简介：摘要：由于在化工开采中存在很多危险因素，因此安全体系建设方法的设计者必须在设计中进行危险识别，以及采取有效的措施展开控制。本文总结了基于“神经网络”背景下的安全体系建设的意义，分析和研究了工艺设计中的常见问题，最后结合工艺控制重点，提出识别危险的方法，以及控制危险的措施。通过研究，提升化工开采的安全水平，解决危险识别问题，为化工开采提供良好环境。

简介：摘要：混凝土搅拌状态总是随着时间在不断变化，及时准确的判断目前混凝土搅拌罐是否处于关闭、搅拌和空仓状态，可以极大的节约计算机资源，减少资源损耗。本文基于卷积神经网络技术对混凝土搅拌状态进行识别，并从图像输入尺寸、激活函数和学习率三个方法选取最佳参数配置。实验证明，该方法具有直观性、实时性等特点。

简介：摘要：研究了一种用神经网络的方法搭建滚珠丝杆的模型，基于对滚珠丝杆原理的分析和抽象，简化并形成四阶丝杆台模型，并通过激光位移传感器提供实测数据并训练模型，利用matlab/simulink环境下进行仿真实验，并以此模型来预测不同输入下的输出数据是否符合实际，从实验对比结果来看，理论与实际基本吻合，验证了该丝杆模型的可行性，为后续对接伺服系统进行应用研究奠定基础。

简介：摘要：轧制磨削精度和表面质量主要与发动机精度、表面粗糙度和嗡嗡过程中的物理机械性能有关，而表面粗糙度是主要因素之一。在其磨过程中，基于模糊神经网络的表面粗糙度预测，在有限过程中识别表面粗糙度，保证了体磨的质量，提高了体磨的性能。本文将结合实际，浅谈基于神经网络的轧辊磨削表面粗糙度智能预测。

简介：摘要：过去30年来，对人工神经网络布局、实践和现实利用的研究十分活跃，每年会出版成千上万份文件。据估计，对人工神经网络的研究自一开始就进入了成熟和扩张阶段。它已在一个广范围的技术领域生根发芽，并与专家系统和遗传算法一起成长为基础人工神经网络技术。人工神经网络在机械工程领域的利用非常普遍，涉及工艺计划、加工参数优化、故障诊断、震荡节制、工况监控、寿命展望等等。

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。

简介：摘要：过去30年来，对人工神经网络布局、实践和现实利用的研究十分活跃，每年会出版成千上万份文件。据估计，对人工神经网络的研究自一开始就进入了成熟和扩张阶段。它已在一个广范围的技术领域生根发芽，并与专家系统和遗传算法一起成长为基础人工神经网络技术。人工神经网络在机械工程领域的利用非常普遍，涉及工艺计划、加工参数优化、故障诊断、震荡节制、工况监控、寿命展望等等。

简介：摘要：本文基于神经网络的无损检测方法在石油储罐腐蚀检测中的应用进行了研究。首先介绍了神经网络的基本原理和在无损检测中的应用。然后探讨了适合石油储罐腐蚀检测的神经网络模型选择，并详细介绍了模型训练与优化的策略。接着设计与实现了石油储罐腐蚀检测系统，包括系统架构、数据采集与传输模块、神经网络模型预测模块以及结果展示与报告生成模块。最后，通过模型性能评估与优化以及模型泛化能力的评估，验证了该方法在石油储罐腐蚀检测中的有效性和可行性。

简介：摘要：近年来我国综合国力的不断增强，工业的迅猛发展，涌现出大量的工业企业。为满足烟草行业的产业发展需求，将推进产业发展的核心与重点置于保障烟草包装机械稳定运行层面。因塑料材质的齿轮具有良好的强度综合性能，能够在应用中实现较好的轻量化开发，目前在市场内已被广泛应用在烟草机械运行设计中。但在进一步对机械运行的分析时发现，机械齿轮的运行主要在于传动力，而此结构也正是机械结构中最容易出现问题的部件。一旦此部件在应用中出现传动方面的问题，或在运行中出现失效故障，将导致机械设备的整体运行出现异常，对企业造成较大的经济损失。因此，需要采取有效的措施，及时发现机械运行中构件的故障现象，发现运行中的早期异常信号，将故障控制置于故障问题发生前。本文就基于神经网络的烟草包装机械故障信号检测方法展开探讨。

简介：摘要：电气自动化设备在各个工业领域中扮演着重要的角色，随着设备复杂性的增加以及故障的频繁发生，传统的故障诊断方法面临着挑战。神经网络技术的引入为电气自动化设备故障诊断带来了新的解决方案。神经网络技术将在电气自动化设备故障诊断领域发挥越来越重要的作用，为工业生产的稳定和可靠性提供有力支持。

简介：摘要：以某建筑物基坑观测数据为例，开展了小波及粒子群优化的BP神经网络预计模型的研究。使用小波阈值去噪方法对实际观测时间序列进行去噪处理，对小波去噪前后的数据进行BP神经网络预测模型预测处理并与粒子群优化的BP神经网络预测模型预测数据进行对比分析，结果表明粒子群优化的BP神经网络预测模型预测精度较高。