改进代数算法神经网络在机器人逆运动学中的应用

用多层前向INI神经网络建立机器人逆运动学模型.采用一种改进代数算法来学习神经网络待求权和自由权,该算法选.择很广一类的隐层神经元函数训练网络,将复杂的非线性优化问题转化为简单的代数方程组求解问题,求解速度快;在网络训练之前就可以根据给定的问题确定隐层神经元个数,可以方便地求得全局最优点,实现样本空间的精确映射,不存在局部极小、收敛速度慢等问题.提出的求解机器人逆运动学新算法可以得到高精度的解,有仿真结果为证.     

基于神经网络的壳体结构损伤诊断研究

神经网络输入参数的选择将直接影响工程结构损伤识别的精度和准确性。本文提出以反映结构损伤位置和程度的固有频率与频率下降率的组合作为神经网络输入的特征参数，以增加对损务程度敏感的参数项，克服单独使用某种参数的缺陷。针对使用BP算法的多层感知器中存在的网络收敛速度慢，容易陷入局部极小点等问题，采用一个改进算法。并以门座起重机筒形支柱－－圆柱壳结构损伤为例，进行计算分析，从中可以看出，采用此组合特征参数和改进算法提高了诊断的精度，加快了网络收敛的程度。     

扩展隐层的误差反传网络训练算法研究

为提高神经网络的预测精度,对现有的误差反传网络训练算法进行了改进.对三层误差反传网络进行了结构扩展,在训练过的三层网络中,动态增加一个具有线性激活函数的辅助隐层,形成一种新的网络扩展模型.用改进的蚁群算法对新增权值参数进行训练,着重阐述算法的实现过程及算法分析.最后,设计了一组催化剂活性预测实验,对算法改进前后的预测能力及训练误差进行了对比.结果表明,采用该模型及训练算法,可以在不影响网络表达能力的基础上提高网络的训练精度及预测精度,改善了网络的泛化能力.     

基于改进变异蚁群算法神经网络的空间大型可展开天线动态响应辨识

针对空间大型可展开天线柔性大、展开过程中弹性变形与刚体运动相互耦合、机构运动参数时变的特点,提出了基于改进变异蚁群算法神经网络的辨识模型用于可展开天线动态响应辨识的方法。该方法采用改进变异蚁群算法优化神经网络权值,将变异机制引入蚁群算法,解决了蚁群算法收敛慢的缺点,对变异蚁群算法进行改进,提高了算法跳出局部最优的能力,进一步加快了收敛速度。仿真结果表明,该辨识模型兼具神经网络和蚁群算法的优点,不仅具有优异的非线性逼近能力,还具有高的运算效率。该辨识模型能够准确地辨识天线的动态响应,辨识的收敛速度快且精度高。     

交通信息采集无线传感器网络节点部署的微粒群优化方法

针对城市道路交通信息采集无线传感器网络节点部署优化问题,采用传感器网络连通性和覆盖性作为综合评价函数,以满足网络连通性和覆盖性为约束,建立节点部署的约束优化数学模型,并用罚函数法将其转化为无约束优化模型。采用微粒群算法求解,并用动态改变惯性权重方法作为改进算法解决微粒群算法的早熟收敛。以北京市二环以内的道路为例进行模拟实验,结果表明,微粒群算法及其改进算法使优化布局的评价函数值比初始手动布局提高1.71%和3.18%。微粒群算法及其改进算法能够优化交通信息采集的无线传感器网络节点布局。     

基于改进Paik型Boltzmann机的图像复原

图像复原可以看作是一个极小化问题, 利用Boltzmann机固有的随机神经网络性质可以保证搜索过程中网络不陷入局部极小点. 对传统Boltzmann机做如下改进：首先将Paik算法与Boltzmann机结合, 其次为了加快速度, 将串行模式推广到并行模式. 第三为了增加计算精度, 使用了亚单位步长增进技术. 最后为折中收敛速度与收敛精度这一对矛盾, 采用了自适应步长策略. 对于算法的每一处改进均有详细的理论验证、收敛性分析和残差变化讨论. 实验表明该方法能够无限逼近能量最小点, 复原结果优于改进Boltzmann机0.5-0.8dB, 且收敛速度仅有1/3.     

基于模糊神经网络的汽轮发电机组振动故障诊断

利用模糊系统和神经网络的优势,构造了一种改进模糊神经网络模型,该模型由四层组成。改进后的模糊神经网络模型大大减少了运算量,提高了收敛速度。采用此算法对于实际汽轮发电机组振动故障实例进行诊断（诊断结果与某改进BP网络进行比较）,证明了该模型是行之有效的,并具有较强的故障识别能力。     

一种改进的PSO-BP算法在液压系统故障诊断中的应用

液压系统故障诊断中采用BP神经网络进行故障的模式识别,存在着收敛率较低的问题。结合粒子群算法和BP算法各自的优势,提出了一种基于改进的PSO-BP液压系统故障诊断方法。对标准粒子群算法的惯性权重和学习因子进行改进,再对BP神经网络的权值和阈值进行优化,达到改善BP网络性能的目标。仿真结果表明该方法提高了BP网络的收敛率,减小了诊断误差。     

改进BP神经网络在汽车换挡机械手运动轨迹测量中的应用

针对换挡机械手机构特性,采用Levenberg-Marquandt算法设计了3层改进BP网络模型.以标定数据中的一部分作为样本对上述神经网络进行训练、仿真并预测另一部分数据,经过对结果的误差分析和与采用其他算法比较,验证了改进BP网络模型的有效性和精确性.其算法可成功应用于机器人系统中.     

考虑层间停光的废旧机械零件多区域多层激光熔覆路径规划

激光熔覆是实现废旧机械产品广义生长的关键技术之一.层间停光时间对激光熔覆后产品组织特性和力学性能有重要影响.在分析熔覆层整体硬度与层间停光时间和熔覆层数关系的基础上,建立最高熔覆区域硬度条件下最佳层间停光时间与熔覆层数的数学模型.综合考虑最佳层间停光时间和激光逐层扫描路径,制定熔覆头空行程移动路径挑选规则,建立多区域多层激光熔覆路径规划模型.提出一种改进蚁群算法对模型寻优求解,采用多层整数编码方式,克服不同区域不同熔覆层编码混乱的问题;提出路径选择策略并引入激励函数,避免算法在运算初期出现局部最优现象;改进信息素分配机制,以提高运算收敛速度和准确性.通过方案的对比仿真,验证模型的正确性;将改进算法与传统算法寻优结果进行对比,验证改进算法的有效性和优越性.