共查询到20条相似文献,搜索用时 234 毫秒
1.
针对气动肌肉运动过程中产生的迟滞现象,采用神经网络方法对其位移/气压迟滞开展了建模比较研究。首先组建了气动肌肉的迟滞特性测试实验平台,采集其位移/气压迟滞实验数据。然后基于BP神经网络和RBF神经网络分别进行了迟滞环的整体和分段建模,并与经典PI模型的建模效果进行了对比。 研究表明,PI模型的建模精度比神经网络差,但计算时间短,神经网络整体建模时存在过拟合现象,而分段建模则可有效避免过拟合现象,BP神经网络的建模与预测精度均优于RBF神经网络。对于BP神经网络,分段建模的平均误差、均方差和最大误差相较于整体建模分别减小了9.07%、14.54%和24.68%,而采用RBF神经网络,其误差分别减小了8.89%、13.03%和19.49%,可见分段建模的预测精度优于整体建模。 相似文献
2.
3.
研究保证网络安全问题,针对网络入侵具有多样性和复杂性,信息冗余十分严重,传统检测方法不能很好消除冗余信息,导致检测时间长和检测正确率低的难题.为了提高检测准确性,将主成分分析和RBF神经网络相结合起来,组成一个集成的网络入侵检测模型.模型首先通过主成分析分析法对网络原始数据进行预处理,降低特征维数、消除冗余信息,将处理后特征作为神经网络的输入,网络入侵类型作为神经网络的输出,建立RBF神经网络入侵检测模型对网络数据进行检测.在Matlab平台上,采用权威网络入侵数据DARPA数据集对集成模型进行预试,仿真结果表明,集成模型的网络入侵检测正确率高于传统入侵检测模型,加快了网络入侵检测速度,为网络入侵提供了一种实时检测方法. 相似文献
4.
5.
6.
针对聚丙烯的生产过程是一个大滞后、时变、非线性的复杂系统,提出了基于主成分分析(PCA)的RBF神经网络聚丙烯熔融指数建模方法。该方法用主元分析对高维输入变量进行预处理,构造反应过程信息的低维主元变量,再经径向基函数神经网络对主元变量进行建模。该方法不仅简化了神经网络的结构,而且可以借助主元分析方法对过程故障和过失误差进行侦破,避免导致模型的错误输出。理论分析和实验结果表明,基于PCA和RBF网络方法的聚丙烯熔融指数建模具有精度高、鲁棒性强的优点,有利于工业生产应用。 相似文献
7.
环氧乙烷浓度是乙二醇生产过程中的1个重要指标,其浓度大小直接影响到后续水合反应生成乙二醇的过程。环氧乙烷浓度与多种因素之间存在着复杂的非线性关系,在软测量建模的过程中消除这些因素的相关性可以有效地降低计算复杂度。本文综合应用主元分析法,粒子群优化算法以及径向基函数神经网络建立了环氧乙烷浓度的软测量模型。首先分析了影响环氧乙烷浓度的因子,并对这些因子进行了主成分分析,得到1组新的输入因子。然后按照累积方差贡献率选取合适的输入因子,作为RBF神经网络的新的输入,有效降低了输入变量的维数,减少了输入变量之间的相关性,简化了神经网络的结构,建立了环氧乙烷浓度的软测量模型。最后利用粒子群算法来优化神经网络参数,求解RBF网络的径向基中心和输出层连接权值的最优值,减少了计算时间,提高了计算精度,获得了较好的拟合和预测效果。与只采用RBF网络建立软测量模型相比,本文采用的方法建模的误差较小,计算时间较短,计算精度较高,网络的预测效果较好。 相似文献
8.
9.
间歇制浆蒸煮终点预测方法 总被引:7,自引:2,他引:5
在分析常用蒸煮模型的基础上,提出了基于神经网络的制浆蒸煮过程建模方法,与BP神经网络相比,RBF神经网络具有最佳逼近能力、收敛速率快和不存在局部极小点等,因而选用了RBF神经网络作为建模工具。在决定RBF神经网络的输入和输出变量时,充分利用了现场可测量的物理量和制浆蒸煮过程知识、其输入变量比常用蒸煮模型增加了硫化度和木片合格率,其输出变量有用实际过程测量所需的终点H因子的对数,这样就减少了RBF神经网络的规模,提高了训练速度。对工厂的实际数据应用表明,该RBF神经网络模型的预测精度高于传统的Hatton模型。 相似文献
10.
共享单车数据预测是近十年来城市交通出行大数据的重要关注点。本文建立基于主成分的BP神经网络模型,较好地预测了共享单车租借数据,并与全因素的BP神经网络模型进行对比分析。结果表明基于主成分分析的BP神经网络模型,在精度损失较小的条件下,大幅降低了输入变量的维度,提高了模型训练和预测的效率,对于多因素大数据预测分析,能兼顾效率与精度。 相似文献
11.
炼焦生产过程综合生产指标的改进神经网络预测方法 总被引:1,自引:0,他引:1
针对炼焦生产过程综合生产指标 (焦炭质量、产量和焦炉能耗)检测的严重滞后问题,提出一种改进BP神经网络预测方法.首先基于相关过程参数的主元分析和灰色关联分析,确定出预测模型的输入输出变量;然后采用基于改进差分进化算法的BP神经网络建立预测模型,并与基本BP神经网络预测模型进行比较;最后,对改进BP神经网络预测模型进行了验证.实验结果表明,改进BP神经网络预测模型具有较快的收敛速度和较高的预测精度,模型的预测效果可以满足生产工艺要求. 相似文献
12.
13.
基于BP神经网络的渭河水质评价方法 总被引:1,自引:0,他引:1
讨论了BP神经网络模型的特性和建模条件,并给出建立合理BP神经网络模型的基本原则和步骤.针时实际水质评价问题,建立了渭河地面水环境质量综合评价的BP神经网络模型,并与单因子法、主成分分析法进行了分析比较.实验结果表明,BP神经网络可以较好地实现水质综合评价,且具有较高的实用性和客观性. 相似文献
14.
基于神经网络的PID自整定控制系统 总被引:2,自引:0,他引:2
文章介绍了一种应用神经网络技术建立的PID自整定控制系统,给出了系统结构,详细分析了BP神经网络和RBF神经网络的结构和学习算法。该系统采用3层BP神经网络,其输出为PID控制器的参数;通过变结构的RBF神经网络辨识控制对象,将得到的输出对输入的梯度信息提供给BP神经网络,BP神经网络根据该信息优化PID控制器参数。仿真结果表明,该系统对于参数扰动较大的非线性系统,其收敛速度快、动态响应能力强、稳定性好,且具有较强的鲁棒性和适应性。 相似文献
15.
16.
针对水下机械臂动力学模型建模复杂且滑模控制的抖振问题,利用Lagrange法和Morison方程精准建立二连杆串联水下机械臂的动力学模型,对模型中参数的不确定项使用4个RBF神经网络分别进行逼近,并且对摩擦项使用模糊控制进行补偿的方法,精准迅速地实现了对水下机械臂控制系统跟踪控制。通过进行仿真分析,基于神经网络和模糊补偿控制的方法与滑模控制、整体RBF神经网络控制和分块RBF神经网络控制相比,控制系统的平均误差分别降低了85.5%、71.8%、93.1%。结果表明,此方法有效降低了控制系统的跟踪误差,并同时提高了稳态性和抗干扰性。 相似文献
17.
MEMS陀螺温度漂移严重影响系统的测量精度。传统的BP神经网络建模补偿容易使权值和阈值陷入局部极小值,导致网络训练失败。陀螺输出信号中的高频噪声也会影响模型精度。针对上述问题,该文提出一种Kalman滤波结合粒子群算法(PSO)优化BP神经网络的MEMS陀螺温度漂移补偿方法。首先对陀螺进行了温度漂移测试实验,然后采用Kalman滤波对实验数据进行降噪,最后建立陀螺温度漂移模型,从而实现温度漂移的补偿。实验结果表明,采用该方法补偿后MEMS陀螺在不同温度下的输出方差降低了65.09%,与传统的BP神经网络相比补偿精度明显提高。 相似文献
18.
针对MEMS陀螺仪输出信号随机漂移误差造成测量精度低的问题,提出了一种基于BP神经网络的卡尔曼滤波降噪模型.基于BP神经网络的基本原理,首先利用BP神经网络对系统进行学习,获得系统状态方程,然后建立了基于BP神经网络的滤波模型,最后应用于卡尔曼滤波对MEMS陀螺仪信号进行降噪.半实物模拟仿真实验表明:基于BP神经网络的卡尔曼滤波后的数据的速率随机游走等系数比原始数据下降6.89倍,验证了本方法的降噪性能优于基本卡尔曼模型,在MEMS陀螺仪的数据处理方面具有一定的应用价值. 相似文献
19.
20.
本文研究神经网络在光伏电池建模优化问题。由于光伏电池具有高度非线性特性,其输出功率受到外界自然因素的影响,使得传统方法不能满足光伏控制系统动态要求。针对上述问题,本文提出一种粒子群优化的神经网络光伏电池建模算法。改进的方法以日照、温度和负载电压作为提出的RBF神经网络模型的输入值,把光伏电池的输出功率作为神经网络的输出,采用RBF神经网络对光伏电池进行建模,同时利用粒子群算法对神经网络参数进行优化,最后建立光伏电池的动态响应模型。仿真实验结果证明,所提模型更好地克服传统方法的缺点,收敛速度快,具有较高的预测精度和适合能力。 相似文献