共查询到19条相似文献,搜索用时 78 毫秒
1.
2.
应用递推神经网络的传感器动态建模研究 总被引:4,自引:2,他引:4
根据动态校准实验结果建立传感器的动态数学模型 ,以研究传感器的动态性能 ,是动态测试的一个重要内容。研究了递归神经网络模型在传感器动态建模中的应用。递归神经网络模型采用具有输入层、中间层、输出层的三层网络结构 ,整个网络的特性决定于相邻层间的连接权。采用递推预报误差算法训练神经网络 ,具有收敛速度快、收敛精度高的特点。由于其反馈特征 ,使得递归神经网络模型能获取系统的动态响应特性。该方法特别适用于传感器非线性动态建模 ,而且避免了传感器模型阶次的选择的困难。试验结果表明 ,应用递归神经网络对传感器进行动态建模是一种行之有效的方法 相似文献
3.
建立了应用于大型船舶运动的极短期预报的递归神经网络结构及算法,并对该算法进行了稳定性分析,同时将该算法所取得的结果与自回归预报法和周期图预报法的结果进行比较,预报结果说明该算法的可行性. 相似文献
4.
5.
基于FLANN的腕力传感器动态建模方法 总被引:18,自引:2,他引:16
本文将联接型神经网络(FLANN)引入传感器动态特性的研究。,利用神经元网络良好的逼近能力,建立腕力传感器的动态数学模型。该方法所建模型阶次低,准确度高,对数据个数和采样频率无特殊要求,比其它更为有效和实用。 相似文献
6.
蔡兵 《仪表技术与传感器》2005,(10):54-55
针对高分子湿度传感器的测量精度易受温度影响的问题,提出了湿度硬件测量电路,建立了高分子湿度传感器的数学模型。此硬件测量电路的湿度传感器选用IH3605,温度传感器选用AD590。此数学模型采用RBF神经网络,利用在线测量的温湿度信号值,应用带遗忘因子的梯度下降算法进行网络参数的调整,同时给出了建模步骤。实际结果表明,该模型的误差小于0.5%RH,具有较高的精度。 相似文献
7.
在城市建筑密集区域进行深基坑施工时,其围护结构的变形对周围建筑物的安全性能影响十分重大。为此,提出一种城市地铁车站基坑围护结构变形施工控制技术。首先,对基坑周围的四个阳角进行加固,从根本上增强基坑围护结构的稳定性和承载能力。其次,采用倒角加固的形式,通过增加支撑刚度进一步控制基坑变形。最后,通过支撑换撑的方式确保坑道周边土体稳定。根据工程概况,确定施工工艺流程,对基坑维护周围桩顶的水平位移进行监测。试验结果证明,基坑围护结构变形结构安全性满足要求,能够提高施工过程的安全性和稳定性。 相似文献
8.
9.
基于遗传神经网络的加速度传感器动态建模方法 总被引:3,自引:0,他引:3
提出了利用遗传神经网络实现加速度传感器动态建模的新方法,介绍动态建模原理以及算法,给出用遗传神经网络建立的加速度传感器动态数学模型。该方法利用加速度传感器的动态标定数据,采用遗传神经网络搜索和优化动态模型参数。这样,既保留遗传算法的全局搜索能力,克服神经网络容易陷入局部极小的缺陷,又具有神经网络局部搜索能力强的特点。结果表明:以上提出的动态建模方法具有建模精度高、鲁棒性好等优点。 相似文献
10.
王建平 《精密制造与自动化》1999,(1)
本文提出了一种实时在线预报控制补偿导轨磨削精度的新方案。并提出了一种新型自适应预报模型,给出了具有模型误差补偿的三段互偶算法以及预报控制策略。实权测试和仿真控制结果表明,该方案算法收敛快,适应性强,实用价值高。 相似文献
11.
12.
13.
三坐标测量机基本运动误差的相关性及建模 总被引:1,自引:0,他引:1
针对现有几何误差软件补偿过程中采用线性插值法推算模型中的18项基本运动误差存在的问题,从理论上分析了构件沿各坐标轴运动18项基本误差的直线度误差与转角误差的内在关系,提出用4层前向神经网络建立三坐标测量机18项基本运动误差模型。并以国产SZC-654型三坐标测量机为例进行基本运动误差神经网络建模研究,提高了误差补偿精度。 相似文献
14.
基于广义回归神经网络的时间序列预测研究 总被引:14,自引:2,他引:14
介绍了广义回归神经网络的基本理论,提出了应用BIC准则确定输入神经元数目的方法.将其应用于大型旋转机械振动状态时间序列的单步和多步预测,与传统的采用误差反向传播学习算法的三层前馈感知器网络(BP神经网络)的预测结果进行对比。结果表明,该网络的预测性能优于后者,即使样本数据稀少,也能获得满意的预测结果。 相似文献
15.
16.
基于LMBP神经网络的故障预报方法及其应用 总被引:5,自引:0,他引:5
利用具有二阶收敛效应的Levenberg-M arquardt(L-M)算法优化BP的权值修正量,提出了一种快速收敛的LMBP学习算法,给出了基于LMBP神经网络的故障预报方法,并应用于某陀螺仪的故障预报。结果表明:较之BP和传统改进BP网络,LMBP网络有着更高的收敛速度;基于该网络的时间序列预测模型可以实现性能优越的非线性预报器,将其应用于非线性系统的故障预报能够取得良好的效果。 相似文献
17.
研究了设备故障趋势的预测方法,介绍了非线性自回归模型,提出将BP神经网络与非线性自回归模型相结合,针对实验室JZQ250型齿轮箱的测试系统建立了基于振动信号的神经网络预测模型。采用MATLAB软件中自带的神经网络工具箱,利用模块化的编程思想,编程实现了神经网络预测模型.并利用实验室数据的峭度指标进行了实验。首先给出网络的输入及对应的目标输出,然后经过训练获得网络的权值和阈值,最终构建齿轮箱故障趋势的预测神经网络,用来预测齿轮箱的故障趋势。结果表明,该模型能够有效地短期预测齿轮箱的典型故障,可以用于齿轮箱的故障诊断。 相似文献
18.