基于SA-GA-BP 的某爆破扫雷器电液伺服系统建模

为解决电液伺服系统的液压元件存在非线性时变性等不确定因素,使得难以对其建立精确模型的问题,提出一种基于模拟退火遗传算法(simulated annealing genetic algorithm,SA-GA)优化BP神经网络的建模方法.利用模拟退火算法(simulated annealing algorithm,SA)的概率跳变能力克服遗传算法(genetic algorithm,GA)存在的早熟现象,在此基础上采用模拟退火遗传算法的全局寻优能力优化BP神经网络的权值和阈值.以某型爆破扫雷器电液伺服系统为例,利用所提方法对系统进行离线辨识.仿真结果表明:基于SA-GA-BP神经网络的建模方法能很好地拟合系统固有的非线性和时变性特性,所提方法是有效的.     

基于BP神经网络的柴油机瞬时油耗预测建模

利用柴油机各稳定工况下台架试验的转速、扭矩、排气温度和相应的小时耗油量的测试数据为训练、测试样本,通过BP神经网络反复学习,建立了精度较高泛化、能力较强的柴油机油耗特性模型,并与回归分析进行了对比。研究结果表明：BP神经网络具有很好的非线性特性逼近能力、较高的建模精度,适用于非线性系统的建模。     

神经网络用于非线性动力学系统建模研究

文中利用先验知识和神经网络黑箱建模相结合的杂交建模方法对一类滞后非线性系统进行建模研究。由先验信息得到非线性动力系统模型的确定部分,神经网络对系统未确定部分进行建模。文中以系统恢复力网络模型和恢复力的杂交模型为例进行仿真研究,说明杂交模型物理结构明确,网络参数少,运算量小,精度较高。     

余度伺服系统神经网络建模研究

针对余度伺服系统中的非线性和不确定性,进行了神经网络建模的研究.利用网络预测误差的相对平均值对神经网络的泛化能力进行了定量的分析.结合文中提出的动态递归网络,通过对三余度伺服系统的仿真,验证了本文提出的方法是可行的.     

基于神经网络的风洞马赫数预测控制仿真研究

针对2.4 m跨声速风洞很难用精确的机理模型表示系统的动态特性的问题,提出了基于神经网络模型的风洞马赫数预测控制策略.综合了模型预测控制和神经网络建模的优点,对于控制参数未知、非线性和时变系统具有很好的处理效果.利用基于径向基函数的神经网络模型预测系统的动态响应、非线性神经网络模型可以在训练过程中捕获系统的动态特性等措施,实现了将神经网络模型应用到MPC结构中.仿真结果表明,该控制策略具有很好的跟踪性能和控制效果.     

催化裂化过程建模与稳态优化控制

催化裂化装置是一个高度非线性、时变和长时延、强耦合、分布参数和不确定性的复杂系统.在研究其过程机理的基础上,定义了一种模糊神经网络用以建模,用自相关函数检验法检验模型的正确性,再用改进的Frank-Wolfe算法进行稳态优化计算.并以一炼油厂催化裂化装置为对象进行试验,研究其辨识、建模和稳态优化控制.     

GA-BP网络建模在套料钻性能预测中的应用

将BP神经网络建模技术和遗传算法(GA)应用于套料钻性能预测。利用BP神经网络建立套料钻性能预测模型,通过比较实际误差梯度值与给定误差梯度值,来确定BP网络是否处于局部极小状态;GA仅在BP网络处于局部极小时进行学习,对BP网络的连接权值进行优化。BP神经网络和GA两者的有效结合可以解决BP算法固有的缺陷,如收敛速度慢、易陷入局部极小等。套料钻加工性能试验结果表明预测结果和实际结果吻合程度较好,验证了GA-BP网络模型在套料钻性能预测中的有效性和准确性。     

神经网络及回归型支持向量融合健康评估模型

健康评估是IVHM研究中的关键技术之一,基于关键特征参数监测无法解决复杂组件或系统的健康评估建模问题,而基于解析法的健康评估方法对构造特征参数的数学模型要求极高,工程价值不大。本文提出了一种基于仿真的健康评估建模新方法,该方法通过组件或系统在各种健康状态条件下仿真,生成样本数据,利用BP神经网络和支持向量机的非线性映射特性,以测量信息为基础分别构造了两种健康评估模型,考虑到单一模型缺陷,再将神经网络和支持向量机训练模型进行决策融合处理,提出了一种新的健康评估模型,并以石英挠性加速度计为例进行了建模研究与验证。结果表明：测量信息完备情况下,两种单一模型均能满足健康状态评估要求;测量信息不充分时,通过对两种模型进行决策融合处理,也可取得较好的健康状态评估效果。     

基于GA-动态BP神经网络的雷达毁伤效果评估

针对雷达阵地毁伤评估问题,提出了一种基于GA-动态BP神经网络的评估方法。该方法首先通过遗传算法(GA)寻求神经网络最优权重值,充分发挥了动态神经网络的泛化和非线性映射能力以及GA的全局寻优能力,提高了结果的精确度;再引入牛顿迭代法优化网络训练算法,克服了神经网络在训练过程中易陷入局部极小值及网络学习后期收敛速度慢的缺点。以某一时刻防空作战为想定,仿真实现了雷达阵地的毁伤评估,与现有算法相比,该算法在收敛速度、可靠性和准确性上都有明显提高。     

基于BP 神经网络的风洞传感器非线性误差修正方法

针对风洞试验时传感器测值受到非线性误差干扰的问题,提出基于BP神经网络的风洞传感器非线性误差修正方法.利用BP神经网络强大的非线性映射能力,通过神经网络模型融合传感器校准数据对传感器的测量误差进行计算,并根据网络计算误差对传感器测值进行修正.试验结果表明:该方法能有效地减小非线性误差对传感器测值的影响,提高传感器的测量精度.     

基于Blackfin 的锂电池管理系统

针对目前锂电池管理系统的荷电状态（SOC）估算精度低、可扩展性差的问题,设计基于Blackfin数字信号处理器的电池管理系统。该系统实现了锂电池数据实时监测、剩余电量估计、通过CAN总线通信扩展多组锂电池、锂电池危险状态报警和自动保护等功能。在剩余电量估计算法上,提出一种遗传算法与蚂蚁算法相结合的GAAA算法优化BP神经网络的方法。实验结果表明：该算法比基于遗传算法的BP神经网络具有更高的SOC估算精度和更快的运算速度。     

基于GA-BP 神经网络战储仓库选址决策模型

针对各战略方向战储仓库选址决策问题,提出基于GA-BP 神经网络的战储仓库选址决策模型。通过分析 战储仓库选址的影响因素,构建战储库选址决策指标体系;基于BP 神经网络建立选址决策模型,运用遗传算法 (genetic algorithm,GA)对反向传播(back propagation,BP)神经网络的权值和阈值进行优化,并给出实例证明遗传 算法优化BP 神经网络,可提高选址决策的效率和精准度。结果表明,该研究可为科学开展战储仓库选址工作提供 思路和方法。     

遗传算法优化BP神经网络在转速PID控制中的应用

提出一种基于遗传算法优化的BP神经网络PID控制算法,并将其应用于永磁无刷直流电动机的转速控制系统而设计出优化的转速PID控制器。该算法首先利用遗传算法对BP神经网络的初始权值进行优化,再利用BP神经网络算法对PID参数进行在线调节,解决网络的初始权值对控制效果的不利影响,仿真证明该算法可行。     

基于人工神经网络和混合遗传算法的炸药爆速预测

运用基于最优保存和自适应交叉变异的混合遗传算法训练的BP神经网络,根据三维数据建模和炸药的分子量、氧平衡以及装药密度,构建了一个3-4-1型的炸药爆速预测BP神经网络模型。同时利用训练好的神经网络模型对炸药的爆速进行了预测。预测结果表明:模型预测值与有关文献的实验值接近,绝对误差为±7%;也说明了炸药的分子量,氧平衡和装药密度等相关参数与其爆速具有一定的可类推性。     

遗传小波神经网络故障字典在模拟电路故障诊断中的应用

以神经网络、小波分析和遗传算法等为代表的智能诊断技术,是故障诊断技术发展的一个重要方向。以传统故障字典法、BP神经网络、小波分析和遗传算法等基本原理为基础,将神经网络、小波分析和遗传算法与故障字典结合,用小波分解预处理故障信号提取故障特征,用遗传算法优化BP神经网络的结构和权值,对基于遗传小波神经网络的故障字典在模拟电路故障诊断中的应用进行研究,并结合实例验证其实际使用性能。     

基于BP-GSA优化的某随动平台滑模控制

为实现某随动平台负载模拟器响应的快速性和系统的鲁棒性,提出一种基于遗传模拟退火算法(genetic simulated annealing,GSA)优化的BP神经网络(BP-GSA)滑模控制方法。根据负载模拟器各环节硬件组成,建立系统等效数学模型;采取非奇异终端滑模实现对系统的控制,并采用BP神经网络对状态方程中未定项进行逼近,利用GSA算法调整网络节点权值。实验仿真结果表明：相比于传统滑模控制和PID控制,该方法在具有扰动输入的情况下,具有最小的稳态误差和最快的跟踪速度,能够有效提升系统的响应速度和力矩跟踪精度。     

基于PCA-GA-BP 神经网络的状态评估算法

针对传统评估方法主观性强的缺点及BP神经网络自身缺陷,提出基于数据知识的PCA-GA-BP状态评估组合算法。采用主成分分析对样本数据进行降维处理,利用遗传算法对BP神经网络的初始权值阈值进行优化,将历史数据作为学习样本训练神经网络,处理实时信息得到评估结果,并通过实例进行算法验证分析。结果表明,该算法是可行的,适用于复杂武器装备的状态评估。     

基于BP神经网络和遗传算法的扫雷参数优化

针对扫雷作战仿真中的参数优化问题,论述了BP神经网络和遗传算法在扫雷参数优化中的应用。首先对某作战背景下的扫雷作战效能进行了详细分析,给出了雷区清扫率的计算方法;然后利用BP神经网络建立了扫雷参数与雷区清扫率之间的数学模型;最后通过遗传算法对扫雷参数进行优化研究。研究结果表明,该方法能够较精确地建立扫雷作战效能模型,并能快速搜索到最优扫雷参数组合条件。     

人工神经网络在运动控制中的应用

介绍了人工神经元模型与神经网络基本结构。阐述了多层前向网络的工作原理及误差反转（BP）算法,探讨了用于运动控制的单神经元PID控制器的结构与基于BP网络的模糊自适应PID控制,给出了由传统PID控制器,模糊量化处理,系统辨识神经网络NNM和系统控制网络NNC组成的基于BP网络的模糊自适应PID控制器结构,并讨论了人工神经网络在运动控制领域中应用的发展趋势。