为提高离心压缩机气动性能,考虑二元叶轮优化多以构型参数为变量,不适用于变量间存在交互作用的三维叶片。以某三元叶轮为优化对象,考虑各变量间的交互作用,采用Bézier曲线加载叶片角,直接选取三维叶片型线为优化变量进行气动优化。结合CFD数值仿真、非线性映射能力较强的BP神经网络与全局寻优能力较强遗传算法,以提升等熵效率和压比为目标进行优化。结果表明设计工况下,优化后的叶轮等熵效率同比提升1.9%,压比同比提升0.3。三维叶片中部向吸力面偏移,叶片尾缘向压力面偏转可同时提升叶轮的效率和压比。

该文介绍了BP神经网络技术,举例分析了在舰炮液压系统故障诊断中的应用。

通过单因子试验找出电压、脉宽、频率及加工速度对表面粗糙度的影响规律,然后利用二次通用旋转组合设计对试验参数的回归方程进行误差的拟合和预测,最后通过仿真模型找出了加工工艺参数与加工质量的定量规律和网络模型。在此基础上得到本次试验中最优的参数选择方案,以及误差精度最小的仿真模型。

复杂机电装备运行状态直接体现了装备自身的稳定性与可靠性,对其运行状态的监测就成为了制造企业保证生 产过程稳定可靠的一项关键技术.为了准确监测复杂机电装备的运行状态,利用遗传算法的全局优化特点确定出BP神经 网络的初始权值阈值,结合复杂机电装备的特征参数和评估体系,建立了一种基于改进BP神经网络的运行状态预测模型, 实现了对复杂机电装备运行状态的监测.最后,以汽车装配线的拧紧机设备为实验对象,验证方法的有效性.

提出了一种基于B P神经网络和安卓的车牌识别方法。以BP神经网络的模式识别技术作为主要识别方法,选取尺度不变特征转换（SIFT）算法探测牌照中局部特征字符特征作为神经网络的输入,进行神经网络训练,实现了对字符的识别,然后将车牌识别方法移植到安卓平台,实验结果表明该识别方法可行,满足了车牌识别基本需求。

针对阀控非对称液压缸压力控制系统，建立其数学模型，并提出基于BP神经网络规则PID的控制策略，通过MATLAB／Simulink仿真结果验证了该控制策略能够实现电液伺服系统的良好控制。