文中將BP神經網絡的原理應用于參數辨識過程，結合傳統的 PID控制算法，形成一種改進型BP神經網絡PID控制算法。該算法利用BP神經網絡建立系統參數模型，能夠跟蹤被控對象的變化，取得較高的辨識精度。針對BP神經網絡對權系初始值敏感的缺點，優化BP神經網絡的初始權系數。通過BP算法修正BP網絡自身權系數，實現PID參數的在線調整。仿真結果顯示了該算法收斂速度快、精度高、魯棒性強、穩定性好，表明了該算法的可行性與有效性。
標簽： PID BP神經網絡 算法 控制器
上傳時間： 2013-10-08
上傳用戶：cxl274287265
在變流器故障診斷系統中，通過MATLAB對牽引變流器建立故障仿真模型，提取故障特征，對輸入輸出數據進行標幺化和模糊化的處理，并基于改進的動量BP神經網絡算法，完成對變流器開關管開路的診斷，誤差滿足要求范圍，結果表明：該算法收斂迅速，能避免陷入局部極值，而且準確率很高，是一種快速有效的方法。
標簽： BP神經網絡 牽引變流器 故障診斷
上傳時間： 2013-11-09
上傳用戶：familiarsmile
對于GSM相控陣無源雷達接收機獲取的目標數據提出一種用最佳后驗感知的神經網絡進行處理的算法，在復雜的雜波及噪聲背景下，相比于流行的卡爾曼濾波，提高了目標的檢測跟蹤精度，對促進GSM無源探測系統實用化具有重要意義。
標簽： GSM 神經網絡 無源 探測系統
上傳時間： 2013-11-06
上傳用戶：hhkpj
針對傳統PID控制系統參數整定過程存在的在線整定困難和控制品質不理想等問題，結合BP神經網絡自學習和自適應能力強等特點，提出采用BP神經網絡優化PID控制器參數。其次，為了加快BP神經網絡學習收斂速度，防止其陷入局部極小點，提出采用粒子群優化算法來優化BP神經網絡的連接權值矩陣。最后，給出了PSO-BP算法整定優化PID控制器參數的詳細步驟和流程圖，并通過一個PID控制系統的仿真實例來驗證本文所提算法的有效性。仿真結果證明了本文所提方法在控制品質方面優于其它三種常規整定方法。
標簽： PID BP神經網絡 控制器 參數優化
上傳時間： 2014-03-21
上傳用戶：diets
根據橋式起重機的特點，建立了安全性評估指標體系。在模糊綜合評判的基礎上，引入BP神經網絡，建立了起重機安全評估的模糊神經網絡模型。采用改進的梯度下降動量BP算法對網絡進行計算，克服了常用BP算法收斂速度較慢的缺點。通過神經網絡的多次學習訓練，評估因素權重得到了優化。研究結果表明：訓練好的模糊神經網絡很好地獲得并儲存了專家的知識、經驗和判斷，可將此網絡應用于橋式起重機的安全性評估。
標簽： 模糊神經網絡 方法研究 起重機
上傳時間： 2013-10-12
上傳用戶：思索的小白
為了在一定的溫度和壓力下有效改善傳感器的非線性及溫度變化引起的誤差輸出特性,提出了一種人工神經網絡算法對其實現軟件補償. 它包含4 個權值的調整,分別代表輸出信號的一次項,二次項以及溫度的一次項,二次項系數,經過迭代以后獲得一個最佳輸出公式. 該公式既能夠滿足樣本值,也能夠滿足非樣本值,并最終可校驗神經網絡迭代結果的正確性.
標簽： 人工神經網絡 壓力傳感器 溫度補償
上傳時間： 2013-11-05
上傳用戶：yuanwenjiao
指出了超聲波在測距應用中的局限性, 并給出解決方案。著重從新的角度補償超聲傳感器的誤差, 提出了用BP前饋神經網絡補償超聲波聲速受溫度、濕度變化而引起的誤差。
標簽： BP神經網絡 超聲測距 誤差補償
上傳時間： 2014-04-24
上傳用戶：erkuizhang
為了預報電力系統負荷，采用GRNN（廣義回歸網絡）的方法，通過GRNN神經網絡和BP神經網絡建立電力系統負荷預報網絡模型，用MATLAB7.0仿真，達到了預測的目的。利用GRNN神經網絡預測結果準確率高，避免了BP網絡預測同樣的數據庫，算法冗長，網絡預測結果不穩定的缺點，GRNN網絡具有更好的預報精度。
標簽： GRNN 神經網絡 電力系統 中的應用
上傳時間： 2014-01-12
上傳用戶：zhangyigenius
《面向MATLAB工具箱的神經網絡理論與應用》利用目前國際上流行通用的MATLAB 7.0環境，結合神經網絡工具箱4.0.6版本，分別從網絡構造、基本原理、學習規則以及訓練過程和應用局限性幾個方面，通過多層次、多方面的分析與綜合，深入淺出地介紹了人工神經網絡中的各種典型網絡，以及各種不同神經網絡之間在原理和特性等方面的不同點與相同點。
標簽： MATLAB 工具箱 神經網絡
上傳時間： 2014-01-07
上傳用戶：ayfeixiao
基于神經網絡的單片機開發
標簽： FPGA BP神經網絡 圖像壓縮 算法
上傳時間： 2013-10-27
上傳用戶：Yue Zhong
蟲蟲下載站版權所有 京ICP備2021023401號-1
