共查询到19条相似文献,搜索用时 62 毫秒
1.
PID控制要取得较好的控制效果,就必须通过调整好比例、积分和微分三种控制的关系。本文提出一种基于BP神经网络的PID优化控制的方法,充分利用BP神经网络自学习、自适应、强大的泛化能力,弥补PID控制方法学习,适应能力的不足。将此方法应用于控制直流电机调速系统,仿真结果表明,此方法能提高系统的控制精度,具有良好的鲁棒性。 相似文献
2.
基于优化BP神经网络的PID控制研究与仿真 总被引:5,自引:3,他引:5
PID控制要取得较好的控制效果.就必须通过调整好比例、积分和微分三种控制作用,形成控制量中既相互配合又相互制约的关系。优化BP神经网络是一种前向神经元网络,具有学习速率快、振荡小、精度高的优点,将其隐含层单元分别作为比例(P)、积分(I)、微分(D)单元。可以建立参数自学习的PID控制器。仿真结果表明基于优化BP神经网络的PID控制器具有较好的自学习和自适应性。 相似文献
3.
4.
5.
工业过程控制中广泛采用PID控制,但传统PID控制因其控制参数的固定,在线整定难等问题。为此本文研究了一种新的自适应模糊PID控制方法,为了解决模糊推理没有学习能力的问题,本文又提出了一种基于BP神经网络的自适应模糊控制方法。此方法是模糊控制、神经网络和PID控制的有效结合。仿真实验表明,这种基于BP神经网络的模糊PID控制算法具有良好的控制效果。 相似文献
6.
基于BP神经网络的汽车车型识别方法 总被引:4,自引:0,他引:4
周红晓 《微电子学与计算机》2003,20(4):39-41
将BP神经网络应用于汽车车型的自动识别,在简述车型图像预处理和特征抽取的基础上,重点讨论学习算法的选取问题,提出一种分阶段的训练方法。对三类车型的36对样本做训练和测试实验,实验结果表明,所采用的训练算法优于传统BP算法和共轭梯度法,所设计的网络能快速有效地识别汽车车型。 相似文献
7.
基于人工神经网络的改进共轭梯度算法研究 总被引:1,自引:0,他引:1
针对前馈式神经网络结构,提出用一种改进共轭梯度算法建模的最速下降搜索迭代的新方法,并把它用于神经网络。同时用神经网络来预报经济指标,通过预测中使用的基本模型和训练算法,提出了单因素非线性自回归和多因素非线性回归两种神经网络预报模型,并对四川省的社会总产值进行预测,结果表明此神经网络用于经济预测是一种新的、更精确、更有效的预测方法。 相似文献
8.
分析变风量空调系统多区域运行时的耦合关系,针对变风量空调参数多变、强耦合的特点,提出了一种改进的误差反向传播算法的神经网络分散解耦控制方法,对送风量-室内温度进行解耦;然后采用基于BP神经网络的PID控制方法对解耦后的2个近似独立的单输入单输出系统进行控制。仿真结果表明,神经网络分散解耦算法具有很强的自学习功能和自适应解耦能力,控制系统响应快,稳态误差小,有效提高变风量空调系统的控制精度及性能指标。 相似文献
9.
10.
11.
12.
13.
为了同时对多种焊点缺陷类型进行快速识别,解决现有焊接异常图像识别算法误检率与漏检率偏高的问题,设计了基于改进型卷积神经网络的深度学习算法。利用自组织映射分类技术,提高了卷积神经网络的数据选择自适应性,结合自适应矩估计分析, 约束了焊接异常图像中特征集合的收敛条件。实验中将5种常见焊接异常图像以等比例随机分布的形式放入训练集、验证集和测试集中,再分别用传统识别算法(canny算法和k均值算法)和该算法进行测试。结果表明,对于桥连缺陷,3种方法均无误检、无漏检;对于小球缺陷,3种方法均符合要求,而canny算法的检出能力最优;对于偏球缺陷, 3种算法的误检率分别是12.4%, 7.3%和与1.4%,漏检率分别是13.3%, 6.5%和1.1%;对于虚焊和少锡缺陷,该算法相比传统算法精度高约1个数量级。该算法在对多种焊点缺陷类型识别中具有明显优势。 相似文献
14.
15.
《现代电子技术》2016,(10):30-33
考虑到无线网络流量具有极强的分散性、随机性以及混沌等特性,使用传统的ARIMA预测模型和BP神经网络模型难以对其进行精确的预测等,该文使用粒子群优化算法对BP神经网络预测模型进行优化以解决BP神经网络容易陷入局部最小值以及训练收敛速率低等问题,引入遗传算法中的自适应变异因子来以一定概率初始化部分变量解决粒子群优化算法会出现陷入局部最优解以及早熟收敛等问题。最后使用经典的CRAWDAD数据库中的无线网络流量数据对该文预测方法性能进行测试,使用稳定小波变换方法将无线网络流量数据分解,得到由1个近似分量以及3个细节分量组成的数据流。测试结果表明,该预测算法在预测性能上要优于ARIMA预测模型和BP神经网络模型。 相似文献
16.
17.
18.