共查询到20条相似文献,搜索用时 122 毫秒
1.
采用神经网络与PID控制相结合的方法,提出了一种基于BP神经网络Kp、Kl、KD参数自学习的PID控制器,较好地解决了传统控制方式对于对象模型过于依赖、参数在线整定困难等问题。同时对BP算法进行了深入分析,引入了神经网络的自适应学习速率和带死区控制,进一步提高了算法的收敛性。利用本文所提出的算法对某型无人机进行控制设计仿真实验,仿真结果表明:该算法在跟踪速率、控制精度上明显优于传统的PID控制器,对无人机具有良好的控制效果。 相似文献
2.
3.
4.
文章从微粒群算法和BP神经网络基本原理出发,研究了将其用于PID控制的可行性,实现参数的在线自整定。仿真结果表明。基于微粒群优化BP神经网络的非线性PID参数自整定取得了良好的控制效果。 相似文献
5.
6.
7.
8.
9.
10.
为提高直流变换器输出电压的响应速度和稳定性,文中提出了一种采用蚁狮优化算法改进双有源桥型直流变换器分数阶PI~λD~μ控制器的方法。将待优化的参数看作是蚁狮个体所处的空间位置,并以双有源桥型直流变换器误差性能指标ITAE作为目标函数,采用蚁狮优化算法搜索待求分数阶PI~λD~μ控制器参数的全局最优解,进而实现对输出电压的控制优化。对传统工程经验整定整数阶PID、粒子群算法整定分数阶PI~λD~μ和蚁狮优化算法整定分数阶PI~λD~μ的双有源桥直流变换器输出电压性能进行仿真和实验对比。结果表明,文中所提方法可缩短调节时间,提高响应速度,增强系统抗干扰能力,证明了优化方法的有效性和可行性。 相似文献
11.
12.
13.
基于神经网络的双目视觉摄像机标定方法的研究 总被引:8,自引:6,他引:8
摄像机标定是精密视觉测量的基础,传统的双目标定位需要建立复杂的数学模型。神经网络可以有效地处理非线性映射问题,本文介绍了一种BP神经网络,可以很好地描述双目视觉中三维空间特征点坐标和2个摄像机对应像点间的非线性关系,并且为了提高网络的学习能力引入了动态因子。将神经网络标定方法与传统的常用标定方法比较,实验结果表明,基于神经网络的双目视觉标定方法能获得较高的标定精度。 相似文献
14.
针对当前雷达干扰效能评估方法中评估模型较为复杂、参数获取困难、应用价值不大的问题,优化了雷达干扰效能评估变量和指标体系,使其更加贴近实际应用;针对传统雷达干扰效能评估方法中依赖专家打分、人为因素影响较大而普通神经网络预测误差较大的问题,采用遗传算法(genetic algorithm, GA)对误差反传(back propagation, BP)神经网络的初始参数进行全局优化,提出基于GA-BP神经网络的雷达干扰效能评估方法,降低评估系统误差。最后,进行了仿真验证,与普通BP神经网络和支持向量机(support vector machine, SVM)进行了对比分析,并通过调整参数进一步优化了该方法。仿真结果表明,该方法明显优于普通BP神经网络和SVM,具有较好的准确度和稳定性,可为实际应用提供科学依据。 相似文献
15.
基于主成分分析与BP神经网络的识别方法研究 总被引:15,自引:0,他引:15
利用BP神经网络对红外目标进行识别之前,若不对原始样本数据进行预处理与特征提取,一方面使识别结果准确性降低,另一方面使BP神经网络的结构复杂化,采用主成分分析法可解决这些问题。主成分分析法能较好地提取表征样本的少数几个主分量,由该方法的特点可知,这几个主分量彼此不相关,非常符合特征优化的要求。研究结果表明,用该方法处理后的结果数据输入BP神经网络.提高了识别正确率,减少了训练时间,同时也简化了网络结构。将两种常见的模式识别方法结合用于红外目标识别:先由主成分分析法对原始样本数据进行精简处理,然后再由BP神经网络法进行分类识别,与传统的单一识别方法相比,准确度得到提高,计算量大为减少。 相似文献
16.
17.
神经网络在时间序列预测中的应用研究 总被引:3,自引:0,他引:3
介绍了时间序列预测的基本概念、各种模型,分析了基于神经网络的时间序列预测方法,阐述了BP神经网络基本原理,提出了一种基于BP神经网络的时间序列的预测和方法。通过应用实例的分析表明,以此方法得到BP网络应用于非线性时间序列预测是可行的,神经网络方法可以成功地用于分析预测时间序列变量。 相似文献
18.
针对在非协作通信以及低信噪比下组合二进制偏移载波(CBOC)信号伪码周期和组合码序列较难估计的问题,该文提出了2次谱算法与基于径向基函数(RBF)神经网络算法。对输入信号进行2次功率谱计算,可以得到CBOC信号的伪码周期。在此基础上,首先对接收的1周期组合码序列进行重叠分段,其次优化筛选出学习系数,对每段数据向量作为RBF神经网络的输入信号并进行有监督地调节,最后对每段数据向量多次输入并反复训练权值向量就可以恢复原组合码序列。仿真结果表明,利用2次谱可以在低信噪比下估计出伪码周期;在误码率低于1%的情况下,所提出的RBF神经网络相比于反向传播(BP)神经网络与Sanger神经网络,信噪比分别提高1 dB和3 dB,并且在同等条件下所需的数据组数较少。
相似文献19.