基于改进粒子群算法的移动机器人路径规划方法研究

针对移动机器人传统路径规划算法效率不高、寻优能力差等问题,本文提出一种基于改进粒子群优化算法(PSO)的移动机器人路径规划方法。该方法采用神经网络训练碰撞罚函数,得到无碰撞路径,然后采用粒子群优化算法解决路径的最优问题。利用神经网络实现大量的并行和分布计算,发挥PSO简单、容易实现的优点,提高了路径规划的计算效率和可靠性。仿真结果表明,这种新路径规划方法是可行且有效的。     

改进自组织映射神经网络在指纹识别中的应用

改进自组织映射神经网络方法是将常规自组织映射神经网络方法结合确定性水平,对网络的输入矢量进行预处理。通过实验比较了这种改进的自组织映射神经网络识别方法与常规的自组织映射神经网络识别方法的识别效果,在识别性能上有了很大的提高。     

基于BP神经网络的导航装备战损等级评定

新型导航装备结构功能的复杂化,使得传统方法在评定其战损等级时难度进一步增加.为更快更准确地评定战损等级,本文分析了导航装备战损等级影响因素,并利用BP网络建立了战损等级评定神经网络模型,最后采用改进的BP算法进行了网络训练.训练测试结果表明,该模型用于导航装备具有较高的准确度和可靠性,并且能够有效缩短评定时间.     

复方降脂中药的性味归经与药效的BPNN研究

针对复方中药药效与其性味归经之间复杂的、不确定的关系,建立适于复方降脂中药的BP神经网络模型,运用Matlab快速预测复方降脂中药的药效指标。经验证,该方法为一种快速、可靠的方法。     

利用量子遗传算法改进BP 学习算法

针对BP 算法易陷入局部极小、收敛速度慢的缺点,根据量子遗传算法具有全局寻优的特点,本文提出了一种新的训练神经网络的混合算法－QGA-BP 算法;通过算法比较和实例结果分析,表明该算法加快了收敛速度、提高了收敛速度。     

基于人工神经网络的暂态电能质量现象的分类与识别

暂态电能质量信号具有发生随机性,持续时间短和非平稳的特性,使得信号的识别实现较为困难。目前对电能质量信号进行辨识的方法有基于规则的专家系统方法、基于神经网络的方法以及结合小波变换技术的神经网络方法等。利用小波变换和人工神经网络的结合方法,对各种暂态现象实现有效地识别和初步地分类。     

基于模糊PID的二甲醚发动机单片机测控系统

将PIC18F248单片机应用于二甲醚发动机控制系统中,实现了对二甲醚发动机的实时控制,并对二甲醚发动机的控制算法进行了研究;通过对整个电控系统的发动机台架试验表明,功能正确,控制效果良好。     

基于S变换的全桥整流电路故障诊断研究

针对应用广泛的全桥整流电路故障分析,根据整流电压波形的畸变规律,分析了2个以内的二极管故障分为7类共计22种故障元。运用S变换分析,提取了故障特征值,并以此构造故障模式向量作为RPORP神经网络的输入。实现了电路的故障诊断与定位。为双凸极发电机整流电流故障的进一步研究打下了基础。     

一类非线性神经模糊控制系统

针对离散非线性系统,将神经网络和模糊技术有机结合,模糊神经网络与自适应控制方案相结合,设计了一种模糊神经网络自适应控制系统,它由模糊对向传播（FCP）网络辨识器和径向基函数（RBF）神经网络控制器组成,仿真结果表明了该方案的有效性。     

两级数据融合算法在木材干燥过程中的应用

本文提出了一种基于RBF神经网络和证据理论的两级数据融合方法。利用RBF神经网络实现特征层数据融合,建立基本信任分配函数,具有最佳一致逼近特性,同时解决了D-S证据理论确定基本信任分配函数困难的问题。基于D-S证据理论的传感器故障诊断方法的研究,可有效地判断工业现场传感器的工作状态。实验结果表明该方法可正确定位并准确分离出木材含水率检测系统中失效传感器。