利用BP-NN算法的机器人臂重力补偿研究

利用反向传播神经网络(BP-NN)学习算法,对机器人臂的重力补偿进行了研究。给出了机器人臂各关节扭矩的重力项理论计算公式及其连杆参数识别方法,同时,对BP-NN算法进行了详细分析,利用BP-NN来处理机器人臂重力项并进行试验。试验结果表明,采用该学习算法得到的机器人臂重力项输出值和实测值基本一致,能有效减少机器人臂重力项计算量,达到实时控制的目的。

改进BP-NN在三峡库区滑坡稳定性分析中的应用

运用改进的BP-NN,构建了三峡库区滑坡稳定性分析的神经网络方法,并选择30个三峡库区典型滑坡作为样本及算例,BP-NN方法同传递系数法分析结果的对比表明,本方法具有较好的可靠性。此外,本方法输入参数易得,对勘察质量和滑带土等参数依赖小,且简便易行,为三峡库区滑坡稳定性分析提供了新的途径,尤其适宜于三峡库区滑坡详勘前的稳定性预判。

基于Matlab的BP-NN时间序列法预测地表水资源量

本文以Matlab神经网络工具箱GUI为依托,用地表水资源时间序列的年径流量资料作为训练样本的基础,生成训练样本输入数据和期望输出数据,建立时间序列神经网络预测模型。模型优点可以模拟多变量而不需要对输入变量作复杂的关系假定,不要求知道输入输出变量之间的关系,只需通过用误差反向传播的(BP)算法训练神经网络,获得输入输出之间的映射关系。最后,以玛纳斯河肯斯瓦特站历年的年径流资料验证时间序列人工神经网络预测模型的可行性与有效性。

基于BP-NN的ADIC灌封智能电控系统的故障诊断

文中所述ADIC(Automotive DryIgnitionCoil)是现代汽车电器的新型产品。环氧树脂液态真空灌封工序过程是ADIC制造成形的重要环节,因此,为了确保工艺质量,在该灌封智能电控系统中采用了基于BP-NN(BackPropagation-NeuralNetworks)的故障诊断设置,对整个灌封过程进行严密的实时监控,以保障灌封工艺过程在无故障状态下进行运作,从而使ADIC产品质量得到可靠的保证。

基于BP-NN PID算法和TMSF28335的矫直机HGC伺服控制器设计

针对国内使用于矫直机上的伺服控制器多为简单算法PID控制且核心处理器大多为MCU,而MCU有数据处理能力欠佳、数据运算速度慢、灵活性不足等诸多局限性,难以满足矫直机的功能要求和精确控制等,设计将BP神经网络PID算法应用于以32位浮点DSP-TMSF28335@150 MHz为核心的高精度伺服控制器,应用于矫直机伺服控制。通过对比仿真结果和实际试验结果:该BP-NN PID伺服控制器具有控制精度高、灵活性好、实时性等优点。

萤火虫优化BP-NN的电网故障诊断研究

针对逆传播神经网络(BP-NN)运算过程中易陷入局部极小值的不足。根据典型的经验公式对比,缩小了隐含层节点数范围,从而寻找最优的隐含层节点数。根据萤火虫优化(GSO)算法的特点,用GSO-BP-NN训练的初始权值阈值,能够很好地预测测试集,从而避免BP神经网络陷入局部极小值。采用以上方法的结合对电网进行故障诊断,实验证明:该方法可以准确有效地诊断出电网故障位置。

MCPSO优化BP-NN在日用水量预测中的应用

论文使用MCPSO(多群合作粒子群算法)的全局随机优化能力修正了传统BP神经网络的收敛速度过慢,容易出现局部最小值的缺点,并结合长沙第八水厂的供水量数据,使用优化后的BP网络进行日用水量的预测,结果表明优化后的BP算法在减少迭代次数和预测准确性方面都有非常大的提升。

基于改进鸡群算法优化BP-NN的短期负荷预测

针对误差反向传播神经网络(BP-NN)在短期负荷预测时具有收敛速度慢、容易陷入局部最优等缺点,提出一种改进鸡群算法优化BP-NN预测模型。由于构建神经网络预测模型的初始权值与阈值的选取不当,因此首先基于传统的鸡群算法(CSO)全局寻优能力弱,容易陷入局部最优的缺点,提出了一种改进约束鸡群算法(ICCSO),用于优化神经网络的权值与阈值;然后构建BP神经网络预测模型,将优化后的权值与阈值带入预测模型中;最后通过对某地电网实际数据进行仿真分析,并与文中其他模型进行对比。通过误差结果分析可知,本文所提方法能够提高短期负荷预测精度。

北方森林乔木层碳储量的估计及空间分析

利用遥感的方式对森林乔木层碳储量(Aboveground Biomass Carbon Stocks,ABGCS)以及乔木层碳储量的光饱和值进行精准估测,以期替代传统大面积调查的繁琐工序,为碳储量的估测提供参考和依据,提高森林可持续经营管理的效率。以2017年黑龙江省伊春市嘉荫县森林乔木层碳储量(ABGCS)作为研究对象,利用Landsat8 OLI遥感影像以及森林资源二类调查数据,构建参数模型多元逐步回归模型(Stepwise Multiple-Regression,SMR),非参数模型BP神经网络模型(BP neural network,BP-NN)、随机森林模型(Random Forest,RF)、支持向量回归模型(Support Vector Machine,SVR)对嘉荫县地区ABGCS进行估测和反演其空间分布情况。研究结果表明,非参数模型的估测精度明显高于参数模型,其中3种非参数模型(BP-NN、RF、SVR)相较于参数模型(SMR),拟合精度分别提高了25.0%、12.2%、7.3%;综合比较4种模型十折交叉验证的评价指标,分析得出模型性能优劣为BP-NN>RF>SVR>SMR,其中BP-NN模型拟合出最大的决定系数(R2为0.785)和最小的均方根误差(RMSE为3.572 t/hm2)、均方误差(MSE为12.757 t/hm2)、平均绝对误差(MAE为2.687 t/hm2);从碳储量残差分段检验结果来看,4种模型均存在碳储量不同程度上高值低估和低值高估的情况,BP-NN模型在各碳储量分段的平均残差(ME)和相对平均残差(MRE)值均为最小,其泛化能力较强;利用立方项模型确定ABGCS的光饱和值为63.056 t/hm2,与BP-NN所预测的ABGCS光饱和值接近(64.232 t/hm2)。因此,BP-NN模型在估测嘉荫县ABGCS具有较为理想的效果,为森林碳储量动态监测及研究提供重要依据。

磨矿过程产品粒度软测量的比较研究

磨矿粒度(GPS)难以进行直接在线检测且化验过程滞后,必须采用软测量技术对其进行在线估计以及在此基础上的闭环控制.针对一个实际的两段式磨矿回路流程,分别基于多元回归、案例推理(CBR)和神经网络(NN)技术建立了三种磨矿粒度软测量模型,并对其进行了基于工业试验的比较研究.结果表明,基于CBR的磨矿粒度软测量方法优于BP神经网络软测量(BP-NN)方法和多元回归模型估计方法.

澜沧江自然条件下输沙质量通量与体积径流量的关系

为了研究澜沧江水沙关系和提高利用体积径流量预测泥沙质量通量的准确性,以电站建设前1982—2000年澜沧江上游旧州站和中游戛旧站沙的质量浓度和体积径流量实测资料为研究对象,根据自然状态下泥沙质量通量和体积径流量变化幅度的差异,建立输沙质量通量导数与体积径流量的关系式.公式系数为流域系统属性的综合反映,表示平均体积径流量下输沙质量通量的变化率,公式指数表示体积径流量变化对输沙质量通量变化率的影响.根据上中游站的指数差异可知,泥沙质量通量除依赖上游来沙外还依赖沿程冲刷和支流入汇的补给.通过对输沙质量通量导数公式进行积分得出输沙质量通量与体积径流量的理论关系.结果表明,输沙质量通量峰值约落后体积径流量峰值1 d,据此优化反向传播神经网络(BP-NN),可以较好地改良优化前模型预测中的峰值偏移现象,提高预测精度.

AHIC智能测试系统的研发

针对AHIC(Automobile High-energy Ignition Coil)进口测试设备价格昂贵的问题,本文研发了一种基于LabVIEW(Laboratory Virtual Instrument Engineering Workbench)软件平台和NN(Neural Network)设施的AHIC性能智能型测试系统。此系统在LabVIEW环境下实现AHIC多种参数的虚拟测试,并应用NN实现对传感器测量值非线性误差的校正。系统硬件主要由传感器组件、信号调理模块、数据采集卡和计算机构建而成。实际测试结果表明,系统实时性好,测试精度很高,扩展非常容易,操控十分方便,性价比高,实用性强。

散射计资料的风场神经网络反演算法研究

建立一种神经网络反演海面风场的算法。该算法以ERS_1/2散射计数据和欧洲中期预报分析风场(ECM-WF)的配准点数据作为神经网络训练和检验数据集。研究表明,该算法具有运行速度快和精度高等特点,反演的风速和风向与C波段第4模型(COMD 4)和ECMWF吻合较好。

癌细胞显微图像分割与识别研究

文章采用竞争Hopfield神经网络的自动聚类分割方法从腹水脱落细胞显微图像中分割可疑细胞和可疑细胞核,提取癌细胞的15个形态特征,利用柔性BP神经网络分类器对腹水脱落癌细胞进行分类识别。通过对临床病例的检验分析,表明该方法能获得较高的诊断正确率。

基于相空间重构的神经网络短期风速预测

针对风速具有较强的混沌特性,预测难度较大,提出了一种基于相空间重构的神经网络短期风速预测方法:对数据进行小波降噪,运用互信息法和虚假最近邻点法确定最佳的延迟时间和嵌入维数,对样本空间进行重构,使新的样本能够表征原始时间序列动态特性,更能反映风速变化特性。在此基础上运用BP神经网络进行短期风速预测。实验结果表明短期风速预测精度得到提高。

基于独立组分分析和BP神经网络的可见/近红外光谱稻谷年份的鉴别

建立了一种基于独立组分分析的可见/近红外光谱反射技术快速鉴别稻谷年份的新方法.首先用独立组分分析方法获取不同年份稻谷的可见/近红外光谱载荷图,将载荷图中相关性最大的波段(特征波段)作为人工神经网络的输入建立稻谷年份的鉴别模型.每个年份40个样本,3个年份共120个样本用来建立BP神经网络模型,剩余的3个年份各20个样本用于预测.预测的结果表明,准确率达到100%.同时通过独立组分分析,得到了稻谷主要成分对应的敏感波段.说明本文提出的基于独立组分分析的方法具有很好的鉴别效果,为稻谷的年份鉴别提供了一种新方法.

基于BP神经网络的风机转子故障诊断

应用BP算法对转子进行故障诊断 ,首先论述了BP算法的基本原理 ,然后提出了输出模式矩阵的改进方法 ,即将常用的单位矩阵来表示的故障模式转变为二进制结构 ,由此简化了网络结构 ,明显减少了样本训练次数 ,提高了计算故障诊断中对单一故障尤为有效 .最后通过实例进行分析 ,证明这一方法对提高运算速度十分有效 .

管材数控绕弯回弹实验研究及BP网络预测模型

回弹是影响管材数控绕弯成形精度的主要因素之一。在EATON VB100弯管机上对直径φ6mm～φ15mm之间的3种管材进行弯曲成形实验后,利用激光测量仪测量回弹角度,整理得到准确、可靠的回弹实验数据作为样本数据。采用最小二乘法对实验数据进行拟合,得到关于弯曲角度和回弹角度的函数方程,同时分析了相对弯曲半径、相对管径和管材性能对管材弯曲回弹的影响规律,根据实验,确定了影响管材弯曲回弹主要工艺参数。综合主要工艺参数对管材弯曲回弹的交叉影响,以实验数据作为样本数据,建立和优化了BP神经网络模型,预测弯曲角度和相对管径对回弹的影响规律,通过实验数据的对比,证明预测BP模型具有较高的精度。

基于粒子群优化的神经网络短时交通流量预测

基于短时交通量的不确定特性,对城市相邻交叉口路段的交通流建模方法进行了研究。提出了基于粒子群优化的BP神经网络的信号交叉口交通量预测模型。该模型以BP神经网络为基础,用PSO算法对BP神经网络权值和阈值进行优化,从而提高了网络的预测精度。实时预测时,不只考虑本路口前几个时段交通量,同时也考虑了上下游路段的交通量的影响。仿真结果表明,粒子群-BP神经网络预测模型可以成为交通量预测的一种有效手段。