模型求解问题转化为不确定性条件下复杂多属性决策问题;最后,通过实例表明,所提出的方法能够有效处理设计参数不确定性和模型结构未知并存情况下的多元质量稳健优化问题,从而验证该方法的可行性.

摘要：本文给出一种量子粒子群(QPSO)算法、改进菌群觅食(IBFO)算法优化反向传播神经网络(bpnn)的混凝投药预测模型,利用量子粒子群的个体极值与群体极值更新细菌觅食算法趋化过程中细菌位置;通过细菌协同改进趋化算子提高优化精度,结合差分算法改进繁殖算子解决部分维度退化问题,加入轮盘赌方法作为选择机制改进迁移算子来克服优化过程中优秀解消失的缺陷;进而优化BP神经网络的权值、阈值以此预测混凝剂投药量.对云南某自来水厂的数据进行离线训练和模型测试,结果表明,所提算法预测结果的均方误差(MSE)达0.0116mg/L,平均绝对误差百分比(MAPE)达1.36%,在预测精度和稳定性上优于BFO-bpnn、PSO-bpnn等模型.

摘要：【目的】开发新的控制策略,用于解决传统控制方法果蔬保鲜环境参数因时变性、非线性、滞后性强和惯性大等特点导致的控制精度低、鲁棒性弱等问题。【方法】将传统比例−积分−微分(Proportional-integral-derivative,PID)和BP神经网络(Back-propagation neural network,bpnn)算法相结合,开发一种基于bpnn-PID的控制策略,通过自主搭建的果蔬保鲜环境调控试验平台和自主设计的控制系统,研究不同控制策略对保鲜环境参数调控效果的影响。【结果】基于bpnn-PID控制策略的果蔬保鲜环境控制系统,环境温度超调量为1.7℃、稳定时间为80 min、稳态误差为±0.2℃,环境相对湿度超调量为2.8%、稳定时间为55 min,相对湿度稳定维持在80%~90%范围内。与传统PID控制策略相比,bpnn-PID控制策略环境温度超调量减小了2.1℃、稳态误差减小了0.3℃、稳定时间缩短了25 min,环境相对湿度超调量减小了2.2%、稳定时间缩短了25 min,环境参数波动幅度均有所降低。【结论】本文开发的果蔬保鲜环境控制系统呈现出良好的动态调整能力,具有较强的鲁棒性,控制性能明显提升,实现了保鲜环境参数的精准控制,满足果蔬保鲜贮藏要求。研究结果为果蔬保鲜环境参数调控提供了参考。

摘要：传统气动优化设计需要大量CFD分析,而代理优化(SBO)方法能够有效降低CFD分析次数,但该方法并没有改变单次CFD分析时间。提出一种基于本征正交分解—反向传播神经网络(POD-bpnn)模型的热启动策略,并应用于气动代理优化。使用POD-bpnn模型对SBO中的初始样本建立从几何设计变量到流场数据的预测模型;在SBO迭代过程中,使用该模型预测新样本的流场,并将其作为CFD分析的初场,进行热启动计算,获得新样本的数据;添加新样本数据到POD-bpnn建模样本并更新模型,直到优化结束,通过案例对该策略进行对比验证。结果表明:在跨声速翼型减阻优化设计中,基于POD-bpnn的热启动策略使得单次CFD计算时间降低68%,SBO的效率整体提升37%。

摘要：针对飞行器再入滑翔过程,提出一种跟踪优化弹道的bpnn(BP neural network)预测制导方法。首先着眼于多约束下弹道生成的快速性,利用hp-自适应伪谱法进行弹道优化;然后利用弹道样本数据训练bpnn,建立飞行状态参数与终端状态参数之间的非线性映射关系,实现对终端状态的预测;最后为制导律设计了双层线性反馈校正算法,从而完成预测制导关键环节。仿真算例该表明制导方法能够良好地满足再入飞行约束和终端约束,同时可以较好地实现对优化弹道的跟踪,并具有一定的鲁棒性和航程适应性。

摘要：由于具有加工材料的多样性和能加工复杂三维曲面的独特优势,微铣削已经广泛应用于微小型零部件的加工领域然而,较小的刀具尺寸和较高的主轴转速导致微铣刀磨损较快,影响产品质量的一致性。因此,以微铣削振动信号为研究对象,提出了基于变分模态分解(Variational Mode Decomposition,VMD)与改进型BP神经网络(Back Propagation Neural Network,bpnn)的微铣刀磨损监测方法。首先通过VMD对微铣削振动信号进行信号处理和特征提取,并选择VMD分解后的内禀模式函数(Intrinsic Mode Function,IMF)的峭度和偏态作为微铣刀磨损特征。接着利用基于Particle Swarm Optimization(PSO)优化算法的bpnn模型对提取的微铣刀磨损特征进行分类、结果表明,文中提出的微铣刀磨损监测方法能够快速准确地识别微铣刀的5种磨损状态,具有一定的理论价值和实践意义。

摘要：元认知能力被认为是提升学习者在线学习效果的关键因素,其有效评估对于教育教学具有重要意义。但是,当前基于在线学习行为的元认知能力评估方法存在指标选取有差异、不全面且权重模糊等问题。对此,文章首先设计了基于bpnn的学习者元认知能力评估研究框架,通过数据采集和标准化处理,得到19个在线学习行为指标。接着,文章进行了教学实验,通过相关性分析得到11个与元认知能力显著正相关的行为指标,并构建了基于bpnn的元认知能力评估模型。随后,文章进行了模型的性能验证,发现bpnn模型的整体性能和分类性能均最优;同时,文章从行为指标的重要性、影响情况和个体贡献度三个角度进行了模型的可解释性分析,以利于教师做出更科学、合理的教育决策。最后,文章从学习空间、学习资源、教师角色三个方面对bpnn模型的教学应用进行了展望。文章构建的bpnn模型能够准确评估和可视化解释元认知能力,有助于个性化教育教学的开展,从而为教育评估研究提供发展方向。

摘要：伴随着经济水平的飞速增长,人们对红木产品的需求日益增大,而檀香紫檀作为一种珍贵红木因其在精神层面上符合人们的追捧且价格昂贵,具有巨大的商业价值而被不法分子替代和假冒。为维护木材市场的秩序和消费者的利益、实现对檀香紫檀的快速无损检测以及鉴别,有必要建立一种快速、可靠的檀香紫檀木材智能识别方法。采用近红外光谱(NIR)分析技术提取檀香紫檀及其相似血檀的光谱信息,利用定性分析方法、偏最小二乘判别分析(PLS-DA)和误差反向传播人工神经网络(bpnn)对光谱信息建立校正模型,进而对檀香紫檀及其相似木材血檀进行识别;通过分析比较这三种模型对这两类木材识别的优缺点和识别准确率,验证该方法对檀香紫檀和血檀识别的可行性。研究发现三种判别模型均能够快速识别木材光谱图像,具有对檀香紫檀和血檀进行快速无损分类识别的能力,在选取不同图像处理方法的情况下,三种判别模型显示的结果各不相同,识别结果也存在差异。进一步分析表明,在使用bpnn模型对光谱数据进行建模时,通过预处理将原始光谱数据波长范围866~2533 nm的波峰波谷特征值作为输入,当输入层节点数为24个特征值,隐含层13个神经元时,模型的均方根误差最小,准确率达到96.43%。此外,缩短光谱范围并不会提高模型的识别率,而在三种模型中,全波段范围的bpnn模型具有最高的识别率。实验结果表明,基于人工神经网络模型结合NIR特征提取技术识别檀香紫檀木材有着较高的识别准确率,其效果相较于前人有一定的提升。该研究有利于减少人工识别的主观性,使用计算机更能够缩短识别时间,较高的准确率可以帮助维护木材市场的秩序和消费者权益。同时,这也为实现檀香紫檀智能视觉识别提供了参考,为红木产业的可持续发展提供技术支持。

摘要：为了提高水利工程建设监管执法的有效性,提出一种结合bpnn与模糊理论的监理单位管理评价模型。该模型利用模糊理论综合主观评价与客观评价,利用GA算法对bpnn模型进行连接权重值和阈值优化,并采用实例评价和预测的方式进行效果分析。结果显示,设计模型可以有效输出综合性评价并进行预测,模型预测误差在0.000957左右,在误差标准内,验证了该模型能够有效提升水利工程监理单位管理水平评价和预测的准确性和有效性。