共查询到19条相似文献,搜索用时 62 毫秒
1.
复合正交柔性神经网络及其应用 总被引:1,自引:0,他引:1
针对目前神经网络所存在的不足,提出一种带参数的单极性Sigmoid函数的柔性复合正交神经网络,并给出相应的参数学习算法,这种柔性复合正交神经网络不仅扩大了网络辨识模型的能力与学习适应性,而且算法简单,学习收敛速度快,有线性,非线性逼近精度高等优异特性。以模型辨识作为应用实例,仿真结果表明,其算法是有效的,柔性神经网络能提高正交神经网络的性能。 相似文献
2.
复合正交神经网络与CMAC在PID并行控制中的比较研究 总被引:1,自引:0,他引:1
由于正交神经网络算法简单,学习收敛速度快,具有线性、非线性逼近精度高等优异特性,取得了较好的应用效果,但在动态建模与实时控制问题上研究较少。为此,本文提出复合正交神经网络(CONN)与PID并行控制算法,并对小脑模型(CMAC)与PID并行控制作一比较研究。仿真结果表明,当方波(阶跃)输入与正弦输入时CONN实现的前馈控制效果比小脑模型实现的前馈控制效果更好,响应速度更快,这充分地体现了复合正交神经网络的特点,即输出误差小、实时性好、鲁棒性强。 相似文献
3.
利用神经网络及数值模拟获取变压边力控制曲线 总被引:9,自引:0,他引:9
在应用Dynaform、Autoform等板料数值模拟软件的过程中,通常需要对压边力施力曲线进行各种预先的设定,但如何选定施力模式一直是一个比较棘手的问题,在文中利用数值模拟及MATLAB中的神经网络工具箱得出了压边力的最优控制曲线。 相似文献
4.
5.
针对金属板材渐进成形过程中易出现壁厚不均的问题,在多点渐进成形工艺的基础上,选定合理的工艺参数,建立有限元模型,设计正交试验方案,利用ANSYS/LS-DYNA对方锥台制件渐进成形过程进行数值模拟,并对正交试验结果进行极差分析、方差分析和BP神经网络优化。结果表明:在板材多点渐进成形中,进给量对目标制件成形区壁厚均匀性影响最大,其次是工具头半径,进给速度影响不明显;BP神经网络模型的预测结果与正交试验结果相比误差小于5%;1060铝合金板材在多点渐进成形过程中,当工具头半径为6 mm、进给量为0.25 mm、进给速度为30 mm·s-1时,可获得壁厚较均匀的目标制件。 相似文献
6.
7.
数值模拟轧辊复合层连续铸造,采用分段直线拟合曲线和控制容积法。提出连续铸造轧辊复合层界面良好熔合的判据。采用直接优选法,反推重要工艺。获得轧辊复合层连续铸造法生产装置的总体设计方案。模拟得到生产良好复合轧辊、漏钢等不同的生产工艺条件。 相似文献
8.
9.
10.
11.
从反向工程曲面重构的基础和原理出发,进行了反向工程中不同的曲面重构方法的分析,以及应用不同曲面重构方法软件的特点、流程、优势及适用范围的比较. 相似文献
12.
高海伟 《组合机床与自动化加工技术》2020,(1):22-24,28
在包含大量焊点的焊接结构件优化过程中,为了降低模型仿真对计算机软硬件的要求并提高计算速度,保证优化方案的可行性,设计了基于本征正交分解的降阶模型重构过程。在理论基础上,对一个焊接模型进行分析,提取模型节点位移进行本征正交分解,分析本征值的贡献度并构建其降阶模型。结果表明:基于本征正交分解的模型重构方法在保证计算精度的前提下,能够有效减少模型自由度,加快仿真优化的速度。该方法适用于加速焊接结构仿真和优化过程。 相似文献
13.
14.
15.
铣削过程的复杂性和铣削力产生的多因素性使得铣削力预测模型很难建立.论文在遗传算法与BP网络模型相结合的基础上,利用遗传算法训练神经网络权重的方法,建立了铣削力预测的遗传神经网络模型.最后将神经网络预测结果与实验数据进行比较和误差分析,证明了该神经网络能够准确地预测铣削力的大小. 相似文献
16.
17.
针对现有研究轴承单一故障较多而研究复杂多故障较少的不足,结合卷积神经网络自动提取特征的特性,文章提出较为先进的无需人工提取故障特征的端到端深度卷积神经网络方法进行轴承多故障诊断。与基于人工提取故障特征的神经网络故障诊断方法相比较,该方法提高了轴承多故障诊断的精度,并有效区分故障发生位置,可为工业应用提供可靠的理论实验依据。 相似文献
18.
七自由度工业机器人的几何结构大多满足Pieper准则,所以针对七自由度的封闭解法具有很大的发展空间。提出了一种基于RBF神经网络间接求取运动学逆解的方法,将运动学方程转化成了优化控制问题。采用遗传算法与最佳柔顺性准则相结合的方法,为RBF神经网络算法提供了精确的样本;为了提高神经网络算法的收敛速度以及收敛精度,进行间接求取的方式,引入连杆三角形夹角的概念;为了验证结果的可靠性,以七自由度冗余机械臂为对象,开展了基于RBF神经网络算法间接求逆的优化实验,并对比传统的RBF神经网络求取运动学逆解算法,结果表明,该算法结构简单,且能够显著提高收敛精度和收敛速度。 相似文献
19.
磨削参数的合理选择对于磨削加工过程有着重要的影响,将人工智能运用到磨削工艺参数的选择过程中是现代发展的一个新趋势.在分析现有的智能算法后,提出了一种利用BP神经网络模型来确定磨削参数的方法.在该方法中综合考虑影响磨削加工的因素,把它们列为神经网络系统的输入参数,并对输入参数进行编码;同时也对输出参数(砂轮速度、工件速度、磨削深度、磨削进给速度)进行了归一化处理以适应神经网络的学习.采用循环算法比较得出隐层的最优神经元个数,从而最终建立了磨削参数智能预测模型,并利用Matlab进行仿真预测,仿真结果表明该预测模型准确率很高,能为磨削参数的选择提供可靠数据. 相似文献