共查询到11条相似文献,搜索用时 46 毫秒
1.
在轧制生产过程中,钢坯表面温度的检测一直是影响钢坯轧制质量的重要因素,也是如何更好地实现加热炉自动控制的重中之重,但是由于目前检测技术上的限制,常规的检测方式很难实现对温度的预测.利用BP神经网络,建立了钢坯表面温度的预测模型,并用Matlab仿真工具进行仿真预测.结果表明:理论预测值与现场实测值吻合较好. 相似文献
2.
《工程科学学报》2019,(8):1085-1091
针对机器人谐波减速器关节在转动过程中存在的波动摩擦力矩,提出一种基于傅里叶级数函数和BP神经网络的建模方法,并完善机器人的动力学模型,修正了因波动摩擦力矩带来的关节力矩计算误差.通过研究谐波减速器关节的波动摩擦力矩在不同影响因素下的变化特性,采用傅里叶级数与BP神经网络结合的方法对波动摩擦力矩进行建模.通过添加傅里叶级数函数作为BP神经网络的辅助输入,克服了力矩误差曲线因存在高频周期性波动而难以拟合的困难.在离线环境下训练神经网络,完成对关节波动摩擦力矩的建模,进而完善机器人的动力学模型和修正关节中存在的波动摩擦力矩.验证实验表明,使用完善后的动力学模型可以有效计算谐波减速器关节的波动摩擦力矩,并使修正后的力矩误差维持在[-0. 5,0. 5]N·m的范围之内,方差为0. 1659 N~2·m~2,是修正前的24. 23%. 相似文献
3.
针对机器人谐波减速器关节在转动过程中存在的波动摩擦力矩, 提出一种基于傅里叶级数函数和BP神经网络的建模方法, 并完善机器人的动力学模型, 修正了因波动摩擦力矩带来的关节力矩计算误差. 通过研究谐波减速器关节的波动摩擦力矩在不同影响因素下的变化特性, 采用傅里叶级数与BP神经网络结合的方法对波动摩擦力矩进行建模. 通过添加傅里叶级数函数作为BP神经网络的辅助输入, 克服了力矩误差曲线因存在高频周期性波动而难以拟合的困难. 在离线环境下训练神经网络, 完成对关节波动摩擦力矩的建模, 进而完善机器人的动力学模型和修正关节中存在的波动摩擦力矩. 验证实验表明, 使用完善后的动力学模型可以有效计算谐波减速器关节的波动摩擦力矩, 并使修正后的力矩误差维持在[-0.5, 0.5] N·m的范围之内, 方差为0.1659 N2·m2, 是修正前的24.23%. 相似文献
4.
5.
6.
7.
8.
考查课在大学课程中占有很大的比例,而其成绩的评定易受教师主观因素影响,不够准确。利用具有自学习、自识别能力的BP神经网络建立考查课考评体系,不断调整网络的权值使SSE(平方误差和)总朝着减小的方向发展,直到达到目标误差为止。 相似文献
9.
针对黄金价格的非线性特征和神经网络的自身特点,利用BP神经网络建立了黄金价格的非线性预测模型。实证研究结果表明,BP神经网络模型具有较好的预测精度,可以为黄金投资和宏观经济决策提供一定的参考依据。 相似文献
10.