非线性状态空间方法辨识电液伺服控制系统

针对回归神经网络辨识和建立非线性动态系统模型的问题,研究非线性状态空间描述的回归神经网络数学模型。讨论极小均方误差网络训练收敛准则,通过研究Kalman 滤波估计公式中的随机变量,提出一种参数增广的回归神经网络非线性状态方程,无导数的Kalman滤波器用于增广参数估计,人工白噪声强迫网络学习,更新网络权值,避免了扩展Kalman滤波器计算Jacobian信息和基于递度学习算法收敛慢的问题。在电液伺服系统辨识建模的应用中表明,回归神经网络较好地跟踪了液压油缸压力变化,与扩展Kalman滤波估计学习算法相比,新的算法具有较快的收敛和精度。     

改进的Kalman滤波算法在飞行器测距中的应用研究

为了解决四旋翼飞行器避障系统中激光和超声波传感器测距数据误差较大的问题,设计了一种改进的Sage_Husa自适应Kalman滤波算法。首先,在算法中引入遗忘因子,修正观测噪声协方差,校正数据结果,并使用Sage_Husa法对传统自适应Kalman滤波算法进行简化;然后,针对不同材质的障碍物墙面进行测距实验;最后,将结果与单一传感器和传统Kalman滤波算法的实验结果进行对比。结果显示,改进的Kalman滤波算法使激光和超声波传感器测量数据的融合结果更加稳定、准确,证明该算法能有效提高传感器的测量精度。     

温度荷载下混凝土材料参数的非线性Kalman滤波反演研究

将非线性扩张Kalman滤波理论引入温度荷载作用下的大体积混凝土材料参数随机反演问题,推导并建立了Kalman滤波理论的观测修正方程和时间传播方程,并研究了温度荷载作用下混凝土材料参数反演中的扩张Kalman滤波器与有限元耦合问题,推导了相应的计算公式,同时给出了扩张Kalman滤波理论反演材料参数的步骤。研究表明,非线性Kalman滤波算法具有较强的收敛性,故而应用扩张Kalman滤波理论反演参数计算效率较高。研究结论可供工程设计参考。     

采用APSO-LM-BP神经网络的挖掘机器人运动学逆解研究

针对挖掘机器人执行机构的运动学逆解求解难、速度慢的问题,提出一种基于APSO-LM-BP神经网络的逆运动学求解方法。利用自适应粒子群(APSO)算法对BP神经网络中的连接权值以及阈值进行优化,再把BP神经网络训练过程中的梯度下降法用LM算法代替,以克服传统BP神经网络的输出误差大,陷入局部极优解的缺陷。仿真结果表明,与传统BP神经网络相比,APSO-LM-BP神经网络输出误差大大降低,训练时间更短,改善了算法的收敛精度和收敛速度,且满足挖掘机器人运动学逆解要求。该方法可以推广至任意自由度串联机器人的逆运动学求解,具有较强的实用性。     

一种基于Kalman滤波算法的组合式温度传感器的研究

该文研究了一种基于Kalman滤波算法的组合式温度传感器。根据铂电阻和半导体热敏电阻在温度测量中的不同特性,设计了一种组合式温度传感器,并利用Kalman滤波算法进行综合数据处理。提出了基于Kalman滤波算法的组合式温度传感器模型,给出了静态测量和动态测量两种情况下的kalman滤波算法步骤,分析了Kalman滤波算法的参数设置。实验结果表明,该组合式温度传感器可有效提高测量结果的准确性和灵敏度。     

基于最大熵准则的加工过程神经网络建模

传统BP算法收敛速度慢、产生局部极小点的原因之一是该算法采用的是均方误差准则。为了改进BP算法的不足,提出基于最大熵准则的BP算法,并应用于加工过程的神经网络建模。仿真表明：基于最大熵准则的BP神经网络建模,其辨识精度优于一般BP算法神经网络建模。     

VCM模型下的IBAS⁃EKF锂电池荷电状态估计

为解决锂电池荷电状态(SoC)难以精确估计的问题,提出了极化电压修正模型(VCM)和改进天牛须优化扩展Kalman滤波算法(IBAS?EKF)共同实现电池SoC的精确估计.在建立3阶RC电池模型和参数辨识的基础上,使用Elman循环神经网络对模型极化电压实现在线修正和优化,形成VCM模型;采用改进天牛须搜索算法优化扩展Kalman滤波算法的系统噪声协方差矩阵和量测噪声协方差矩阵,形成IBAS?EKF锂电池SoC估计算法.在测试平台上进行城市道路循环工况试验,结果表明:基于VCM模型的IBAS?EKF锂电池SoC估计算法的各项误差指标均低于传统的SoC估计算法,估计误差在0.6％以内,效果满足实际工程要求.     

VCM模型下的IBAS⁃EKF锂电池荷电状态估计

为解决锂电池荷电状态(SoC)难以精确估计的问题,提出了极化电压修正模型(VCM)和改进天牛须优化扩展Kalman滤波算法(IBAS?EKF)共同实现电池SoC的精确估计.在建立3阶RC电池模型和参数辨识的基础上,使用Elman循环神经网络对模型极化电压实现在线修正和优化,形成VCM模型;采用改进天牛须搜索算法优化扩展Kalman滤波算法的系统噪声协方差矩阵和量测噪声协方差矩阵,形成IBAS?EKF锂电池SoC估计算法.在测试平台上进行城市道路循环工况试验,结果表明:基于VCM模型的IBAS?EKF锂电池SoC估计算法的各项误差指标均低于传统的SoC估计算法,估计误差在0.6％以内,效果满足实际工程要求.     

改进人工蜂群优化神经网络的短期负荷预测

准确的短期负荷预测能够减少发电机组停机备用和旋转备用,其预测效果直接影响电网的安全稳定和经济效益.针对BP神经网络初值敏感、易陷入局部最优的缺点,提出了一种改进人工蜂群算法优化BP神经网络的负荷预测方法.首先融合负荷数据与温度、湿度等天气数据并进行高斯滤波处理,再采用搜索位置更新实现人工蜂群算法的改进,利用其算法完成BP网络权值和阈值的优化,最后建立用于短期负荷预测的优化模型,并通过实例进行仿真验证.结果 表明:该改进预测模型与传统BP算法相比预测精度及收敛速度均有大幅提高,具备工程实用价值.     

蚁群优化BP神经网络的电机故障诊断设计与实现

针对传统的故障诊断方法采用专家知识推理方法在获取知识方面的困难,提出了一种采用蚁群优化算法和BP神经网络的自适应电机故障诊断系统。使用BP神经网络对样本数据进行训练,可以建立故障征兆到故障之间的对应关系,从而可以克服专家系统的不足,同时,由于传统的BP算法采用梯度下降算法,具有收敛速度慢和容易陷入局部最优解的问题,且BP神经网络的网络结构和初始参数在确定时往往依靠经验,从而限制了其在故障诊断领域的进一步发展。蚁群算法是一种启发式的模拟进化优化算法,具有正反馈及其分布式计算等特点,因此,将蚁群算法应用于BP神经网络的结构和参数进行优化,然后采用优化后的BP神经网络进行故障诊断,电机诊断实例证明文中方法较BP神经网络和遗传算法优化的BP神经网络具有更高的诊断精度和训练效率。     

EKF神经网络算法在疏浚作业建模中的应用

提出了基于EKF神经网络的疏浚作业过程动态演化建模方法。在神经网络建模过程中引入卡尔曼滤波思想,利用扩展卡尔曼滤波实时更新神经网络模型的权重,从而获得能有效跟踪挖泥船疏浚过程工况变化的模型。     

基于改进型BP神经网络PID控制器在转台系统中的应用研究

为改善转台系统性能,针对传统的PID控制参数难以获得较理想的控制效果,设计了一种基于改进型BP神经网络的PID控制器。介绍了PID控制器的结构和BP神经网络算法描述,利用最小二乘法和神经网络建立被控对象的预测数学模型,并用该模型所计算的预测输出取代预测输出的实测值,对基于BP网络的PID控制器的权值调整算法进行改进。以某转台模型为对象,建立了转台控制系统的数学模型并对其进行仿真。仿真结果表明,改进型BP神经网络PID控制器具有良好的控制效果,跟踪精度高、性能稳定及鲁棒性强,能更为有效地应用到转台系统中。     

利用BP神经网络识别图像基点

论述了运用BP神经网络对图像进行识别.介绍了BP神经网络的算法设计、隐层节点的选取等问题.结果表明,BP神经网络有很强的自适应性,对大量样本识别后,能将图像中需要的基点有效地识别出来,且达到较高的准确率.     

基于优化BP神经网络的快速起竖装置液压驱动系统故障诊断

快速起竖装置在自卸车等工程机械以及导弹发射车等军事领域均有较为广泛的应用.液压驱动系统是快速起竖装置的核心,准确诊断其故障具有重要意义.传统BP神经网络故障诊断准确率随着故障类型的增加急剧下降,难以满足工程需求.以快速起竖装置液压驱动系统为研究对象,提出一种基于BP神经网络和AdaBoost算法的故障诊断方法,将BP神...     

Studying the method of adaptive prediction of forest fire evolution on the basis of recurrent neural networks

A software system is presented for implementation of a fire model on the basis of a recurrent neural network, which ensures real-time simulation of fire evolution. The quality of traditional learning and learning based on the Kalman filter in experiments performed with the neural network is compared. It is demonstrated that the fire overcomes obstacles in the form of regions consisting of incombustible materials owing to the global character of connections of the neural network simulating the fire.     

一种高速数控机床电主轴表面温度智能预测方法

电主轴是高速数控机床核心功能部件,电主轴损坏基本是电主轴发热引起的.电主轴温度场具有复杂的非线性特征,神经网络在处理非线性系统温度预测方面得到了广泛的研究,神经网络与传统模型相比具有更好的适时预报性和持久性.论文利用遗传算法优化BP神经网络建立电主轴表面温度预测模型.预测结果表明,未优化的BP神经网络与遗传神经网络预测误差相对比,遗传神经网络对电主轴表面温度预测具有更高的预测精度和稳定性.     

基于改进算法的锅炉燃烧系统的经济性研究

针对锅炉燃烧系统的非线性、时变性和强耦合的特点,传统的控制方法的控制精度不高、自适应能力差等,提出了一种改进的模糊神经网络控制算法,对烟气含氧量进行控制。为克服常规算法的缺陷,将BP算法和粒子群PSO算法二者相结合,充分利用PSO算法的全局寻优能力和BP算法的局部搜索能力。另外引入了动态递归神经网络,对系统模型进行在线辨识,从而提高了网络的训练效率和控制器的控制效果,使系统达到经济燃烧。     

基于神经网络信息融合的柴油机故障诊断

本文论述了神经网络信息融合的原理与方法,首先就BP网络训练速度慢,易陷入局部极小点的问题,提出将附加动量项与自适应学习速率相结合的改进BP算法,有效地抑制了网络陷于局部极小并提高了收敛速度。最后,将振动信号与血管压力信号作为特征参数,分别采用传统BP算法,改进BP算法对供油系统的三种故障进行信息融合诊断分析。实践表明,神经网络信息融合方法非常适用于多征兆机械系统的故障诊断。     

神经网络在车牌字符识别中的应用

设计并实现了一种基于改进BP神经网络的字符识别系统,可克服传统BP算法最终进化至最优解较慢和神经网络易陷入局部最小值的缺陷,具有较好的全局性和收敛速度,经过实验,具有较好的识别速度和精度.     

基于蚁群神经网络的滚动轴承故障诊断

为了提高滚动轴承故障诊断的准确性,将蚁群算法与神经网络相结合,根据轴承故障产生的机理,建立其BP神经网络的诊断模型,以网络的误差为目标函数,通过蚁群算法进行BP网络的权值优化,并用优化好的BP网络进行故障诊断。仿真结果表明,该方法具有较高的故障诊断准确度,具有较强的实用性。