导读:本文包含了基于神经网络的可靠性论文开题报告文献综述及选题提纲参考文献，主要关键词:软件可靠性,测试效率,神经网络,SRGM
基于神经网络的可靠性论文文献综述
惠子青,刘晓燕,严馨[1]（2019）在《基于测试效率的神经网络可靠性模型》一文中研究指出软件可靠性是衡量软件性能的重要指标之一,准确预测软件可靠性是一项极具挑战的任务,至今人们已经提出了许多用于实例的软件可靠性增长模型。这些模型受限于环境和人为因素的影响,都提出了一些不切实际的假设。在本文中我们提出了一种基于测试效率的神经网络模型,最后通过数据分析证明了基于测试效率的神经网络模型能够更好地拟合故障数据。(本文来源于《数据通信》期刊2019年05期）
李伟峰,王磊[2]（2019）在《基于灰色神经网络的船舶柴油机活塞环退化可靠性研究》一文中研究指出柴油机能否可靠运行直接影响着船舶任务的执行。传统的柴油机可靠性评估方法依赖大量的统计数据、忽略了个体差异,因而进行评估的能力有限。引入灰色神经网络的方法对退化数据进行处理。通过两台某型船舶柴油机样机耐久性试验得到的活塞环磨损退化数据,验证了此方法的有效性。此方法理论上可以在少量历史数据的基础上,减少耐久性试验的时间,对失效物理过程未知的小样本退化数据的可靠性分析上,有一定应用前景。(本文来源于《自动化与仪器仪表》期刊2019年10期）
汪颖翔,潘笑[3]（2019）在《基于改进Elman反馈型动态神经网络的配电网可靠性评估》一文中研究指出快速准确地进行配电网可靠性评估具有重要意义,然而传统的配电网可靠性评估方法并不适用于评估大规模配电系统的综合可靠性指标,对大规模电网的可靠性进行评估时往往会造成建模困难、计算量剧增的问题。因此,提出基于Improved-Elman(IElman)反馈型动态神经网络的配电网可靠性评估方法,即在Elman神经网络的承接层中加入自反馈连接增益系数来衡量历史信息对未来状态的影响程度,并通过思维进化算法对Elman神经网络的相关参数进行优化。在采用神经网络评估前,利用灰色关联度分析对神经网络的输入变量进行预处理。所提出的方法与普通神经网络评估模型相比,平均相对误差由5.43×10~(-4)降到7.32×10~(-5),表明该方法能够有效简化计算,提高神经网络对复杂问题的评估精度。(本文来源于《水电能源科学》期刊2019年10期）
屈志坚,刘菁,姚嵘,孙蕊,史景超[4]（2019）在《基于BP神经网络的配电网供电可靠性风险隐患动态评价模型研究》一文中研究指出基于BP神经网络建立配电网供电可靠性风险隐患的动态评价模型,识别影响配电网安全运行的关键风险因素,量化评估风险发生概率及严重程度,确定风险等级,有助于在复杂环境下对重大风险隐患实施动态评价和预防预控,减少配电网故障发生,减轻故障影响,切实提高配电网供电可靠性水平。(本文来源于《现代经济信息》期刊2019年18期）
唐成虎,张建华,侯伟,张晶辉,王克平[5]（2019）在《基于人工神经网络的运动机构可靠性灵敏度分析》一文中研究指出针对运动机构在设计、制造、装配等过程中杆件尺寸及装配位置的不确定性对运动精度的影响,研究了一种基于神经网络的运动机构可靠性灵敏度的分析方法。该方法基于人工神经网络,通过较小的样本量构造出运动机构的功能函数,进而推导其可靠性计算公式,在此基础上结合全局灵敏度分析,推导出运动机构的可靠性灵敏度计算方法,求出随机变量对运动机构可靠性的贡献,即可靠性灵敏度一阶指标、二阶指标、高阶指标和总指标。最后,将研究方法应用于四连杆运动机构与某型航空冲压机床运动机构的分析,研究结果表明该方法可甄别出随机变量对运动机构可靠性的贡献情况,通过该结果可以有效地提高运动机构的可靠性和稳健性,具有较高地工程应用价值,也可为其他机构设计提供理论指导。(本文来源于《锻压技术》期刊2019年08期）
王宏刚,田洪迅,李浩松,王越,施明泰[6]（2019）在《考虑小样本统计的BP神经网络配电系统可靠性预测方法》一文中研究指出传统服务于系统规划的可靠性分析方法,由于多基于逻辑推理或统计分析,需要以足量‘故障—停电’事件匀质样本为建模保障,在面对配电系统结构动态变化以及稀少数据环境时,难以对指标进行精确估计。在此背景下,提出一种考虑小样本统计的BP神经网络配电系统可靠性指标预测方法。为保证神经网络训练样本的充足性,并保留小样本自身的统计规律,该文提出并比较Bootstrap和核密度拉丁超立方采样2种小样本增广技术,基于扩充后的样本对具有相同结构的神经网络模型进行参数训练,利用所得的神经网络对可靠性指标进行预测的精度作为选择合适扩充技术与神经网络结合的依据。通过预测用户年均停电时间的算例分析表明,利用Bootstrap小样本扩充技术和BP神经网络相结合的方法在小样本统计条件下具有更高的预测精度。(本文来源于《电力科学与技术学报》期刊2019年02期）
李欣[7]（2019）在《小波神经网络在动力系统可靠性优化分配的应用》一文中研究指出船舶动力系统属于机电设备工程系统的一种类型,在设计方面始终伴随现代科技及现代设计方法的改变而不断创新。为进一步加快船舶设计工作的发展速度,就必须深入探索并完善设计理论以及方法。需要注意的是,船舶动力装置在船舶中占据核心地位,要想实现船舶运行的安全性与可靠性,最关键的就是要保证其正常航行状态下的各项特征。若船舶动力装置发生故障,将直接提高海损事故发生几率,使得生命安全与财产损失严重,还会污染海域环境。为此,有必要全面优化船舶动力系统的可靠性,将小波神经网络技术融入其中,促进现代船舶海上安全航行。(本文来源于《舰船科学技术》期刊2019年12期）
王彪龙,孟凡利,曾超,郭将,刘晓[8]（2019）在《基于自然选择策略的PSO-BP神经网络的滑坡可靠性评价方法》一文中研究指出将BP神经网络良好的非线性函数拟合能力,以及粒子群算法(PSO)良好的非线性优化性能相结合,提出一种基于自然选择策略的PSO-BP神经网络的滑坡可靠性评价新方法。新方法的整体布局是以BP神经网络作为滑坡可靠性分析的响应面函数,在内部实现细节上,针对传统BP神经网络权值和阈值更新过程中容易陷入局部最优特点,采用自然选择粒子群算法来替代标准BP神经网络内置的最速梯度下降法,以达到进一步优化网络的目的。以贵州省马达岭HP1滑坡为例,验证该方法的优越性,结果证明:(1)该文提出的自然选择PSO-BP算法全局拟合能力更强,构造出的响应面误差更小;(2)降雨对于该边坡可靠性的影响小于地震,敏感性低;(3)天然工况下的HP1处于稳定状态,饱和、天然地震工况下处于低危险状态。(本文来源于《中外公路》期刊2019年03期）
邓杨扬,王少华,张亮星[9]（2019）在《供应链二级可靠性评价的BP神经网络应用研究》一文中研究指出以制造业供应链为研究对象,基于不确定性提出二级供应链可靠性评价模型,通过算例仿真验证模型可靠性诊断结果的合理性,最后提出针对结果的反向改进方案。二级模型是在一级模型的基础上,针对具有不确定性因素的一级评价指标,提出决定其性能的二级评价指标的优化模型,具有更高精度和更好的反向改进能力。BP神经网络作为一种成熟的工具具有强大的学习能力,经过大量历史数据的学习能够很好应用在诊断领域,应用算例得出结果与专家系统评价结果相符。(本文来源于《机械设计与制造》期刊2019年S1期）
董彦军,刘平,辛锐,李超[10]（2019）在《基于退火算法优化的BP神经网络的电力通信网业务可靠性评价》一文中研究指出对于规模越来越大的电力通信网来说,快速预测和把握可靠性对其发展具有至关重要的作用。对可靠性的定量化度量的研究,多为对实际操作中人工进行业务评价,这里根据电力通信网故障影响因素,从设备层和光缆层构建了故障时长预测指标体系,对其中的每个指标进行量化。然后基于此指标体系,利用BP神经网络模型和基于退火算法优化的BP神经网络进行预测构建了定量化的可靠性模型,给出了度量可靠性的方法,为可靠性量化评价提供了一种解决方法。(本文来源于《微型电脑应用》期刊2019年05期）
基于神经网络的可靠性论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
柴油机能否可靠运行直接影响着船舶任务的执行。传统的柴油机可靠性评估方法依赖大量的统计数据、忽略了个体差异,因而进行评估的能力有限。引入灰色神经网络的方法对退化数据进行处理。通过两台某型船舶柴油机样机耐久性试验得到的活塞环磨损退化数据,验证了此方法的有效性。此方法理论上可以在少量历史数据的基础上,减少耐久性试验的时间,对失效物理过程未知的小样本退化数据的可靠性分析上,有一定应用前景。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
基于神经网络的可靠性论文参考文献
[1].惠子青,刘晓燕,严馨.基于测试效率的神经网络可靠性模型[J].数据通信.2019
[2].李伟峰,王磊.基于灰色神经网络的船舶柴油机活塞环退化可靠性研究[J].自动化与仪器仪表.2019
[3].汪颖翔,潘笑.基于改进Elman反馈型动态神经网络的配电网可靠性评估[J].水电能源科学.2019
[4].屈志坚,刘菁,姚嵘,孙蕊,史景超.基于BP神经网络的配电网供电可靠性风险隐患动态评价模型研究[J].现代经济信息.2019
[5].唐成虎,张建华,侯伟,张晶辉,王克平.基于人工神经网络的运动机构可靠性灵敏度分析[J].锻压技术.2019
[6].王宏刚,田洪迅,李浩松,王越,施明泰.考虑小样本统计的BP神经网络配电系统可靠性预测方法[J].电力科学与技术学报.2019
[7].李欣.小波神经网络在动力系统可靠性优化分配的应用[J].舰船科学技术.2019
[8].王彪龙,孟凡利,曾超,郭将,刘晓.基于自然选择策略的PSO-BP神经网络的滑坡可靠性评价方法[J].中外公路.2019
[9].邓杨扬,王少华,张亮星.供应链二级可靠性评价的BP神经网络应用研究[J].机械设计与制造.2019
[10].董彦军,刘平,辛锐,李超.基于退火算法优化的BP神经网络的电力通信网业务可靠性评价[J].微型电脑应用.2019