补偿模糊神经网络水果形状分级器分级误差

针对神经网络对水果进行分级时精度有待提高的问题,分析了补偿模糊神经网络椪柑形状分级器的分级误差。将椪柑图像前4个傅里叶描述子按期望输出模糊变量值大小排列成单调递增、单调递减、钟形分布和锯齿形分布4种训练样本,分别训练同一补偿模糊神经网络水果形状分级器,用递减排序后的同一测试样本检验分级器性能,试验表明,单调递减顺序训练样本所训练的分级器分级误差最小为1.875%,钟形分布、单调递增顺序和锯齿形分布训练样本所训练的分级器分级误差依次增大,分别为15%、63.125%、75%。分析分级误差与样本间顺序的对应关系,建立分级误差模型,结果表明,同顺序的测试样本与训练样本间相关系数大,分级误差小;不同顺序的测试样本与训练样本间相关系数小,分级误差大。因此,测试样本与训练样本按水果同一品质特征同序排列,提高样本间的相关程度,将大幅度降低神经网络类分级器分级误差,提高正确识别率。

基于CMA-TRAMS模式地形高度偏差的地面气温误差订正方法研究

采用一元线性方法建立南海台风模式CMA-TRAMS地形高度偏差和地面气温预报误差的回归关系,分别开展不分级、高度偏差分级和地面气温误差分级的三种订正方法的研究,并进行订正效果评估。结果表明,模式地面气温预报误差与地形高度偏差总体呈负的线性相关关系,地面气温预报绝对误差随地形高度偏差绝对值增大而增大(对模式地形高度偏低站点尤为明显),但不同时刻地面气温预报误差特征表现不同,模式对地形高度偏高(即模式地形高于测站高度)和地形高度偏差小于50m的站点,06时地面气温(世界时,下同)预报总体偏低,对地形高度偏低大于50m的站点(即模式地形低于测站高度),06时地面气温预报总体偏高;而无论站点地形高度偏差如何,模式对18时地面气温预报总体偏高。三种订正方法中地面气温误差分级法能有效地减小地面气温预报误差,该方法订正后的分析场准确率可达96%~99%,12~48小时时效预报场准确率总体可提升至90%以上,该方法具有回归关系稳定、效果显著、适用性广、简单易行等特点。

神经网络BP算法的误差分级迭代法

本文结合某一工程实例 ,对BP算法进行了改进 ,提出了误差分级迭代法 .通过实例分析 ,该方法确能提高收敛速度 ,克服初始权值的影响 ,同时 ,学习样本次序对其影响也不大 .因此 ,该方法能有效地改善BP网络的性能 .最后 。

误差分级变论域模糊控制在电机软启动的应用

针对一般模糊控制在异步电动机软启动应用时出现的启动不平稳和调整时间长的问题,分析了误差分级变论域模糊控制理论,设计了误差分级模块和S函数选择模块,搭建了基于误差分级变论域模糊控制电机软启动的整体仿真系统,实现了在电流误差不同的时刻选择不同论域的模糊规则来调整电机输入电压的目的。仿真对比实验表明:误差分级变论域模糊控制在电动机软启动过程中的控制效果优于一般模糊控制,能够使启动平稳并缩短调整时间。

基于误差分级迭代法的基坑变形预测

BP(back propagation)神经网络算法在变形预测方面存在收敛速度慢、学习效率低、容易陷入局部最小值等问题,直接影响预测结果的精准性,利用误差分级迭代法优化的神经网络能够更好地降低误差,提升预测性能。通过对比分析误差分级迭代法与BP神经网络的优势,建立误差分级迭代法模型并编制误差分级迭代法变形预测程序。采用基坑工程实测数据,经过误差分级迭代法优化后神经网络的最大误差为0.96%,与径向基神经网络预测精度相比提高3.5%,利用误差分级迭代法预测基坑变形结果其精准性较高,具有一定的实用价值。

无线传感器网络中误差等级融合算法

为消除基于虚拟节点的数据融合算法(VNB-DF)的局部误差过大现象,设计了一种误差分级(EG)的虚拟节点数据融合算法。该算法根据目标的精度要求,设定误差等级,通过多项式拟合系数来表示一定范围内的监测数据的分布状态,在内存中生成虚拟节点。实验表明,与簇内数据取均值和VNB-DF算法相比,该算法大大提高了数据采集精度,在多种类环境应用方面能够表现出良好的性能。

飞行大气参数测试仪的研制

设计了一款适用于高海拔、宽温域条件的飞行大气参数测试仪。基于PC104和ARM处理器组成的主从式CPU架构,构建了飞行大气参数测试仪的硬件平台,采用高精度硅谐振式压力传感器实现了对气体压力的测量;基于PID与分级误差控制相结合的控制方法,通过PWM驱动的高速电磁阀,实现了对气压的精密控制。

基于神经网络的沥青混合料抗剪强度预估方法

通过采用神经网络工具,探讨沥青混合料的抗剪强度预估方法.通过对比,采用不同输入参数,选定沥青类型、集料类型、空隙率、级配类型、公称粒径、油石比等六个影响因素作为输入参数.引入了误差分级迭代法进行网络学习训练,通过对比常规BP算法和误差分级迭代法,发现后者能有效减轻初始权值和阈值对训练和样本预测的影响,也能较好控制样本预测的误差.因此,建议采用基于误差分级迭代法的BP神经网络方法,预测沥青混合料的抗剪强度.

几种变论域伸缩因子选择方法的比较研究

分析了基于函数形式与模糊推理形式选择变论域伸缩因子的方法。针对模糊推理方法的不足做了细分伸缩因子变量的改进,并设计了误差分级选择伸缩因子的方法。以舞台影视系统中灯具所用直流电机为被控对象,采用三种不同的变论域模糊PID控制方法进行仿真实验比较。通过实验分析系统的动静态性能与鲁棒性,得出基于误差分级选择伸缩因子的方法性能更优的结论。系统响应不存在超调量,稳态调节时间短,且稳态调节精度高。

四轴飞行器控制系统优化策略仿真研究

四轴飞行器控制系统的优劣决定了飞行的稳定性能。由于传统的PID控制器参数固定,存在着动态效果不佳、控制精度不高的问题,针对其具有非线性、强耦合、时变等特点,提出了一种采用变论域模糊的四轴飞行器复合控制策略,在不改变模糊控制结构和规则的前提下,根据对系统误差的大小进行分级选择合适的伸缩因子,从而实时改变模糊控制器的输入和输出论域,使控制器能够较好兼顾系统的快速性与准确性的性能需求。仿真结果表明采用误差分级的变论域模糊PID控制策略能够有效的提高四轴飞行器的动态性能和控制精度,且具有较好的自适应能力和较强的抗干扰性能。

基于回归BP神经网络误差分级迭代法的逐时气温预测方法研究

气温预测是天气预测中的一项主要内容,由于气温的影响因素多而复杂,要想达到精细化预测目的,仍是十分复杂的科学难题.当前学术界的一般方法是假设数学模型对温度物理过程进行研究,建立了BP神经网络模型、温度与相对湿度之间的回归模型,最终在回归模型的基础上通过改进的BP神经网络建模,即利用BP神经网络误差分级迭代法建模,通过历史温度进行逐时气温预测,全样本误差达到0.617℃.

矿用通风机监控系统开发研究——基于PLC和模糊理论

介绍了基于PLC的矿井通风机监控系统,为解决电机电路可承受的电流容量问题,基于模糊论,应用异步电动机软启动方法构建误差分级变论域模糊控制电机软启动仿真模型。