8篇关于人工神经网络的计算机毕业论文

今天分享的是关于人工神经网络的8篇计算机毕业论文范文, 如果你的论文涉及到人工神经网络等主题,本文能够帮助到你

基于数据驱动的低压铸造浇注与补缩系统设计

这是一篇关于数据驱动,浇注与补缩系统设计,低压铸造,人工神经网络的论文, 主要内容为在铸件生产过程中,浇注与补缩系统设计是决定铸件质量、成品率、生产效率的关键。传统经验公式设计中所考虑的因素很少,与实际生产中受多重因素影响的现状不符,使得初始设计工艺成功率低且很大程度上依赖于设计人员的经验,从而使工艺设计进入“试错”循环,导致生产周期长,工作量大。不符合智能铸造的发展趋势。近年来,随着大数据以及人工智能的发展,在研究浇注补缩系统数字化方法的基础上建立浇注与补缩系统铸造工艺数据库,运用人工神经网络对数据库进行深度学习得到基于数据驱动的网络计算模型,利用模型对浇注补缩参数进行设计。这种基于工业大数据和模糊计算的数据驱动设计方法有望替代“试错法”成为未来铸造工艺设计的主要方式。针对上述目标,采用UGopen二次开发平台、Tensorflow神经网络搭建平台、Pycharm以及VS2008为开发工具,结合ZL205A合金实验浇注方法,开发了基于数据驱动的浇注补缩系统设计软件,主要包括:工艺数据库的数字化模块、人工神经网络的训练模块、基于数据驱动的设计模块。本文研究了浇注与补缩系统的数字化方法与相应的数字化数据结构。明确了铸件浇注补缩系统的主要影响因素及评价指标。确定了以液面上升速度、液面上升平稳性为主要评价指标;充型压力、截面比、浇道长度、浇注温度、铸件高度、铸件壁厚为主要影响因素的浇注系统数字化数据结构。以缺陷体积、凝固时间为主要评价指标;保压压力、浇注温度、热节模数、补缩距离、散热环境为主要影响因素的补缩系统数字化数据结构。研究并开发了基于BP算法的人工神经网络算法的计算软件。对BP算法进行架构以及优化,完成了数据前处理、数据集训练、参数自更新、测试集预测、精度图文展示五个部分,实现了对工艺数据库的知识学习,得到了输入参数、输出参数、节点数、学习率、衰减率、学习次数等对训练误差有重要影响的参数可根据不同模型进行调节的网络计算软件。最后针对大型薄壁筒形件进行了完整的数据驱动工艺设计,包括数据库收集、网络训练、参数计算。其中针对数据库收集提出了两种方案并设计了工艺数字化软件以及浇注、补缩模型。软件得到的初始化工艺与铸件实际生产多次优化后的采用的工艺参数相近。和传统设计方法相比,基于数据驱动的工艺设计能够提高铸件浇注补缩系统初始工艺成功率缩短设计周期。

机械零部件可靠性数据管理与分析系统软件开发

这是一篇关于可靠性数据,人工神经网络,灰色预测,软件开发的论文, 主要内容为近年来,我国机械行业在不断提高产品性能的同时,逐步意识到可靠性的重要性,并加大了产品可靠性的研究力度。机械产品零部件的失效数据是可靠性研究的基础,目前数据主要来源于可靠性试验。由于可靠性数据量大而且管理复杂,有必要开发数据管理软件,利用数据库技术实现对可靠性数据的管理工作。本文论述了可靠性数据管理与分析的方法,包括数据的录入、数据的修改及删除、数据的预处理、拟合优度检验、分布类型的参数估计、可靠性特征量的计算以及FMEA分析等。在此基础上,采用C/S架构为主,B/S架构为辅的模式,利用VB.NET为编程语言、SQL Server2000为后台数据库进行了系统的开发工作。同时,应用人工神经网络的基本原理与方法,实现对原始数据的扩充,利用仿真数据确定失效分布类型,提高了数据分析的精度。作者利用MATLAB软件编写了数据分析与仿真程序,应用动态链接库与ActiveX自动化技术,实现了VB.NET对MATLAB的调用,可完成数据的处理与分析、曲线的绘制等工作。另外,应用灰色预测方法,利用少量的数据进行了寿命预测。经分析与计算说明将灰色预测应用于机械产品的可靠性试验是可行的,并能有效减少试验时间、节约费用。根据上述原理与方法,开发了一套可靠性数据管理与分析软件,可实现对可靠性数据的管理与分析。最后,本文以某轴承厂6004轴承的可靠性试验数据为例子,验证了可靠性数据管理与分析系统的有效性和可用性。

机械零部件可靠性数据管理与分析系统软件开发

基于神经网络算法的光纤传感解调与结构逆向设计方法研究

这是一篇关于光纤传感器,光纤传感解调系统,微结构光纤逆向设计,人工神经网络,智能解调算法的论文, 主要内容为光纤传感解调算法在发展高性能结构健康监测系统中发挥着关键作用。然而,相关FBG和光纤FPI传感解调大都依赖复杂、昂贵的器件,且算法的高计算复杂度和低复用性使其难以满足实际应用日益增长的规模性部署、高精度测量、快响应速度需求。此外,基于数值模拟的光纤结构设计存在的效率低、计算消耗高等缺陷严重阻碍了用于增强结构健康监测系统性能的高灵敏度光纤的发展。从上述问题出发,本文的研究内容和主要成果总结如下:(1)针对FBG解调系统成本高、计算复杂、范围受限等问题,提出了基于阵列波导光栅和人工神经网络的FBG波长解调系统并进行了实验论证。利用阵列波导光栅将传感信号转换为光强信号,使用神经网络模型建模强度与FBG峰值波长的非线性关系。所提出的系统可根据FBG传感器的波长偏移情况自动选择阵列波导光栅通道完成解调,系统的解调精度可达±5.672pm,且解调范围在不增加任何硬件成本的前提下可拓展至40nm。为了对微小波长偏移进行监测,以及考虑到数据稀缺性对解调性能的影响,提出了基于长周期光栅和生成对抗网络的解调方法,在小规模数据集下实现了精度达±6pm的高性能的波长绝对解调。(2)针对光纤Fabry-Perot干涉传感器解调往往依赖于低复用性且复杂的解调算法等问题,提出了一种基于阵列波导光栅和神经网络的光纤Fabry-Perot干涉传感器解调系统并进行了实验论证。利用阵列波导光栅同步监测多个峰的波长偏移,利用神经网络建模多峰峰值和透射强度的关系,实现了高精度、高准确度的波长及腔长绝对解调,其中波长解调精度为±14pm,腔长解调精度为±0.07μm。考虑到大部分解调系统都受制于昂贵且数据处理流程繁琐的光谱分析仪,提出了一种基于神经网络的光纤Fabry-Perot传感器干涉光谱重建框架,该框架基于极稀疏的采样点可实现超过30 nm范围内干涉光谱的高准确度重建,以实现高效解调。(3)针对数值方法在光纤设计方面的低效率问题,提出了基于神经网络的光纤结构逆向设计框架,该框架可以提供高效的光纤相关光学特性的优化性能,而不需要考虑到其中潜在的物理约束。此外,考虑到数据稀缺性、设计知识片面性及低计算资源对结构设计全面性的影响,提出了一种协作式光学特性优化框架,在无需数据交互情况下实现了跨机构的结构逆向设计。该方法资源消耗为数值方法的三分之一,运算耗时在1秒内,可提供高效、准确的光学特性优化及预测。

基于AVR单片机的路基温度采集系统研究与设计

这是一篇关于路基,温度,采集系统,人工神经网络的论文, 主要内容为在多年冻土和季节性冰冻寒区,公路质量不仅与其修建质量有关，还与路基强度有关。含水量和温度变化决定着路基结构的强度和稳定性，其中温度是土体中水分迁移的动力和水分发生相变的重要条件，分析路基中温度的分布和变化规律，是研究季节性冰冻地区水泥或沥青混凝土路面稳定性的基础。因此开展能够自动、连续获得寒区公路路基温度在冻融期内变化规律的路基温度采集系统，将为寒区公路路基稳定性评价及公路设计施工提供依据，具有重要的经济和科学意义。针对路基温度的多通道自动检测需求，提出了上下位机通讯的路基温度采集系统。上位机用LabVIEW编写数据采集系统，通过串口通讯与下位机实现参数设置和数据采集。下位机采用Pt100为温度传感器，采用74LS138和74HC4051设计了多通道拓展方案，以ATmega16A为MCU，通过SPI总线与AD采集模块AD7709和存储模块AT45DB041D通讯，通过I2C总线连接PCF8563时钟模块，通过MAX3232实现串口通讯，通过电源模块将电池电压转为3.3V给系统供电，并在Altium Designer完成硬件电路原理图和PCB板的设计，实现了128通道的路基温度采集系统硬件设计。下位机采用休眠—中断的工作模式实现低功耗，用C语言在AVR Studio中设计了时钟模块、多通道选择模块、AD采集模块、数据存储模块、电源检测模块、中断服务模块，通过自定义的串口通讯协议，与上位机管理程序LabVIEW实现系统初始化、时钟参数设置、报警设置、存储器数据读取和清除等功能，并通过实验对软件和硬件系统进行了调试和完善。为了实现路基温度的预测功能，在路基温度检测与预测上提出用人工神经网络的时间序列NAR网络模型建立路基温度的预测模型，实现路基温度变化规律的预测，实验表明所建预测模型的最大相对误差达到0.443%，具有较好的预测精度。该系统经调试验证结果表明其测量误差满足设计要求，具有成本低、可采集面积大、用户操作性好、使用方便、可扩展性强等优点，可以在路基尤其是冻土地区路基高效准确地实现多通道的数据采集。长期野外工作证明本测量系统可长期稳定可靠工作，不仅可以实现对路基温度的多通道采集，也可以将此系统应用于其他工业现场采集温度数据。

2.25Cr-1Mo钢断口形貌转变温度在线预测方法研究——基于J2EE构架和人工神经网络技术

这是一篇关于2.25Cr-1Mo 钢,断口形貌转变温度,J2EE,Struts,Hibernate,人工神经网络的论文, 主要内容为在石油化学和石油炼制工业中,广泛使用加氢工艺,如加氢脱硫、加氢精制和加氢裂化等。加氢反应器是加氢装置中的关键设备,长期在高温、高压和氢环境中服役,确保它们的安全使用,预测其剩余寿命一直是工程界和理论界关注的课题。2.25Cr-1Mo 钢是加氢反应器常用材料之一,在加氢反应器长期服役期间,其材料2.25Cr-1Mo 钢将产生回火脆化而损伤,而且材料的损伤程度随加氢反应器运行时间的增长而增加。因此,对加氢反应器用2.25Cr-1Mo 钢回火脆化研究,尤其利用计算机技术对加氢反应器用2.25Cr-1Mo钢断口形貌转变温度FATT进行在线预测,无论在工程上还是在学术研究上都有重要意义。本文研究如何在B/S 模式下实现2.25Cr-1Mo 钢FATT 的在线预测,建立基于J2EE 构架和人工神经网络的2.25Cr-1Mo 钢FATT 在线预测系统。本文首先建立BP 神经网络模型,通过java 编程实现2.25Cr-1Mo 钢FATT 预测组件。然后基于Struts 和Hibernate技术建立J2EE构架下的Web应用,结合2.25Cr-1Mo钢FATT预测组件,直接返回预测结果给用户。最后我们通过一个工程实例来验证预测系统的可行性和准确性。基于B/S 模式的2.25Cr-1Mo 钢FATT 预测系统,主要用于在Internet 上进行加氢反应器回火脆性转变温度的预测研究,这样用户可以在任意地方填入加氢反应器的一些运行参数和运行数据(包括操作温度、筒体材料等)和热处理制度(包括运行时间、长时间运行温度等),就可以得到反应加氢反应器寿命的回火脆性转变温度FATT,对了解加氢反应器的剩余寿命提供了重要参数指标。基于B/S 模式的2.25Cr-1Mo 钢FATT 预测系统改变了以往FATT 的繁琐复杂的理论计算,提高了效率,有更高的准确性,从而对热壁加氢反应器的寿命预测有更好的参考价值。

特定病种的健康档案管理系统的设计与实现

这是一篇关于健康管理,人工神经网络,Vue框架,MVVM架构的论文, 主要内容为伴随着经济的发展、医疗资源的普及、健康意识的提高和糖尿病等慢病发病率的上升,越来越多的健康管理系统出现在我们的生活中。随着机器学习技术的发展,疾病预测近年来也迅速成为国内外学者的研究重点。将机器学习的分类预测技术应用于健康管理系统中可以有效地为用户提供风险评估,无论是在科技角度、医疗角度还是经济角度都具有很高的价值。本文设计并实现的以糖尿病为主的特定病种的健康档案管理系统主要目标是利用基于MVM(Model-View-ViewModel)模式的Vue框架技术,为数据量庞大且分类复杂的健康数据管理提供高效便捷且性能良好的实现方案;利用前端可视化技术将健康数据进行汇总分析展示;利用人工神经网络模型实现糖尿病的风险预测功能。本文的主要工作包括:(1)本文对分类预测相关算法进行研究,针对公开糖尿病数据集进行人工神经网络、逻辑回归模型、支持向量机模型和K近邻模型的建构,通过模型评价指标的对比分析后选择各方面表现都较好的人工神经网络模型应用于系统的糖尿病预测分析模块。(2)本文按照软件工程的标准流程,从需求分析,设计,实现,测试四个阶段对特定病种的健康档案管理系统的建设进行详细的阐述。在需求分析阶段对系统进行了功能需求分析后从性能,易用性,兼容性和安全性四个角度分析非功能性需求。在需求分析的基础上确定了系统架构,系统前端采用基于MVVM的Vue框架,后台选择PHP语言进行开发。对系统的功能模块以时序图的形式进行设计,对系统涉及的实体及其关系进行分析,设计了数据库ER图,并选择主要的数据库表进行了详细的介绍。最后对系统的实现过程进行介绍,以系统界面截图的形式展示了系统的实现效果并对系统进行功能性和非功能性测试。全面的功能用例测试结果表明系统所有模块功能正常运行,非功能性测试结果也符合系统需求,系统性能良好。