基于神经网络的MEMS陀螺标定与补偿

针对微机电系统(MEMS)陀螺低转速区间上非线性性能很强,采用传统方法对其标定误差较大,满足不了实际应用的问题,因此,采用了一种基于误差反向传播(BP)的神经网络的标定与补偿方法。设计了一组基于优先数的速率点,利用三轴转台进行12组速率实验,用最小二乘法求出在传统数学模型下的待标定系数;将三轴MEMS陀螺的输出和转台的实际转速作为样本,对BP神经网络进行训练,得到神经网络的补偿模型,并对比两种方法的补偿效果。结果表明,传统方法和BP神经网络都对MEMS陀螺的输出进行了有效的补偿;但在低转速区间上,神经网络的补偿效果比传统方法提高了3倍左右。     

基于改进CNN的轴承声学故障诊断

针对轴承振动信号在复杂机械中难采集和跨转速域工况下传统故障诊断方法精度低的问题,文中提出了一种基于Teager能量算子和卷积神经网络的滚动轴承声学故障诊断方法,即TEO-CNN。将轴承声学信号的Teager能量算子作为模型的输入,使用卷积神经网络学习输入的抽象特征,并结合全局平均池化层和全连接层实现轴承健康状态识别。模型验证基于轴承声学实验数据,并通过构建不同的轴承声学数据集模拟跨转速域工况。试验结果表明,与传统卷积神经网络和机器学习模型相比,TEO-CNN表现出明显的优势,并且在跨转速域工况下的预测精度始终高于95%。     

卷积神经网络行为克隆方法在无人车上的研究

为了减少智能车在特定环境下无人驾驶的成本,设计一套卷积神经网络行为克隆方法的无人驾驶系统。该系统模仿人类学习的过程,通过卷积神经网络预测车辆状态方法实现无人驾驶。采用普通的视觉传感器获取环境信息。先研究卷积神经网络行为克隆方法,并搭建基于Linux系统的树莓派智能小车,设计2组实验验证该方法的准确性。该方法已成功地应用于首届"DIY Robocars KuaiKai"无人驾驶全球挑战赛小车组,结果表明卷积神经网络行为克隆方法可以实现特定环境下的无人驾驶。     

基于混沌蚁群的神经网络速度辨识器研究

针对BP神经网络收敛速度慢和易陷入局部极小值的缺点,提出了混沌蚁群优化神经网络的实现方法。该方法在基本蚁群算法的基础上引入混沌因子,并利用混沌的遍历性和随机性,将带有混沌特征的初始化变量线性映射到变量取值区间,从而得到神经网络权值的全局最优值。利用该算法可对直接转矩控制系统进行转速辨识。     

基于神经网络的感应电机转速估计方法

根据神经网络能够任意逼近非线性函数的功能，针对感应电机这样一个时变的非线性系统，提出了一种利用神经网络估算感应电机转速的模型，仿真结果表明，这种神经网络转速估算模型可以准确地跟踪感应电机转速的变化，具有良好的动态跟随性能。     

LabVIEW中BP神经网络的实现及应用

BP(Back Propagation)神经网络是一种具有广泛应用性的前馈神经网络,LabVIEW 是一种图形化编程语言,其为虚拟仪器设计者提供了一个便捷、轻松的设计环境,被工业界及研究实验室广泛接受.介绍了两种在LabVlEW实现BP神经网络计算的方法,即Matlab Script节点和图形编程.Matlab Sxrript节点采用在LabVIEW中直接导入Matlab程序运行,而图形编程采用图形编程的方式实现算法,并分别以神经网络在函数逼近和某设备分类中的应用说明了各自的实现流程,实验结果精确且形象直观,充分体现了LabVIEW作为图形化编程语言的特点.     

基于粒子群优化模糊小波网络的目标威胁评估

主要对不确定性环境下的空中目标威胁评估问题进行研究。首先通过模糊神经网络处理信息不确定问题,在获取威胁目标信息较少的环境下,使用小波神经网络增强网络自学习能力,并分析威胁因素,创建不确定性环境下的模糊小波神经网络(FWNN),实现对目标威胁的评估;然后针对初始参数的不确定性问题,采用粒子群优化算法和BP算法更新每个模糊规则后件部分的参数,以达到提高评估效果的目的。仿真结果表明,与模糊小波神经网络相比,该算法提高系统的稳定性,加快收敛速度,增强预测精度。     

感应电机调速系统的神经网络逆在线调整控制

以多变量、非线性、强耦合的感应电机调速系统为研究对象,在基于神经网络逆系统离线训练的基础上提出了在线调整的策略,通过静态神经网络加积分器来构造感应电机调速系统的逆模型,在实际运行中不断地修正神经网络权值,更精确地逼近其逆系统,实现了感应电机转速的高精度控制。仿真和实验结果表明系统具有优良的静态及动态性能,且对电机参数的变化与负载扰动具有较强的鲁棒性。     

基于BP神经网络预测模型的轧花机转速控制系统的设计与试验

控制棉纤维中的短纤维率是提高棉花品质的关键因素,利用籽棉回潮率进行轧花机转速的控制能减少成品棉中的原棉短纤维指数,提高成品棉的品质。针对这一问题,利用BP神经网络控制思想,建立以籽棉回潮率与轧花机转速为输入层的BP神经网络预测模型,通过对原棉纤维数据的训练处理,预测出原棉短纤维指数值相对应的电机转速控制频率与回潮率的设定值,并以此数据为基础对轧花机控制系统进行设计,通过预测值提前获知最优的转速控制频率,优化轧花机的转速。通过对试验样机进行测试试验,结果表明,轧花机试验样机系统稳定,能通过回潮率、短纤维指数预测出轧花时所需要的实际转速。原棉短纤维指数实测值的变化曲线与预测值接近,通过回潮率的预测调节,轧花机的转速随着回潮率与原棉短纤维指数进行了相应的调整,验证了BP神经网络预测模型具有较好的控制效果。     

基于测量数据的电磁环境分析软件开发

为了掌握电磁环境现状及发展趋势,提高电子信息系统的运用效率,采用数理统计和神经网络算法,对电磁环境测量数据进行归纳和总结。开发了电磁环境分析及预测软件,提供了关键电磁参数的建模方法,实现了对特定区域电磁环境发展变化情况的预测,为电子信息系统应对复杂电磁环境挑战提供了技术支撑。     

电力载波通信在灶具与油烟机协调控制器中的应用

介绍了短距离通信的五种可能方案以及在厨房电器中应用的优缺点,并具体介绍了灶具与油烟机协调控制器,该系统采用载波通信芯片PL3106,通过电力线实现灶具与油烟机之间的协调控制。结合PL3106的特点和X-10协议设计了相应的通信方案、给出了具体的硬件通信电路和软件流程图。经试验验证,电力线载波通信在厨房电器应用中可靠性高、效果良好。     

基于PIC单片机厨房控制器的设计

介绍了真空荧光屏显示器在多功能厨房控制系统中的软硬件设计方法。系统以PIC16F72单片机为主控制芯片对外围传感器检测模块和按键扫描电路等采集信号进行处理,发送指令驱动继电器来控制天然气灶、抽油烟机、消毒柜、烘干机等多种厨房设备进行工作。该系统采用真空荧光屏显示各种工作状态,具有漏气报警、按键童锁等功能。     

基于PIC单片机厨房控制器的设计

介绍了真空荧光屏显示器在多功能厨房控制系统中的软硬件设计方法。系统以PIC16F72单片机为主控制芯片,对外围传感器检测模块和按键扫描电路等采集信号进行处理,发送指令驱动继电器控制天然气灶、抽油烟机、消毒柜、烘干机等多种厨房设备进行工作。该系统采用真空荧光屏显示各种工作状态,具有漏气报警、按键童锁等功能。     

基于模糊神经网络系统的智能小车避障

智能小车把超声波传感器和红外传感器相结合来感知外界环境的信息,并按照一定的规则来调整小车的方位角和速度,实现智能小车的自主导航和避障。模糊神经网络作为人工智能的分支,兼具模糊逻辑系统和神经网络各自的优点,具有表达和处理确定的信息、模糊信息的能力和良好的学习能力等特点。把模糊逻辑系统和神经网络结合起来,运用到智能小车避障的自适应控制中,并且使用一种多层前馈型神经网络即BP神经网络在模糊神经系统中解决神经网络的权系数优化问题。     

Implementation of Artificial Neural Network-Based Tracking Controller for High-Performance Stepper Motor Drives

Two distinct multilayer perception neural networks (NNs) are implemented via laboratory experiment to simultaneously identify and adaptively control the trajectory tracking of a hybrid step motor assumed to operate in a high-performance drives environment. That is, a neural network identifier (NNI) which captures the nonlinear dynamics of the stepper motor drive system (SMDS) over any arbitrary time interval in its range of operation, and a neural network controller (NNC) to provide the necessary control actions as to achieve trajectory tracking of the rotor speed. The exact form of the control law is unknown, and must be estimated by the NNC. Consequently, the NNC is constructed as a nonlinear unknown function depending on the current state of the drive system supplies by the NNI and the reference trajectory we wish the outputs to follow. The two NNs are online trained using dynamic back-propagation algorithm. The composite structure is used as a speed controller for the SMDS. Performance of the composite controller is evaluated through a laboratory experiment. Experimental results show the effectiveness of this approach, and demonstrate the usefulness of the proposed controller in high-performance drives     

粒子群优化BP-PID的矿井提升机调速系统

传统PID控制器在矿井提升机变频调速系统应用中,由于控制参数固定且不易整定,导致电机转速超调大、电磁转矩和转子磁链脉动大,进而出现矿井提升机调速系统控制效果差的问题。针对这一问题,文中提出一种改进粒子群优化BP神经网络PID控制器的算法。由于BP神经网络算法存在收敛速度慢和极易陷入局部最优的缺点,现将粒子群算法收敛速度快和全局最优特性与神经网络结合,并通过设计神经网络收敛系数进一步加快收敛速度。仿真结果表明,粒子群优化的神经网络控制效果比神经网络好,且效果明显优于传统PID控制器;相较于神经网络PID控制器,矿井提升机转速调节系统稳速调节速度明显提高;与传统PID控制器相比,电机电磁转矩和转子磁链脉动明显降低,具有较强的稳定性和鲁棒性。     

Active vibration control over the flexible structure of a kitchen hood

This paper presents the full analysis and the complete development of a system for mechanical vibration reduction in a kitchen hood by using piezoelectric actuators. The control system is based on a feedback controller whose action depends on a single acceleration sensor collocated with the actuator. A model of the collocated actuator-sensor pair mounted on the hood and a model of the disturbance are provided. A Minimum Variance (MV) controller is able to provide the theoretically best performance in terms of noise reduction. A single-tones Minimum Variance controller (resonant controller) provides quasi-optimal performance while maintaining the stability of the system. Two different resonant control laws have been designed: the first one operates without the information of the hood motor velocity; the second one is a more sophisticated controller, which also exploits the velocity information. Both controllers are effective in reducing the mechanical vibration with performances that well approximate those achievable with an MV controller. Overall, through the motor velocity’s information, the best performances are guaranteed with an 85% vibration reduction. The resonant control system without the motor velocity information provides the best compromise in terms of performances (75% of reduction) and complexity of the implemented system. Tests held in an anechoic chamber have shown the vibration reduction’s influence upon the acoustic noise.     

神经网络在天线设计中的应用

很多天线设计软件的处理速度都不是很快,例如Ansoft公司的HFSS,虽然能精确仿真计算天线的各种性能,但是较之它在计算精度方面的成就,其处理速度就不是很令人满意。而基于神经网络的优化计算是用某系统的输入、输出来训练网络,利用神经网络的联想存储及自学习功能,在相同的输入下,使网络具有与原系统相似的输出。这样,就可以用网络的输出来模拟原系统的输出,而神经网络的处理速度一般来说是很快的,从而达到加快计算的目的。     

面向室内定位的DHOHF-Elman神经网络算法

针对传统Elman神经网络算法在室内存在定位精度低的问题,提出了一种基于UWB（Ultra Wideband ）的改进的DHOHF-Elman(Elman neural network with Double Hidden layers and Output-Hidden Feedback,DHOHF-Elman)神经网络算法。该算法改进了神经网络拓扑结构增加了第二隐含层和第二承接层,达到了双隐含层反馈的效果,采集了大量的实验数据对构造的神经网络模型进行了训练与测试,表明了改进后的神经网络算法较传统神经网络算法有更高的定位精度和较好的收敛性,最后通过仿真结果分析验证了改进算法的优良性和有效性。