-
风力机尾流效应影响下输出功率预测仿真研究
传统风速预测模型未考虑尾流效应对风电场输出功率的影响,使风电功率预测误差过大.在尾流效应风速模型的基础上提出尾流效应影响因子矩阵,对整个风电场机组输入风速进行修正.然后采用数值逼近算法对传统灰色GM(1,1)预测模型进行优化改进,以优化的灰色GM(1,1)预测模型对未来时段风速进行预测,突变风速预测误差降低了34.3%.再将优化风速预测模型和时间序列动态神经网络相结合,构建出风电功率预测模型.应用该模型对酒泉地区某风电场现场数据进行仿真测试,预测效果较好.张友鹏,叶爱贤,高峰阳,董唯光 - 系统仿真学报文章来源： 万方数据 -
基于Hadoop的异常传感数据时间序列检测?
无线传感器网络中,异常时间序列的研究具有十分重要的意义。针对传统研究在海量数据环境中时间效率低下的问题,提出了基于Hadoop的异常时间序列检测算法。首先对时间序列进行预处理,然后在Hadoop的MapReduce操作中调用动态时间弯曲距离计算算法,实现了DTW距离计算的并行化,从而大大提高检测速度。同时针对传统DTW算法计算复杂度瓶颈问题以及传统约束方法准确率较低问题,提出了基于显著特征匹配的局部约束算法,对弯曲路径进行局部限制,在确保准确性的同时进一步降低了时间、空间复杂度。 Hadoop平台下实验结果表明,该方法既提高了检测速度,又保证了检测准确率。张建平,李斌,刘学军,胡平 - 传感技术学报文章来源： 万方数据 -
基于神经网络的孵化过程组合预测方法
针对禽蛋孵化过程是一个具有高度非线性、大滞后且强耦合性的农业生产过程,常规的控制方法难以达到较好的控制效果,提出一种禽蛋孵化过程的组合预测方法.该方法分别采用神经网络模型和过程记忆神经网络对禽蛋孵化过程温、湿度进行预测,然后采用方差-协方差优选组合预测法对两种单一模型的预测结果进行加权集成,以获得较为准确的预测精度,实现禽蛋孵化过程温度和湿度的有效预测.仿真运行结果表明对两种单一预测模型的预测结果进行加权组合后得到的组合预测模型的预测精度明显要优于单一预测模型,能较好的预测孵化过程温、湿度,从而较好的保证禽蛋孵化过程的稳定控制.周国雄,廖迎新,沈学杰 - 系统仿真学报文章来源： 万方数据 -
基于事件驱动和神经网络的无线传感器网络数据融合算法研究
为降低突发事件监测的无线传感器网络( WSN)的能量消耗和数据冗余,设计并实现一种基于事件驱动的动态分簇BP神经网络数据融合算法( EBPDF)。其中动态成簇以及簇头选举过程基于事件严重程度和节点剩余能量,簇的生命周期和簇的覆盖范围根据事件紧急程度和节点剩余能量进行动态调整。同时,为减少网络通信量,将神经网络层次结构与WSN的簇结构相结合,在动态形成的簇结构中应用三层神经网络模型,通过神经网络算法从采集到的大量原始数据中提取出少量特征值,并发送到汇聚节点,从而延长网络生命周期,降低数据传输的冗余度。理论仿真实验证明,与LEACH算法相比,该算法既能有效降低网络通信流量,又能减少节点通信次数。侯鑫,张东文,钟鸣 - 传感技术学报文章来源： 万方数据 -
基于神经网络的音圈电机迟滞特性建模
阐述了由音圈电机驱动的定位系统,并为该系统设计了微位移检测电路.对音圈电机施加35Hz的正弦波电压时,绘制的电机输出位移曲线为迟滞环,并且采集了0~35V的任意三角波驱动电压下的输出位移数据,作为训练样本.设计了径向基函数网络的迟滞辨识模型.网络的激励函数采用高斯核函数,提出加入最近邻规则的混合型K-均值聚类算法,基宽度由平均法确定,解决了RBF中心的初始化和基宽度由经验公式确定的问题.经验证,权值的修正采用改进的BP算法.仿真训练结果表明,RBF网络迟滞辨识模型平均误差为0.115μm,误差最大值为0.323μm.当辨识音圈电机的迟滞特性时,改进的RBF网络学习速度和精度都优于BP网络.赵景波,薛琨,张磊,刘慧敏 - 系统仿真学报文章来源： 万方数据 -
基于Elman超声信号时间融合的塔机防碰撞技术
针对塔机防碰撞以缺乏灵活性和时实性的被动防御为主的现状,为实现智能化主动防碰撞的目的,通过分析障碍物轮廓与超声测距时间序列间的映射关系,以时间融合的思想引入Elman网络,并通过变形输入输出实现了单超声传感器由测距序列快速识别障碍物高精度位置信息的功能,并经试验验证可以达到预期低成本、快速度、高精度的塔机工作使用要求,也为低精度传感器获取高精度融合结果提出借鉴思路。李西平,谷立臣 - 传感技术学报文章来源： 万方数据 -
基于BP神经网络的静压桩承载力时间效应预测
基于珠海软土地区3根PHC管桩隔时复压试验数据,采用BP神经网络建立了静压桩承载力时间效应的BP神经网络模型来预测静压桩的长期承载力.在建模过程中将桩长、桩截面积、土体摩擦角、土体变形模量、渗透系数、最终压桩力及休止期等与静压桩承载力密切相关的7个参数引入到输入层,用Visual Basic语言编制了以最终压桩力和休止期为主要输入因素的计算程序,程序可以对比显示计算和实测曲线.在样本训练和学习过程中,任意选取2根桩的试验数据来预测第3根桩的长期承载力.通过对施工现场工程桩的试算,预测结果与实测值较为吻合,表明提出的BP神经网络模型用于预测静压桩长期承载力是切实可行的.白晓宇,张明义,寇海磊,刘辉 - 工程勘察文章来源： 万方数据 -
基于神经网络的汉语孤立词语音识别
研究基于神经网络的汉语孤立词语音识别问题,神经网络通常是针对静态模式而设计,输入结构是固定的,语音信号是一个时变信号,发音时音节的长短不可能完全相同,将人工神经网络用于语音识别时需要对其做一些必要的修正.本文将语音特征参数序列通过规整网络转换为状态转移矩阵.状态转移矩阵维数固定,反映语音时变特性.从而很好的解决了神经网络动态模式识别问题,实现了基于神经网络的孤立词语音识别.实验结果表明该系统具有良好性能.朱淑琴,魏威 - 微计算机信息文章来源： 万方数据 -
基于蚁群神经网络的泵车主泵轴承性能评估
针对BP神经网络、遗传神经网络等智能算法在机械设备关键部件的性能评估过程中训练收敛速度慢,且会遇到局部极小的问题,提出一种运用蚁群算法训练神经网络的权值和阈值的混合智能算法-蚁群神经网络.将蚁群神经网络应用于混凝土泵车主泵系统中主泵轴承的模式识别和性能评估.结果表明,蚁群神经网络能很好地解决收敛速度慢、局部极小的问题,提高了分类精度,展现了良好的应用前景.孙旺,李彦明,杜文辽,苑进,刘成良 - 上海交通大学学报文章来源： 万方数据 -
基于AdaBoost的网络入侵智能检测
网络环境中,系统受到多种入侵行为威胁,具有变化快、种类多、随机性强的特点,提出一种基于AdaBoost的网络入侵智能检测算法,利用神经网络建立入侵检测学习器,采用AdaBoost集成学习方法对基学习器迭代训练,生成最终的入侵检测模型,仿真实验表明,该方法相对传统的BP神经网络算法具有较大的优势,降低了随机样本对模型的影响,增加了神经网络的泛化能力,使最终的入侵检测模型更加贴近真实的网络入侵样本,减小了小样本集导致的模型精度大幅下降的问题,对识别、检测各类入侵行为,对维护网络安全,具有十分重要的意义.周国雄,沈学杰,李琳,贺超英 - 系统仿真学报文章来源： 万方数据
科创中国
