-
基于神经网络补偿控制的PID双闭环球杆位置控制
针对球杆系统的位置控制难题,利用ADAMS软件建立球杆系统的三维虚拟样机模型,由此确定球杆系统的动力学模型,提出一种基于神经网络补偿控制的PID双闭环球杆位置控制方案,基于ADAMS/Controls与Matlab/Simulink进行了球杆位置控制的联合仿真.仿真结果表明:位置定值控制与方波信号跟踪控制时,PID双闭环-神经网络补偿控制较PID双闭环控制的稳态精度分别由0.06 m、0.08 m提高到0.002 m、0.003 m,正弦信号跟踪时,跟踪误差由0.15 m减小到0.05 m,PID双闭环-神经网络补偿控制具有更好的动态性能和较高的稳态控制精度.朱坚民,齐北川,沈正强,黄春燕 - 系统仿真学报文章来源： 万方数据 -
基于神经网络逆的赖氨酸发酵过程解耦控制系统的实现
赖氨酸发酵过程是一个时变、非线性、强耦合多变量系统.为了有效的控制直接反映发酵品质的重要生化过程参数,如菌体浓度、残糖浓度、产物浓度等,实现高性能的解耦控制的目标,将逆系统方法与神经网络相结合,提出了一种基于神经网络逆系统的赖氨酸发酵过程解耦控制方法.在一定程度上解决了传统解析逆系统解耦控制方案过于依赖过程模型和对模型参数的变化过于敏感的不足.在实验中,以发酵罐和嵌入式开发系统为平台对控制方法进行了验证.实验结果表明该解耦控制方法能够对菌体浓度、残糖浓度、产物浓度等重要的生化参数进行有效的控制,适应过程模型的不确定性和参数的时变性,具有较强的鲁棒性.陈明忠,嵇晓辅,蔡佳 - 微计算机信息文章来源： 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PSO的BP神经网络在压力传感器温度补偿中的应用
针对硅压阻式压力传感器的温度漂移问题,提出了基于粒子群优化算法PSO( Particle Swarm Optimization Algorithm)的BP神经网络的温度补偿模型,通过粒子群化算法对BP网络的权值和阈值进行全局寻优,克服了BP网络收敛速度慢和易陷入局部极值的缺陷,而且温度补偿的精度较高。研究结果表明,该方法有效的抑制了温度对压力传感器输出的影响,提高了传感器的稳定性和准确性。孙艳梅,苗凤娟,陶佰睿 - 传感技术学报文章来源： 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 -
基于频分神经网络和预测控制的PID参数整定研究
为了得到精确的泛化性较高的缓变非线性对象的可离线在线模型,提出了频分时滞回归径向基神经网络(FTRR)算法.此算法基于频谱分析,先把信号分解出数个频带,再构建神经网络模型.该模型用于改进的单步模型预测控制中离线求得控制输出,由此,再依据有约束线性最小二乘优化算法对PID参数进行离线整定,使其PID输出与单步模型预测控制输出相似.仿真结果表明,FTRR模型精度高且泛化性好,PID整定后的系统调节品质较高,适用于缓变控制系统.刘加存,梅其祥,李春辉 - 系统仿真学报文章来源： 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 -
基于粒子群神经网络液压泵效率特性仿真分析
为了能够实现对液压泵效率特性的多点计算,深入地研究了粒子群神经网络在液压泵效率特性分析中的应用.首先,分析了液压泵效率特性的基本原理;其次,研究了RBF神经网络的基本原理;然后,剖析了改进粒子群的优化算法;最后,进行了液压泵效率特性试验测试和仿真分析结果比较,比较结果表明粒子群神经网络在进行液压泵效率特性计算时具有较高的计算精度和计算效率.陈晓飞,陆亦工,王爱民 - 液压与气动文章来源： 万方数据
科创中国
