共查询到20条相似文献,搜索用时 62 毫秒
1.
无人直升机的数学模型是设计先进控制系统的基础,首先采用机理建模的方法分析了直升机的飞行力学特性,加入旋翼运动,并得到了参数化状态空间模型。辨识之前对实验数据进行野值识别,剔除,补正,滤波,去趋势项等处理,利用预报误差法进行系统辨识,再运用遗传算法对预报误差辨识结果进行优化,验证结果表明,达到辨识和优化的目的。 相似文献
2.
对流层距离误差预报法的检验与改进 总被引:1,自引:0,他引:1
根据99个实测折射率剖面,对“预报对流层距离误差的新方法”[1,2]的实用性和精度进行了验证;同时提出了对流层距离误差线性回归预报的新方法,并且讨论了该方法的精度。 相似文献
3.
4.
5.
6.
本文构筑的适应型模糊神经网络模型实现了神经网络的学习训练能力、模糊逻辑系统的仿人推理功能以及匹配寻踪的适应性技术的结合。以其对具有不确定性特征的机器视觉目标图像进行辨识处理,取得良好效果。 相似文献
7.
8.
针对传感器在复杂环境中所测信息不完全准确的问题,提出了一种基于专家规则的零阶Sugeno模糊模型神经网络来获取传感器可信度的方法.神经网络经训练样本训练后,可以根据传感器状态和环境信息实时地得到传感器可信度.将该模型学习算法中的最小二乘识别器加以改进,并引入了遗忘因子,可以使该网络实现在线学习,不断更新网络参数.仿真结果表明该模糊神经网络可以有效地获得传感器可信度,且越小则网络在线学习能力越强. 相似文献
9.
脉冲神经网络(SNN)是一种模拟大脑神经元动力学的低功耗神经网络,为高计算效率、低能源消耗环境部署目标检测任务提供了可行的解决方案。由于脉冲的不可微性质导致SNN训练困难,一种有效的解决方法是将预训练的人工神经网络(ANN)转换为SNN来提高推理能力。然而,转换后的SNN 经常遇到性能下降和高延迟的问题,无法满足目标检测任务对高精度定位的要求。该文针对ANN转SNN过程中产生的误差问题,引入对偶误差模型降低转换性能损失。首先,该文分析误差产生原因,构建对偶误差模型来模拟ANN到SNN转换误差。进一步地,将对偶误差模型引入到ANN训练过程,使转换前后的模型在训练和推理过程中误差保持一致,从而降低模型的转换性能损失。最后,利用轻量化检测算法YOLO在数据集PASCAL VOC和 MS COCO上验证了对偶误差模型的有效性。 相似文献
10.
在传统的模型参考自适应(MRAS)速度辨识模型的基础上,用神经网络理论对其可调模型进行了改进。并在无速度传感器直接转矩控制系统中对该速度辨识模型进行了研究,仿真结果验证了该速度辨识模型具有满意的辨识精度和动态性能。 相似文献
11.
系统辨识在工业方面应用广泛,用神经网络进行系统辨识适用于线性系统和非线性系统。对系统辨识及神经网络均作了较为详细的介绍,并以BP网络为例介绍了网络的初始化、训练和仿真函数,给出了网络结构的设计和辨识结果的输出。 相似文献
12.
13.
14.
15.
Taste Identification of Tea Through a Fuzzy Neural Network Based on Fuzzy C-means Clustering 总被引:3,自引:0,他引:3
1 IntroductionTasteidentificationisoneofthemainapplica tionsofthepatternrecognition .Thestudyoftasteidentificationcanbetracedbacktothebeginningof90’s.Theneuralnetworkmodelrealizingtasteidentificationofthefivebasictasteswithvariousdensitywasoriginally proposedbyHaoBo[1 ] in1 994.Afterward ,withthedevelopmentofartificialintelligence,thefuzzyneuralnetworkwasusedtoidentifythebasicandsweet acidcompoundtaste[2 ] .Furthermore ,thequantitysamplinganalysisofvari ousfoodsandbeverages,suchascoffee ,r… 相似文献
16.
17.
18.
矢量神经网络在训练阶段既不能处理语义信息,也没有考虑训练样本本身的可靠性,因而造成辐射源不能正确识别的问题,为此提出了一种基于云模型和矢量神经网络的识别算法.该算法利用云模型来实现定性概念到定量区间值的转换,并利用改进后的矢量神经网络实现区间类型的矢量输入到区间类型型号输出的非线性映射.仿真实验表明,本文方法不仅能处理语义类型的输入矢量,而且能够处理数字类型的输入矢量,并且在测量误差环境中具有较高的识别率. 相似文献
19.
20.
小波分析和灰色神经网络融合的光纤陀螺误差建模与补偿 总被引:1,自引:0,他引:1
为补偿捷联姿态测量系统中光纤陀螺因外界干扰引起的高频噪声和强漂移,提出一种基于第二代小波变换和灰色Elman神经网络融合的误差建模和补偿方法。采用Allan方差法分析了在外界干扰下的光纤陀螺输出信号,利用第二代提升小波单独重构的方法分离出陀螺误差模型中的漂移误差和白噪声,灰化漂移误差数据后建立了Elman神经网络模型并进行了补偿。实验结果表明,相较于传统的灰色理论模型和单一的Elman神经网络模型,新算法有效滤除了白噪声,并将预测模型的精度提高到96%以上,证实了模型的有效性。 相似文献