基于蚁群BP神经网络算法的六维力传感器解耦研究

针对传统BP神经网络在六维力传感器解耦训练过程中,由于其初始参数的选取不确定性导致神经网络出现震荡、收敛速度缓慢和陷入局部极值等问题,提出一种基于蚁群BP神经网络算法并应用于六维力传感器解耦研究。该算法利用蚁群算法在种群寻优方面的优越性,通过局部和全局信息素更新相结合的方式更新信息素,提高蚁群算法搜索的效率,为BP神经网络提供一组最优的训练初始参数,网络收敛速度得到很大地提高,同时局部极值和震荡等缺点也有一定的改善。实验仿真结果表明,在六维力传感器神经网络模型训练过程中,达到同样的目标误差,基于蚁群BP神经网络算法的迭代次数N比传统算法少50%,运行时间T快60%。这说明蚁群BP神经网络算法在六维力传感器解耦研究中有着很好的应用效果。

并网型分布式光伏发电辐照波动预警系统设计

针对传统系统太阳辐照波动预警准确率低、误差大和预测效率低的问题,提出并设计了新的并网型分布式光伏发电辐照波动预警系统,采用基于蚁群BP神经网络的辐照波动预测方法获取了预测结果的最优解。预警系统中包含太阳能电池组件、微型逆变器和单机辐照度预警子系统等,采用三端稳压模块LM7803电源模块,保障极端天气正常供电;选择单晶硅太阳电池片的光照传感器,将太阳辐射的光能变换成电能;采用指数平滑法结合趋势移动平均法对太阳辐照进行预测,得到预测时间段范围内的平滑指数,以此作为计算参数,根据蚁群BP神经网络算法,通过构建新传递函数,优化网络结构,改进BP神经网络训练,求出预测结果最优解。试验结果表明:所提系统能在不同天气条件下有效预测并网型分布式光伏发电的辐照波动,且预测误差较小;在不同天气类型下,系统预警的准确率始终高于98%,且预警时长平均用时24.08 s,相比于其他系统用时较短,实现预警系统稳定运行,保证输出电能质量,有力支撑系统优化。

矿用粉尘检测系统的算法研究

矿井中对粉尘浓度进行大范围内的检测,运用了无线传感器网络,针对网络耗能大、寿命有限及精度低等问题,对经典蚁群算法进行改进,使用其对反向传播(BP)神经网络进行优化,然后应用在无线传感器网络中进行数据融合。由于系统采集到的电压信号波动较大,采用滑动平均滤波算法进行处理,实验结果表明该算法能去除冗余数据,进而减少网络数据通信量,提高系统实时性,降低能耗,延长寿命,提高了系统精确度。

大跨度高架桥施工风险评估及应对措施

为保证大跨度高架桥梁的施工安全,对其进行的安全评估不可或缺。蚁群算法、神经网络法在桥梁施工风险评估中已有应用,但缺少将两者结合使用方面的研究。把用蚁群算法改进的BP神经网络方法应用到大跨度桥梁施工安全风险评估中,利用了两者的优点,使运算过程更加快速,运算结果准确。该方法突出了风险评估中定量的影响,克服了传统算法中人为因素的影响,可为大跨度高架桥的安全施工提供可靠的支撑。