检索结果-南通市图书馆

基于elman神经网络的车削颤振预报函数构建

在线全文

学校读者我要写书评

暂无评论

机械设计与研究 2024年第2期40卷 120-125,138页

作者：邱辉陈益丰潘晓铭徐国木李国平谈红英温州大学机电工程学院浙江温州325000 宁波大学机械工程与力学学院浙江宁波315000 浙江安防职业技术学院应急技术学院浙江温州325000

为了预报车削颤振现象,构建了再生型车削颤振的预报函数。分析再生型颤振机理的基础上得到了其稳定性叶瓣图,为颤振预报提供可能。利用elman神经网络对获取的数控车削过程中从稳定车削阶段到车削颤振阶段的时域信号进行训练和测试,提出... 详细信息

为了预报车削颤振现象,构建了再生型车削颤振的预报函数。分析再生型颤振机理的基础上得到了其稳定性叶瓣图,为颤振预报提供可能。利用elman神经网络对获取的数控车削过程中从稳定车削阶段到车削颤振阶段的时域信号进行训练和测试,提出了均方误差作为判别颤振的特征量。为了更准确的进行颤振预报,引入符号函数来构建再生型车削颤振的预报函数,确定了预报函数的阈值为5.625并试验了在该预报函数阈值时的预报准确率为92%。最后从频率域中分析,根据颤振的特点侧面验证了所构建预报函数的正确性。

关键词：再生型车削颤振预报函数 elman神经网络均方误差

基于改进鸡群优化算法运动学与改进鸡群优化-elman神经网络非运动学的机器人误差标定

在线全文

学校读者我要写书评

暂无评论

信息与控制 2024年第3期 315-328页

作者：江小辉孙翼飞郭维诚侯春杰任斐上海理工大学机械工程学院上海航天设备制造总厂有限公司

针对工业机器人末端定位误差标定问题，本文从机器人运动学与非运动学两个方面对机器人进行定位误差标定。针对机器人运动学方面，建立了运动学误差模型并提出一种改进CSO(chicken swarm optimization)算法对机器人进行几何参数误差辨... 详细信息

针对工业机器人末端定位误差标定问题，本文从机器人运动学与非运动学两个方面对机器人进行定位误差标定。针对机器人运动学方面，建立了运动学误差模型并提出一种改进CSO(chicken swarm optimization)算法对机器人进行几何参数误差辨识，通过对比LM(Levenberg-Marquardt)迭代算法与PSO(particle swarm optimization)算法验证本文所提出算法的效果，以IRB1200机器人为实验对象，通过APIT3激光跟踪仪采集误差数据，搭建了机器人误差标定实验平台进行实验。经实验测量，机器人末端平均定位误差由2.76 mm下降至1.45 mm,提升了47.5%;同时针对机器人非运动学方面，使用在运动学误差标定中提出的改进CSO算法优化了elman神经网络的初始阈值与权重，并使用初始参数优化的elman神经网络建立机器人末端位置误差与机器人关节角之间的映射关系，以预测训练完成的机器人立方体空间内的机器人位置误差，并对比了普通elman神经网络的预测效果。经实验测量，机器人末端平均定位精度较标定前提升34.9%,验证了本文所提出神经网络的拟合预测效果。

关键词：工业机器人参数辨识 elman神经网络鸡群优化算法

基于粒子群优化elman神经网络的流量温度复合测量

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

光电子·激光 2024年

作者：刘潇孙世政张辉刘照伟刘超重庆交通大学机电与车辆工程学院

针对光纤布拉格光栅(fiber Bragg grating， FBG)传感器应变温度交叉敏感问题，提出了基于粒子群(Particle Swarm Optimization， PSO)优化elman神经网络的温度补偿算法。首先，基于流体力学和FBG传感原理，设计了探针式FBG流量温度复... 详细信息

针对光纤布拉格光栅(fiber Bragg grating， FBG)传感器应变温度交叉敏感问题，提出了基于粒子群(Particle Swarm Optimization， PSO)优化elman神经网络的温度补偿算法。首先，基于流体力学和FBG传感原理，设计了探针式FBG流量温度复合测量传感器，分析了流量温度复合传感机理；然后，搭建了流量温度复合测量实验平台获取测量数据，进行了误差分析；最后，利用PSO优化elman神经网络获取最优隐含层数和最优函数组合，构建PSO-elman算法模型对测量数据进行温度补偿，补偿后FBG传感器在流量2 m3/h～30 m3/h范围内，流量最大误差、均方误差分别为0.086 m3/h和0.0027 m3/h，温度最大误差为、均方误差分别为0.084 ℃和0.0017 ℃。实验结果表明：该传感器可实现管道内流体流量温度复合测量，结合PSO-elman算法可以有效降低应变温度交叉敏感引起的误差，显著提升传感器测量性能。

关键词：光纤布拉格光栅流量温度复合测量应变温度交叉敏感粒子群算法 elman神经网络

基于K-Means^(++)和elman神经网络的低压台区线损计算方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

半导体光电 2024年第3期45卷 477-484页

作者：张林山廖耀华王恩李波朱梦梦王毅云南电网有限责任公司电力科学研究院昆明650217 云南省绿色能源与数字电力量测及控保重点实验室昆明650217 重庆邮电大学通信与信息工程学院重庆400065

为了解决低压台区线损计算在理论上因线路复杂、用户众多以及数据获取困难等带来计算难度与精度不足的问题,提出了一种结合改进K-Means^(++)算法与elman神经网络的创新计算方法。深入分析了低压台区线损的决定因素,并依据相关性分析构... 详细信息

为了解决低压台区线损计算在理论上因线路复杂、用户众多以及数据获取困难等带来计算难度与精度不足的问题,提出了一种结合改进K-Means^(++)算法与elman神经网络的创新计算方法。深入分析了低压台区线损的决定因素,并依据相关性分析构建了线损的关键特征指标集。采纳主成分分析方法实施数据降维,简化数据结构。通过改进的K-Means^(++)算法对数据集进行有效聚类,优化模型训练过程。同时,整合粒子群优化算法进一步提升elman神经网络的性能。通过对实际数据进行仿真验证,结果证实所提出的方法在训练效率和计算精度方面表现优异。

关键词：线损相关系数改进K-Means++算法 elman神经网络

联合时序InSAR技术和CS-elman神经网络的板子沟地表形变监测与预测模型性能的评估

在线全文

学校读者我要写书评

暂无评论

地球物理学进展 2024年第3期 1003-1016页

作者：陈跨越王保云云南师范大学数学学院云南省现代分析数学及应用重点实验室

汶川县板子沟受2008年5月12日MS8.0大地震影响，造成沟谷内松散物源堆积，近年来滑坡、泥石流灾害频发.针对板子沟地质结构复杂且缺乏有效监测和预测自然灾害等问题，该研究提出一种联合InSAR技术和布谷鸟搜索算法改进elman （Cuckoo Se... 详细信息

汶川县板子沟受2008年5月12日MS8.0大地震影响，造成沟谷内松散物源堆积，近年来滑坡、泥石流灾害频发.针对板子沟地质结构复杂且缺乏有效监测和预测自然灾害等问题，该研究提出一种联合InSAR技术和布谷鸟搜索算法改进elman （Cuckoo Search-elman, CS-elman）神经网络的预测模型来对板子沟地区进行地表形变监测和预测.首先采用SBAS-InSAR和PS-InSAR技术处理覆盖板子沟的22景C波段Sentinel-1A数据，获取地表形变监测值.其次，利用相关性矩阵分析从高程等12个评价因子得出最优评价因子，从多因子角度结合地表形变监测值构建CS-elman预测模型.最后，通过对比实验分析CS-elman模型的合理性和优越性.结果表明：（1）SBAS-InSAR和PS-InSAR技术监测同名点雷达视线（Line of Sight, LOS）向形变速率之间的相关系数R2=0.91,具有较高的相关性，证明了两种技术联合分析的可行性；（2）分别选取训练样本数为198、298、398和498,得到CS-elman模型的预测值与InSAR技术的监测值之间的最大绝对误差分别为11.314 mm、6.188 mm、3.763 mm和2.191 mm，平均绝对误差（Mean Absolute Error,MAE）、均方误差（Mean Squared Error,MSE）、均方根误差（Root Mean Squared Error,RMSE）和平均绝对百分比误差（Mean Absolute Percentage Error,MAPE）也均为样本数为498时最小，分别为0.895 mm、1.712 mm、1.308 mm和5.55%;（3）随机选取518个样本数据，CS-elman模型的MAE、MSE、RMSE和MAPE分别为1.206 mm、2.052 mm、1.432 mm和6.09%，各项指标均优于elman模型，验证了CS算法能够有效提高elman模型的预测精度；（4）通过与GA-BP、CS-SVM模型的对比，验证了CS-elman模型在地表形变预测中的精度更高，该方法可作为板子沟长时间形变监测和预测的有效手段．

关键词：小基线集合成孔径雷达干涉测量永久散射体合成孔径雷达干涉测量布谷鸟搜索算法 elman神经网络形变监测预测分析泥石流自然灾害

基于PSO-elman神经网络的井底风温预测模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

工矿自动化 2024年第1期50卷 131-137页

作者：程磊李正健史浩镕王鑫河南理工大学安全科学与工程学院河南焦作454003 河南理工大学煤炭安全生产与清洁高效利用省部共建协同创新中心河南焦作454003

目前井下风温预测大多采用BP神经网络,但其预测精度受学习样本数量的影响,且容易陷入局部最优,elman神经网络具备局部记忆能力,提高了网络的稳定性和动态适应能力,但仍然存在收敛速度过慢、易陷入局部最优的问题。针对上述问题,采用粒... 详细信息

目前井下风温预测大多采用BP神经网络,但其预测精度受学习样本数量的影响,且容易陷入局部最优,elman神经网络具备局部记忆能力,提高了网络的稳定性和动态适应能力,但仍然存在收敛速度过慢、易陷入局部最优的问题。针对上述问题,采用粒子群优化(PSO)算法对elman神经网络的权值和阈值进行优化,建立了基于PSO-elman神经网络的井底风温预测模型。分析得出入风相对湿度、入风温度、地面大气压力和井筒深度是井底风温的主要影响因素,因此将其作为模型的输入数据,模型的输出数据为井底风温。在相同样本数据集下的实验结果表明:elman模型迭代90次后收敛,PSO-elman模型迭代41次后收敛,说明PSO-elman模型收敛速度更快;与BP神经网络模型、支持向量回归模型和elman模型相比,PSO-elman模型的预测误差较低,平均绝对误差、均方误差(MSE)、平均绝对百分比误差分别为0.376 0℃,0.278 3,1.95%,决定系数R^(2)为0.992 4,非常接近1,表明预测模型具有良好的预测效果。实例验证结果表明,PSO-elman模型的相对误差范围为-4.69%~1.27%,绝对误差范围为-1.06~0.29℃,MSE为0.26,整体预测精度可满足井下实际需要。

关键词：井下热害防治井底风温预测粒子群优化算法 elman神经网络 PSO-elman

基于改进elman神经网络的CFRP补强钢板界面脱粘预测研究

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2024年第3期43卷 120-127页

作者：王庆松张玉张洪雨陈柏桦中国石油大学(北京)安全与海洋工程学院北京102249 中油国际管道有限公司北京102206

针对碳纤维复合材料(carbon fiber reinforced polymer, CFRP)补强钢结构出现内部界面脱粘损伤后难以观测的问题,结合Lamb波检测方法和神经网络提出了一种界面脱粘预测方法。搭建了基于Lamb波的CFRP补强钢板信号分析试验平台,利用ABAQU... 详细信息

针对碳纤维复合材料(carbon fiber reinforced polymer, CFRP)补强钢结构出现内部界面脱粘损伤后难以观测的问题,结合Lamb波检测方法和神经网络提出了一种界面脱粘预测方法。搭建了基于Lamb波的CFRP补强钢板信号分析试验平台,利用ABAQUS软件建立了CFRP补强钢板的机电耦合有限元模型,并通过试验验证了有限元模型的准确性。将长方形和圆形两种脱粘形状的信号在时域和频域内进行分析,基于自适应遗传算法改进的elman神经网络建立了CFRP补强钢板脱粘预测模型,并将与脱粘面积相关性较高的信号特征数据作为预测模型的特征数据。对预测模型进行性能测试,脱粘形状为长方形和圆形预测值的平均绝对百分比误差分别为3.03%和8.06%,结果表明改进的elman网络对于脱粘损伤具有较好的预测精度。

关键词：界面脱粘 Lamb波碳纤维复合材料(CFRP) 脱粘预测 elman神经网络

基于改进SFLA-elman神经网络的电离层杂波抑制方法

在线全文

学校读者我要写书评

暂无评论

电讯技术 2024年第6期64卷 848-856页

作者：刘强尚尚乔铁柱祝健石依山江苏科技大学海洋学院江苏镇江212003

针对高频地波雷达目标检测中电离层杂波的干扰问题,提出了一种基于改进混合蛙跳算法优化elman神经网络预测抑制电离层杂波的策略。为解决混合蛙跳算法初始种群分布不均匀、收敛精度低、易陷于局部极值等问题,引入Cubic混沌映射、莱维飞... 详细信息

针对高频地波雷达目标检测中电离层杂波的干扰问题,提出了一种基于改进混合蛙跳算法优化elman神经网络预测抑制电离层杂波的策略。为解决混合蛙跳算法初始种群分布不均匀、收敛精度低、易陷于局部极值等问题,引入Cubic混沌映射、莱维飞行策略、非线性平衡因子和复制操作,增强种群多样性,提高算法搜索能力。利用改进后的算法和其他算法分别优化elman神经网络预测抑制模型,结果表明,改进后的算法无论是在收敛精度和稳定性上,还是在临近距离单元电离层杂波的预测抑制上,都取得了显著的提升。在基本保留目标信号的基础上,平均信杂比较原始回波提升18.52 dB,较原始混合蛙跳算法提升1.08 dB,对于电离层杂波的抑制具有较高应用价值。

关键词：高频地波雷达电离层杂波抑制混合蛙跳算法 elman神经网络莱维飞行

基于K-Means和elman神经网络的低压台区线损计算方法

在线全文

学校读者我要写书评

暂无评论

半导体光电 2024年 477-484页

作者：张林山廖耀华王恩李波朱梦梦王毅云南电网有限责任公司电力科学研究院云南省绿色能源与数字电力量测及控保重点实验室重庆邮电大学通信与信息工程学院

为了解决低压台区线损计算在理论上因线路复杂、用户众多以及数据获取困难等带来计算难度与精度不足的问题，提出了一种结合改进K-Means++算法与elman神经网络的创新计算方法。深入分析了低压台区线损的决定因素，并依据相关性分析构建... 详细信息

为了解决低压台区线损计算在理论上因线路复杂、用户众多以及数据获取困难等带来计算难度与精度不足的问题，提出了一种结合改进K-Means++算法与elman神经网络的创新计算方法。深入分析了低压台区线损的决定因素，并依据相关性分析构建了线损的关键特征指标集。采纳主成分分析方法实施数据降维，简化数据结构。通过改进的K-Means++算法对数据集进行有效聚类，优化模型训练过程。同时，整合粒子群优化算法进一步提升elman神经网络的性能。通过对实际数据进行仿真验证，结果证实所提出的方法在训练效率和计算精度方面表现优异。

关键词：线损相关系数改进K-Means++算法 elman神经网络