基于神经网络的PMLSM建模

永磁直线同步电动机(PMLSM)是直线电机驱动的垂直运输系统的核心,它的模型的建立对于整个系统的控制与运行分析具有重要的意义.利用BP算法,用C语言编制程序,实现了一个单输入层单输出层4隐含层的神经网络,并用实验数据对网络学习训练,建立了PMLSM的模型.通过实验验证,该模型的输出结果与实际结果十分接近,能够反映PMLSM的基本运动特性,因此这种模型可以作为PMLSM的仿真模型进行控制和运行特性的仿真研究,并且在进行控制时可以把这种模型作为系统的辩识模型进行预测控制,使控制效果更好.这种模型的建立将为PMLSM的研究开辟出一条新路.     

基于神经网络的PMLSM建建模

永磁直线同步电动机（PMLSM）是直线电机驱动的垂直运输系统的核心，它的模型的建立对于整个系统的控制与运行分析具有重要的意义。利用BP算法，用C语言编制程序，实现了一个单输入层单输出层4隐含层的神经网络，并用实验数据对网络学习训练，建立了PMLSM的模型。通过实验验证，该模型的输出结果与实际结果十分接近，能够反映PMLSM的基本运动特性，因此这种模型可以作为PMLSM的仿真模型进行控制和运行特性的仿真研究，并且在进行控制时可以把这种模型作为系统的辩识模型进行预测控制，使控制效果更好。这种模型的建立将为PMLSM的研究开辟出一条新路。     

PMLSM的两种模型及比较

介绍了在理想状态下利用电磁场和电路的基本理论在四层线性模型的基础上所建立的PMLSM电路模型以及利用BP算法用C语言编制程序实现一个单输入层单输出层4隐含层的神经网络,然后用试验数据对网络进行学习训练而建立的PMLSM网络模型.以一台单边型PMLSM为例比较了这两种模型.     

PMLSM的两种模型及比较

介绍了在理想状态下利用电磁场和电路的基本理论在四层线性模型的基础上所建立的PMLSM电路模型以及利用BP算法用C语言编制程序实现一个单输入层单输出层 4隐含层的神经网络 ,然后用试验数据对网络进行学习训练而建立的PMLSM网络模型 .以一台单边型PMLSM为例比较了这两种模型     

基于BP神经网络的化工过程建模研究

研究使用ＢＰ神经网络来完成化工过程的建筑。一般的化工过程建模问题是非线性的问题，很多情形下，与不相有关量的变化速率数量级相差很大，从而问题是刚性的。这时，用数值方法难于对过程的变化精确求解。由于ＢＰ网络能实现任何非线性的连续映，故适于处理复杂化工建模问题，将ＢＰ神经网络用于精细塔的温度计算，结果令人满意。     

基于BP神经网络的化工过程建模研究

研究使用BP神经网络来完成化工过程的建模.一般的化工过程建模问题是非线性的问题.很多情形下,与不同相有关量的变化速率数量级相差很大,从而问题是刚性的.这时,用数值方法难于对过程的变化精确求解.由于BP网络能实现任何非线性的连续映照,故适于处理复杂化工建模问题.将BP神经网络用于精馏塔的温度计算,结果令人满意.     

基于自适应反推补偿的PMLSM位置跟踪控制

针对永磁直线同步电机(PMLSM)伺服系统,在分析影响伺服跟踪精度因素的基础上,采用反推控制策略进行有效补偿控制。考虑参数变化、外部负载扰动等不确定因素对系统伺服性能的影响,从位置跟踪误差开始设计虚拟控制器,然后选择虚拟误差、位置误差构成新的子系统,设计新的虚拟控制器,通过递推依次对得到的虚拟控制器逐步修正算法,最终设计出实际控制器。仿真结果表明,和PI控制相比,该控制器明显降低不确定因素对系统性能的影响,能很好地跟踪周期性参考指令,削弱了时变外力扰动对系统性能的影响。     

基于神经网络的过程系统动态建模

针对生产过程中参数容易受外界影响而改变,传统的系统辨识方法难以得到精确的数学模型的实际情况,提出利用神经网络的自学习、自适应功能实现动态在线建模。本文对这种方法进行了仿真研究。由计算机产生仿真输入信号：随机信号或Ｍ序列伪随机信号,输入到生产过程中普遍存在的一阶纯滞后对象。通过三层ＢＰ神经元权值的不断调整,实现离线辨识和在线辨识,直到神经网络的阶跃响应曲线几乎和实际系统的阶跃响应重叠。仿真结果表明,     

基于BP神经网络的TRIZ理论冲突矩阵

使用Matlab ANN工具箱，将传统TRIZ理论的核心——冲突矩阵变换为一个以工程参数及其冲突为输入层，以冲突解决原理为输出层，并包括一个隐含层的三层BP人工神经网络模型。该模型基于具有较快收敛速度的改进BP算法——弹性反馈学习算法RPROP，利用已有的发明实例和问题解决方案作为学习样本，使模型的建立及修正更加容易，新问题的解决更具有针对性，为企业应用TRIZ提供一种较为简便的实用方法。根据问题的规模和计算需求确定了网络模型的详细参数，具体给出了由实例到样本的抽象过程。最终运行的结果显示了较好的收敛性和较快的收敛速度，证明了该方法的可行性。     

基于神经网络的开关磁阻电动机建模

针对常规的BP算法存在收敛速度慢,容易陷入局部最小值的缺点,提出了一种提高BP网络学习速度的方法,并基于BP神经网络建立了开关磁阻电动机磁特性Ψ(θ,i)模型.神经网络的参数是经过优化选择的,训练的时间和步数都大为减少,程序运行稳定,经过训练、识别、预测三重整定,具有很强的学习泛化能力,大大增强了系统的实时性和鲁棒性.该模型有助于进一步优化能量转换,减小转矩脉动.     

基于BP神经网络的永磁直线同步电机齿槽力预估器

为了减小永磁直线同步电机（PMLSM）齿槽力的波动，采用二维电磁场有限元方法，结合动态分网来描述PMLSM定、动子间的相对运动.考虑非线性磁饱和的影响,对槽形尺寸、斜槽、闭口槽、气隙、分数槽等影响下的齿槽力进行了分析.计算结果表明，分数槽是有效减小PMLSM齿槽力波动的重要措施.将模拟计算得到的槽形、气隙对齿槽力波动的影响作为神经网络的训练样本，结合动量法和自调节学习规则，构建了基于BP神经网络的齿槽力预估器.通过该预估器，可以在PMLSM设计阶段对槽形尺寸、气隙大小进行合理的选择.     

基于粗糙集理论的模糊神经网络建模方法

采用基于粗糙集的模糊神经网络模型,将粗糙集理论与模糊神经网络相结合,通过利用粗糙集理论中的约简的计算方法,从样本数据中获取精简的规则,再根据这些规则构造模糊神经网络各层的神经元个数,克服了当输入维数高时,模糊神经网络的结构过于庞大的缺点,从而使网络模型结构最简.并采用误差反向传播算法(BP算法)来训练该新型网络中的权值参数及隶属函数的中心值和宽度,仿真结果验证了该模型的优越性.     

一种基于神经网络的干扰抑制系统

为抑制扩频系统中的干扰信号,提出变换域信息信号识别(TDISI)干扰抑制系统,其中采用了扩展BP神经网络(EBPNN).TDISI首先利用快速傅立叶变换(FFT)将输入信号映射到变换域,提高系统收敛速度;然后通过EBPNN对变换系数进行信息信号的自适应识别,其具有复杂度低、鲁棒性好的特点.理论分析得到采用TDISI后接收信号的干信比(ISR)抑制量、信噪比(SNR)损失量和误码率(BER)的数学表达式.仿真结果表明:在干扰信号相同的情况下,此系统的干信比抑制量较2种现有系统分别提高29.9%和8.9%,信噪比损失量分别降低了54.3%和21.2%.     

基于级联神经网络的年降雨量预测

降雨量是农业生产的一个重要影响因素,如何准确预测降雨量成为指导农业、水利等一项重要的科技指标。从信息利用角度来看,单一预测模型仅能利用降雨量数据部分有效信息,而组合模型将单一模型的优势互补,可获得更佳的预测效果。基于神经网络理论的快速发展及级联神经网络预测模型被广泛应用于各个方面并取得了很好的结果,针对降雨量曲线的特点,深入分析BP神经网络及RBF神经网络发现,BP神经网络可很好的拟合对降雨量有很大影响的气候信息和其它因素,输出同一类型的降雨量影响信息; RBF 网络的特点就是可很好地提取同一类信息特征,二者的组合可很大程度的提高降雨量预测精度。鉴于此,将BP-RBF级联神经网络引入降雨量预测研究中,实例计算表明,该方法高于单一神经网络预测精度,证明该方法应用于降雨量预测是合理有效的。     

Sub-pixel mapping method based on BP neural network

A new sub-pixel mapping method based on BP neural network is proposed in order to determine the spatial distribution of class components in each mixed pixel.The network was used to train a model that describes the relationship between spatial distribution of target components in mixed pixel and its neighboring information.Then the sub-pixel scaled target could be predicted by the trained model.In order to improve the performance of BP network,BP learning algorithm with momentum was employed.The experiments were conducted both on synthetic images and on hyperspectral imagery(HSI).The results prove that this method is capable of estimating land covers fairly accurately and has a great superiority over some other sub-pixel mapping methods in terms of computational complexity.     

基于模糊小脑模型神经网络的直线伺服跟踪控制

以永磁直线同步电机为被控对象，在高精度直线伺服跟踪控制系统中，为使输出响应快速地跟踪输入指令，需要克服系统滞后、未建模动态、不确定性以及负载的变化因素等的影响.为此，提出了一种模糊小脑模型(FCMAC)神经网络直接逆控制的方案，可动态地克服上述这些因素的影响.同时，还给出了较详细的原理分析及实现过程.仿真结果表明，此控制方案是十分有效的，能够明显地提高伺服系统的快速跟踪能力，并使系统具有较强的适应性和鲁棒性.     

基于小波神经网络的畸形波预报

为对畸形波这类突发性事件进行较为准确的预报,避免畸形波对海上建筑物和人员安全产生的巨大危害.采用紧致型小波神经网络模型,根据某岛礁地形实测数据建立的岛礁三维模型中测得的波高试验数据,选取试验数据中3种典型波高时间序列分别实现了包含畸形波的波浪数据对常规波浪的预报、包含近似畸形波的波浪数据对畸形波的预报以及常规波浪对包含...     

基于小波神经网络的永磁同步直线电机自适应逆控制

针对永磁同步直线电机(PMLSM)受推力波动等干扰,采用反馈误差学习法,利用小波神经网络在线得到PMLSM的逆模型,避免了求取PMLSM的Jacobian信息,结合PID反馈控制,实现了PMLSM的小波神经网络自适应逆控制.仿真结果表明,与PID控制以及复合前馈PID控制方法相比,所提出的方法有效提高了PMLSM系统的跟踪性与鲁棒性.     

基于BP神经网络整定的PID温度控制

展示了一种基于BP神经网络的PID控制器,利用神经网络的自学习特性,将神经网络与PID控制方法相结合,采用3层前向网络,动态BP算法,实现对温度控制系统的在线智能控制,显示了BP神经网络PID控制方法很强的鲁棒性,同时也显示了神经网络在解决高度非线性和严重不确定系统方面的能力．仿真结果表明,此种PID在温度控制中能够取得较满意的效果．