BP网络在感应电机逆系统中的模拟与仿真

对于一些复杂的非线性系统,传统的解析形式难以实现.本文提出了一种基于BP网络的构造方法,以非解析形式实现逆系统,并结合感应电机模型进行MATLAB仿真,生成了感应电机的神经网络逆模型,对比结果可知神经网络逆系统输出值误差极小,表明BP网络的逆系统构造策略是可行的.     

几何分域的多模块神经网络求解 平面3R机械手逆运动学

针对神经网络求机器人逆运动学多解时输入与输出间存在一对多的映射问题,提出一种基于几何分域的多模块神经网络求解平面3R机械手逆运动学方法。该方法通过将连杆分离-重新组合的方式进行几何分析,将平面3R机械手分为两组具有多解的子空间,同时增加末端执行器方位角的规划,使得用于两个子空间训练的BP神经网络中,输入与输出间具有唯一映射关系。用训练好的两个BP神经网络分别对同一段规划好的圆形轨迹进行预测,得到的两段预测轨迹平滑且与规划轨迹基本一致,这一结果表明,所提方法可以获得平面3R机械手高精度的逆运动学多解。     

基于唯一特征的BP神经网络求解平面2R机械手逆运动学

针对神经网络求解机器人逆运动学时输入与输出间需要建立正确的映射关系,提出一种基于唯一特征的BP神经网络求解平面2R机械手逆运动学的方法。该方法通过在机械手的工作空间中进行几何分析,确定了逆运动学多解的规律,同时在BP神经网络的输入中增加方位角作为特征参数。仿真结果表明:所提方法只需要一个BP神经网络,就可以求得平面2R机械手的逆运动学完整解;预测误差较小在-0.002～0.002 rad之间。     

基于BP神经网络的印刷体数字识别研究

BP神经网络是一种误差逆传播算法训练的多层前馈网络,具备网络学习能力强、输入/输出模式映射关系存贮量大、事先不需要描述输入/输出映射关系等诸多优点的数学方程。本文通过BP神经网络的介绍,利用不变矩特征提取方法设计一种有效的BP神经网络印刷体数字识别演示系统,对印刷体数字识别的深入研究具有一定的指导意义。     

6R机器人逆运动学求解与运动轨迹仿真

针对如何提高6R机器人逆运动学求解的精度和效率问题,提出一种基于动态模糊神经网络进行求解的方法。根据6R机器人逆运动学方程组具有高维非线性、求解复杂的特点,对动态模糊神经网络进行改进,使其能够应用于多输入多输出系统,建立运动学逆解预测模型。通过正运动学方程获取工作空间位姿样本,以工作空间的位姿作为预测模型的输入变量,以关节空间中的关节角作为输出变量,用样本数据对逆解预测模型进行训练。最后,运用该模型对KR16-2机器人进行复杂运动轨迹仿真,并与RBF和BP神经网络模型的求解效果进行比较,结果显示,基于动态模糊神经网络的6R机器人运动学逆解预测模型具有精度高、鲁棒性优和泛化能力强的特点,证明了该方法的可行性和有效性。     

神光-Ⅲ精密装校平台运动学分析

针对神光-Ⅲ激光装置光机模块装校需要,设计了一套具有6自由度精密调整功能的混联装校平台。运用解析法建立了模块位姿与各姿态调整机构位姿的映射关系,进而求得系统运动学逆解。利用运动学逆解结果,采用BP神经网络实现驱动位移到模块位姿的非线性映射,从而获得系统运动学正解。为提高运动学正解精度,提出采用"单一输出"细分子网络,使得正解精度提高了一个数量级。为进一步提高位置精度,提出了一种对神经网络进行改进的位置补偿算法,使得位置精度提高至10-3 mm级,满足工程应用要求。MATLAB仿真验证了该方法的可靠性,并可有效应用于求解一般混联机构的运动学正、逆解。     

稳像中基于BP神经网络的颤振预测及改进

为了解决航拍过程中的图像抖动问题,研究了机载相机的颤振规律;提出在稳像过程中,利用BP (Back Propagation)神经网络的函数逼近功能对相机颤振规律进行模拟,预测相机颤振矢量的方法;针对单个BP神经网络稳定性较差且精度较低的问题,提出在预测网络上增加一个误差校正网络以提高预测精度的方法.该方法使用误差校正网络对预测网络输出的结果进行二次预测、补偿,提高了网络系统的稳定性和计算精度.仿真实验表明：在训练样本相同的情况下,预测网络和误差校正网络相结合的方法能够对相机颤振矢量进行高精度预测,且运算速度较快,满足了机载相机实时稳像的需求.     

基于蚁群神经网络算法的机器人逆解

提出了一种机器人逆运动学问题建模的新方法.利用神经网络逼近机器人逆运动学的输入与输出、利用改进的蚁群算法学习神经网络.针对蚁群算法主要用于离散优化的特点,对基本的蚁群算法进行了改进,采用了全局搜索、局部搜索和确定性搜索,为连续问题的优化提供了一条新的思路.利用改进的蚁群算法学习神经网络,为神经网络提供了一种新的学习算法,使得该方法兼具了蚁群算法与神经网络的优点.应用实例表明了该方法的有效性,提高了机器人逆运动学求解的速度和精度.     

基于动态贝叶斯网络的气化炉烧嘴系统可靠性分析

为解决在分析系统可靠性时获取的动态贝叶斯网络（DBN）的先验数据主观性强的问题,以气化炉烧嘴系统为研究对象,利用BP神经网络优化DBN的先验数据。依据隐含层神经元数量经验公式,将气化炉烧嘴系统DBN模型划分为3个子系统,并分别转化为BP神经网络。将DBN的先验分布分别对应BP神经网络的输入函数与输出函数,再利用BP神经网络信息向前传、误差向后传的特性,对系统进行性能学习,实现对DBN的先验数据优化。对优化后气化炉烧嘴系统的DBN进行双向推理,实现对气化炉烧嘴系统动态可靠性分析。结果表明,对气化炉烧嘴系统DBN进行正向推理,可得到优化后的系统可靠性变化趋势;进行反向推理,可得到优化前后的关键事件及薄弱环节,其中薄弱环节为高氧煤比氧煤比的波动。     

BP算法在位移传感器测量精度方面的应用

在较高精度位移测量中,需要对位移传感器的输出进行温度补偿。采用BP(Back Propagation)网络的多传感器数据融合方法,把位移传感器和温度传感器的输出作为网络的输入向量送入融合中心,通过BP网络训练,然后将标定样本送入训练好的神经网络,得到比较准确的位移输出。为克服传统BP网络算法收敛慢、容易收敛到局部最小点的缺陷,采用BP多层前馈神经网络改进算法对传感器特性进行补偿,用MATLAB仿真所得到的结果与原有的实验数据相比较,在相同的温度波动情况下,位移传感器的输出误差比原来的减小了3倍,而且大幅度地节省了时间。     

基于径向基神经网络的加速度计随机误差处理

神经网络应用于加速度计的随机误差处理,更接近真实值,因而比线性方法更优越近年来,BP神经网络受到了广泛重视,但径向基神经网络尚未得到重视径向基神经网络具有比BP神经网络更快的收敛速度,但是径向基神经网络能否达到全局最优解尚没有理论上的判别方法对BP神经网络和径向基神经网络在加速度计输出数据处理方面的优劣势进行了分析,分析时既考虑了数据量的增加,也考虑了优化性未来,对数据以最优化的方式进行大量处理将成为发展的趋势,也是走向实用化的切实可行的发展路径     

基于遗传BP神经网络的磁流变悬置模型辨识

为克服误差逆向传播算法的多层前馈型BP神经网络收敛速度慢、局部极小化问题,提出用遗传算法(GA)的全局搜索能力寻求最优的BP神经网络权值和阀值,以提高神经网络的收敛速度和克服局部最优。以磁流变液压悬置动态特性试验结果为数据样本,分别用未优化的BP神经网络和优化后的GA-BP神经网络对磁流变液压悬置正、逆模型进行辨识。结果表明,相对于BP神经网络,GA-BP神经网络具有更高的辨识精度、更快的收敛速度,在磁流变液压悬置数学模型辨识方面具备更优的性能。     

基于灰色BP神经网络组合模型的郑州市商品住宅价格预测

针对郑州市商品住宅价格问题进行了研究,在传统GM(1,1)模型的基础上引入BP神经网络模型,建立了灰色BP神经网络组合模型,采用传统GM(1,1)模型与灰色BP神经网络组合模型预测郑州市商品住宅价格.结果表明,灰色BP神经网络组合模型比传统GM(1,1)模型预测精度高,具有更好的应用价值.     

BP神经网络的遗传优化及其应用研究

针对BP神经网络具有训练速度慢、容易陷入局部极小值的特点,在分析其训练算法本质的基础上,提出将遗传算法（GA）引入神经网络训练,优化神经网络的权值和闽值,充分发挥遗传算法的全局寻优能力和BP算法的局部搜索优势,形成了一种新的GA—BP神经网络．应用实例仿真结果表明,GA—BP神经网络具有全局搜索、快速收敛的特点,建立的模型具有较高的预测精度和良好的泛化能力．     

基于神经网络的平面五杆可调机构的动力学解析模型

应用Kane动力学方法对平面可调五杆机构进行了动力学分析,建立了平面五杆机构的动力学解析模型。并研究了构件几何参数和物理特性对广义驱动力矩的影响规律。在此基础上,应用BP神经网络对可调五杆机构逆动力学模型进行了辨识,将整个动力学模型系统分为3个子系统,分别采用BP神经网络系统对广义质量矩阵、向心力哥氏力矩阵和重力矩阵进行学习,求解得到可调平面五杆机构的逆动力学模型问题。     

基于T-S模糊神经网络的汽车故障诊断的研究

该文根据模糊神经网络的特性结合汽车故障诊断的技术,根据监控排放标准,采用个人手持式故障诊断仪获取数据流,T-S模糊逻辑与神经网络结合,训练模糊神经网络,进行故障诊断。使用误差反馈算法和模糊理论训练神经网络,根据训练完成的T-S模型对汽车防抱死系统故障进行诊断。体现了其诊断的准确性强和适用性广的特性。     

PSO-BP神经网络采煤机截割系统故障诊断

截割系统是采煤机重要的组成部分,如果发生故障将导致连续采煤机停止工作,严重影响其生产率。采用粒子群算法（PSO）优化BP神经网络的方法,对采煤机截割系统故障诊断进行研究,与传统BP网络比较后,结果表明这种方法可确定连续采煤机截割系统的运行状态、降低故障率、提高生产率和使用寿命。     

遗传神经网络在输电线路可靠性评估中的应用研究

为了改善当前输电线路可靠性评估中的人为主观局限性,文中首次将遗传神经网络运用于输电线路可靠性评估中．利用BP神经网络的自学习、自适应、强容错性,通过遗传算法（GA）优化BP神经网络的权值和阈值．弱化了评价体系中的人为因素,解决了BP神经网络易陷入最小值点及收敛速度慢的问题,相比神经网络,遗传神经网络的仿真次数减少了3014次．实例仿真研究表明,该评价方法在输电线路的可靠性评价中取得了很好的评价效果,很好地克服了人为主观局限性,其精度达到了90％以上．     

神经网络在GPS高程拟合中的应用

讨论利用遗传算法(GA)、粒子群算法(PSO)来优化BP神经网络权值和阈值的原理;结合平坦地区的工程实例,研究二次曲面、BP、GA-BP与PSO-BP 4种拟合模型在GPS高程拟合中的应用.拟合结果表明:PSO算法优化BP神经网络精度效果优于GA算法优化BP神经网络精度,拟合误差更小.