共查询到19条相似文献，搜索用时 869 毫秒
1.
2.
直流无刷电机是一个多变量、强耦合的非线性系统,针对直流无刷电机换相时抖动比较明显、速度调节时的准确性也存在误差等缺点,通过无线传输模块实现了Matlab与stm32之间的通讯,建立了基于Matlab与stm32的电机远程控制系统,实现了上位机对电机的远程控制。与此同时,还采用对直流无刷电机换相时间采样与样本训练分离的策略,解决了stm32的运算能力差的问题,并利用Matlab的强大运算能力,实现了BP神经网络在BLDCM换相控制系统中的应用。实验表明,基于BP神经网络的BLDCM换相控制系统有利于提高电机的控制精度及动态性能。该系统将在智能化的控制领域拥有更广阔的空间。 相似文献
3.
《武汉工程职业技术学院学报》2019,(4)
为了更好地识别人手动作的肌电信号,采用基于小波包分解与主成分分析结合的特征提取方法,并利用粒子群优化Elman神经网络的模式分类方法。选择"db"系小波对肌电信号进行多尺度分解,并结合主成分分析法,选用累计贡献率大于98.6%的十个主成分作为特征向量,输入优化神经网络进行网络训练,实现对人手抓取动作的模式识别。实验结果表明,与传统神经网络仿真结果对比,采用粒子群算法优化Elman神经网络不仅能提高系统稳定性问题,而且能提高人手动作分类识别率,验证了该方法是一种可行的人手动作分类识别方法。 相似文献
4.
汽轮发电机组逐渐智能化,功能不断增强,但不确定性因素和不确定性信息仍然大量存在。针对该问题,用概率神经网络（PNN）诊断汽轮发电机组故障。PNN优点较多,机器学习算法简易、方便训练,相比于传统样本处理方法,PNN可训练样本并引入训练网络,更好地确保诊断结果正确率与可信度。MATLAB仿真结果表明,PNN在保证诊断结果准确的基础上,速度更快、分类性能大幅提高,诊断效率也提高至98%。 相似文献
5.
为了改善直流输电系统在各种运行条件下的鲁棒性,提出一种反馈线性化控制器。通过建立反馈线性化控制器的数学模型,将非线性系统的控制律表示为误差的函数,并且采用神经网络的算法得到控制器的系数,对交流母线发生短路故障和受端系统的短路比发生改变的情况进行了仿真。仿真结果表明,反馈线性化控制器在稳定直流电流方面比常规的PI控制器具有更好的性能。 相似文献
6.
《浙江大学学报(A卷英文版)》2020,(3)
目的:由于高光谱成像的特性,高光谱遥感影像较光学、多光谱影像具有更多的光谱信息,因此对高光谱影像地物的分类也相对困难。为提高分类精度,本文提出一个新的高光谱遥感影像分类模型。创新点:考虑到不同的地物覆盖对不同波段范围的电磁波有不同的敏感度,本文提出一个基于卷积神经网络和光谱敏感度的深度学习模型,以提高对高光谱遥感影像地物分类的准确率。通过在最终的分类器后添加一个光谱权重,该模型能够更准确地分类地物。方法:1.将带标记的样本在光谱维度上分为可见光和红外波段,并将部分样本作为训练集和测试集输入到网络中进行训练。2.训练完成后利用模型对全图进行预测,并通过部分预测结果计算出未识别率δ和误识别率γ两个参数。3.利用δ和γ可计算出不同光谱范围的光谱权重并将其置于分类器前(图5)。结论:1.模型加入光谱权重后的分类准确率较之前提高了约2%。2.利用公共数据集测试后显示,使用了光谱权重的卷积神经网络模型的分类精度比未使用光谱权重的模型高约1%。3.本文结果显示,利用不同地物对电磁波的敏感性差别可以增加不同地物间的差异,从而提升分类模型的性能。 相似文献
7.
8.
《西安文理学院学报》2020,(2)
癫痫是大脑神经细胞群超同步放电的一种常见慢性神经疾病,为了更好地对癫痫进行检测,提出了基于EEG的样本熵和深度神经网络(Deep Neural Network,DNN)的方法.将EEG信号用小波变换进行预处理后,以10 s为时间片求出样本熵,实验表明癫痫发作期间样本熵下降,经统计分析样本熵能够和数据集中已标注的标签基本一致,以样本熵下降处的点作为癫痫发作标签对数据集进行深度神经网络学习,能够达到99.5%的检测准确性. 相似文献
9.
针对人工目视检测机场助航灯故障诊断效率较低且存在主观因素的弊端,提出一种基于卷积神经网络深度学习的助航灯故障自动诊断方法。该方法通过卷积网络模型自动提取图像特征,并对故障进行分类,最终实现助航灯故障自动诊断。用采集到的助航灯等光强图对网络模型进行训练,再用测试集对模型测试,测试集诊断结果准确度高达94.84%。通过理论和实验数据分析说明,训练后的卷积神经网络模型能对助航灯故障进行高效、准确的自动诊断。 相似文献
10.
11.
为了提高传统方法生成交通拥堵指数（TPI）的准确率,引入一种基于经验模态分解（EMD）与Elman神经网络的组合模型实现交通拥堵指数预测。首先,利用EMD将TPI序列分解为不同时间尺度下的IMF分量和剩余分量;然后,通过偏自相关函数（PACF）计算各分量的滞后期数,以此确定各分量在Elman神经网络中的输入和输出变量;之后,通过上述方法计算出各分量预测值并相加;最后,计算出总预测结果。通过计算结果可知,EMD-PACF-Elman预测方法3个评价指标（平均绝对误差、均方误差、平均绝对百分误差）的计算结果与单一Elman神经网络模型、EMD-Elman神经网络模型、单一BP神经网络模型、EMD-BP神经网络模型相比都为最低,分别为0.562 4、0.598 9、0.110 7。因此, EMD-PACF-Elman预测方法可以有效地预测TPI,同时也为进一步预测交通拥堵趋势提供了依据。 相似文献
12.
针对齿轮常见故障及信号在传统EMD算法分解中产生的端点效应,提出一种基于改进经验模态分解（EMD）与快速独立分量分析（FastICA）—样本熵的齿轮故障特征提取方法。首先对信号进行EMD分解,得到一系列IMF分量和残余量,在此过程中通过匹配差别最小的极值包络线段确定端点处极值,然后从每个信号中分别选取周期性明显的分量与原始信号组成混合信号作为FastICA的输入,获得ICA计算后的分量,最后分别计算EMD分量与各独立分量的样本熵。实验结果表明,改进后的EMD算法可以有效改善端点效应问题,并通过与EMD—样本熵的对比,表明FastICA—样本熵能更明显、稳定地反映齿轮故障,因此可作为一种有效的故障特征。 相似文献
13.
为提高预测精度,采用Elman神经网络对商品销售额进行预测.在分析样本数据特性基础上,采用Elman神经网络对商品销售额的预测进行建模,通过实例验证模型的有效性并对比分析BP神经网络的预测效果.研究结果表明,基于Elman神经网络的商品销售额预测能够较好地反映商品销售额的变化趋势且提高了预测精度,验证了该方法在商品销售额预测中的可行性. 相似文献
14.
高兴培 《广东广播电视大学学报》2010,19(3):97-99,104
针对轴向柱塞泵故障机理的复杂性和故障信息的不确定性,提出了基于人工神经网络的故障诊断方法。以一种典型设备的几种主要故障为例,设计了适合于故障诊断的BP神经网络模型,运用Levenberg-Marquardt优化算法进行网络训练,并针对网络训练中可能出现的过拟合、局部小、隐层节点数确定等问题制定了相应的网络优化策略,以保证训练后的网络具有较好的记忆和归纳能力,并用Vc＋＋6.0语言和SQL Server2000数据库开发了基于BP神经网络的轴向柱塞泵故障诊断系统,结果表明,该系统有良好的故障诊断精度和较强的泛化厶匕力。 相似文献
15.
张莹 《蒙自师范高等专科学校学报》2014,(2):36-38
为了提高异步电机故障诊断的准确性,引入了一种基于模拟退火粒子群算法优化BP神经网络(SAPSO-BP算法)的故障诊断方法.根据电机转子振动频谱中所提取的特征参数与故障类型之间的关系数据,利用模拟退火粒子群算法来优化BP神经网络的权、阈值参数,再由优化好的BP网络进行故障诊断.实验结果表明,该方法具有较好的故障模式的识别效果,明显提高了异步电机故障诊断的准确性. 相似文献
16.
杨银贤 《重庆大学学报(英文版)》2005,4(1):50-54
1 Introduction Reinforcement learning is a machine learningmethod for agents to acquire the optimal policyautonomously from the environment of their behaviors.When an action is executed, the agent receives areinforcement signal by interacting with theenvironment. This technology has recently been used inmany fields, such as robot control [1], artificialintelligence [2], especially multi-agent system [3,4].Generally, when the state space of the environment issmall enough and all states can be e… 相似文献
17.
仿生模式识别神经网络（BPRNN）同传统BP、RBF神经网络相比具有更好的模式识别能力;训练样本库变更后网络的重新训练时间更小,但该网络构造过程中样本覆盖几何体参数的选择对网络识别率和复杂度有很大影响.本文通过引入蚁群算法来构造并优化网络参数,实验证明该算法法能较好的平衡网络性能和复杂度. 相似文献
18.
张肖梅 《实验室研究与探索》2011,30(9):97-99
配煤是选煤厂改善和稳定煤质的重要方法。在选煤厂配煤中,配煤煤质的准确预测是至关重要的,由于配煤的多种煤质指标与各组分的单煤种之间并非简单的加权关系,而是具有复杂的非线性关系。根据Elman神经网络模型能够逼近任意非线性函数的特点和具有反映系统动态特性的能力,采用Elman神经网络建立配煤煤质的预测模型。结果表明,Elman神经网络能够实现配煤煤质的预测,在实际工作中具有一定参考价值和指导意义。 相似文献
19.
针对复杂非线性多通道时变信号模式分类问题,提出了一种集成卷积神经网络（CNN）与随机森林（RF）相融合的方法。该方法以CNN为基学习器,自动提取信号样本的抽样特征,同时省去降维与人工选择特征的过程,以RF为次级学习器,增加样本扰动,同时增加属性扰动。为增强样本多样性,使得该模型尽可能充分利用信息,在训练集中随机抽取7份子训练集,再利用7份子训练集训练出7个不同的学习器;最后通过投票法和学习法建立集成模型,提高了识别精度。实验结果表明,在测量区间上,该方法对3种ECG信号类别的平均分类精度达94.60%,提高了1.1%,取得了良好结果,验证了模型和算法的有效性。 相似文献