共查询到18条相似文献,搜索用时 468 毫秒
1.
针对传统BP算法采用梯度下降算法存在的易陷入局部极小、收敛速度慢等缺点,本文提出了一种基于小波变换和PSO-BP神经网络的电能质量扰动分类方法.用PSCAD/EMTDC仿真几种典型的电能质量扰动,并利用小波变换进行多尺度分解,得到各尺度上信号的能量特征,输入PSO-BP神经网络,实现扰动的分类.仿真结果表明该方法较BP网络收敛迅速,容易达到训练要求,同时该方法具有分类速度快,精确度较高等优点. 相似文献
2.
3.
基于BP神经网络PID控制及其仿真 总被引:2,自引:0,他引:2
对BP神经网络算法进行了改进,克服了直接使用神经网络算法进行PID控制的不足之处.仿真表明,设计了附加动量项的BP神经网络,能有效地提高算法的收敛速度.实验结果表明控制效果优于传统的PID控制算法的仿真结果. 相似文献
4.
5.
为了准确预测尾矿坝浸润线的位置变化,结合浸润线埋深非稳定、非线性的时间序列以及动态变化的特点,利用小波分解与重构,提出基于小波分解的时间序列指数平滑法和BP神经网络法,采用时间序列的指数平滑法和BP神经网络方法分别对多个细节信号序列和逼近信号序列进行拟合预测,并对其拟合结果进行叠加,实现对尾矿坝浸润线的预测。将预测结果与实际监测数据进行对比,结果表明小波分解预测方法的预测结果与传统单一的指数平滑法和神经网络法预测结果相比,在预测精确度和拟合度方面:小波分解>指数平滑>神经网络。 相似文献
6.
7.
8.
9.
为了进一步提高热连轧精轧机组轧制力的设定精度,采用小波神经网络建立轧制力预报模型。并采用改进的快速BP算法来训练网络。仿真结果表明:建立的轧制力预报模型的预报值与实际值之间的相对误差在±6%以内,且学习算法收敛速度快。 相似文献
10.
11.
12.
基于BP神经网络的矿山投资项目风险评判 总被引:1,自引:0,他引:1
随着矿山投资热度的提高,人们越来越重视矿山投资项目的风险评判。但矿山投资项目的风险评判相当复杂,传统的回归分析方法并不能取得令人满意的效果。而神经网络方法由于有超强的学习、容错性能,对解决非线性问题的效果较好。因此文章认为用BP神经网络系统对矿山投资项目的风险评判结果是比较理想的。 相似文献
13.
ZHANG Jun-hong XIE An-guo SHEN Feng-man 《钢铁研究学报(英文版)》2007,14(2):1-5
A multi-objective optimization and analysis model of the sintering process based on BP neural network is presented. Genetic algorithms are combined to simplify the BP neural network, which can reduce the learning time and increase the forecasting accuracy of the network model. This model has been experimented in the sintering process, and the production cost, the energy consumption, the quality (revolving intensity), and the output are considered at the same time. Moreover, the relation between some factors and the multi-objectives has been analyzed, and the results are consistent with the process. Different objectives are emphasized at different practical periods, and this can provide a theoretical basis for the manager. 相似文献
14.
以凸轮式高速形变试验机得到的试验数据为基础,利用Matlab人工神经网络工具箱,建立了轴承钢的变形抗力与其化学成分、变形温度、变形速率及变形程度对应关系的RBF神经网络预测模型.分析了变形温度和变形速率对轧制压力网络模型精度的影响.得出随着变形温度的增加,网络的预测误差逐渐增大;随着变形速率的增大,网络的预测误差逐渐减... 相似文献
15.
步长BP人工神经网络的轧制力模型研究 总被引:3,自引:0,他引:3
现有的轧制力数学模型大多是在多种假设的条件下,通过一系列简化推导出来的,从而决定了其模型的不准确性,所以常规轧制力模型本身不能提供足够精确的预报值.神经网络技术提供了一个崭新的建模工具,此模型采用了动态变步长BP算法.为了使模型得到最佳的迭代计算速度和预报精度,对隐含层单元数、权重初始值范围、学习速率等参数进行了优化,同时对变步长参数的选择范围进行了探讨和研究,对于更好地理解掌握和应用邯钢薄板坯连铸连轧厂的原设计轧制力模型,具有重要的实用和参考价值. 相似文献
16.
17.
BP (Baek Propagation)算法和遗传算法相结合的混合训练方法步骤为:首先用遗传算法定位出一个较好的搜索空间,然后采用BP算法在这个小的解空间中搜索出最优解。分别用遗传算法和混合遗传算法训练100 t电弧炉终点温度神经网络预报模型。仿真结果表明:混合遗传算法有更快的收敛速度和更高的预报命中率。当目标温度的精度范围为±2℃、±4℃、±6℃和±8℃时,BP算法的温度命中率分别为75%、82%、86%和92%,混合遗传算法的温度命中率分别为80%、88%、90%和96%。 相似文献