检索结果-南通市图书馆

中国计量学院学报 2005年第1期16卷 21-23页

作者：韦红雨田社平上海交通大学信息检测技术及仪器系上海200030

　给出了一种同时测量正弦波参数的方法.该方法基于递推预报误差(rpe)算法,采用递推结构,具有占用内存少、易于编程、能够进行在线测量、计算精度高等特点.并给出了部分试验结果.

关键词： rpe算法信号测量正弦递推预报误差同时测量在线测量试验结果计算精度波参数内存编程

在线全文

学校读者我要写书评

暂无评论

基于rpe算法的二阶测试系统特性参数估计

电气电子教学学报 2008年第4期30卷 1-3页

作者：田社平蔡萍上海交通大学电子信息学院上海200240

在检测技术专业课程"检测技术"的教学中,二阶测试系统特性参数的测定是重要的教学内容。针对传统方法要求测试系统阶跃响应的过冲要明显,而且响应中要出现多个过冲的缺点,本文讨论了一种基于递推预报误差(rpe)算法的测定二阶测试系统特... 详细信息

在检测技术专业课程"检测技术"的教学中,二阶测试系统特性参数的测定是重要的教学内容。针对传统方法要求测试系统阶跃响应的过冲要明显,而且响应中要出现多个过冲的缺点,本文讨论了一种基于递推预报误差(rpe)算法的测定二阶测试系统特性参数的方法,并给出了数值计算结果,表明该方法具有较高的估计准确度。本文的讨论可供从事检测技术专业课教学的教师参考。

关键词：检测技术二阶系统特性参数 rpe算法

在线全文

学校读者我要写书评

暂无评论

基于rpe算法的记忆多项式数字预失真研究

电子器件 2009年第3期32卷 616-619页

作者：郭明卫汪立新方耀杭州电子科技大学电子与信息系统研究所杭州310018 通信系统信息控制技术国家级重点实验室浙江嘉兴314001

数字预失真(DPD)是一种能有效地补偿功率放大器(PA)非线性失真的技术。基于记忆多项式预失真的非直接学习结构(ILA),采用rpe(Recursive Prediction Error)算法构造了非线性PA的自适应预失真模型,推导了该算法在预失真系统中的递推公式,... 详细信息

数字预失真(DPD)是一种能有效地补偿功率放大器(PA)非线性失真的技术。基于记忆多项式预失真的非直接学习结构(ILA),采用rpe(Recursive Prediction Error)算法构造了非线性PA的自适应预失真模型,推导了该算法在预失真系统中的递推公式,给出了计算机仿真结果,在相同参数下,通过与RLS算法在系统中的仿真结果进行比较,证明了该算法对消除PA非线性失真的有效性。

关键词：数字预失真功率放大器非直接学习结构 rpe算法

基于神经网络模型的传感器非线性校正(英文)

在线全文

学校读者我要写书评

暂无评论

光学精密工程 2006年第5期14卷 896-902页

作者：田社平赵阳韦红雨王志武上海交通大学电子信息与电气工程学院上海200030

讨论了BP神经网络模型在传感器非线性补偿中的应用。给出了相应的补偿方法,即采用两个相同的传感器对同一被测量进行不同的测量,其测量结果作为神经网络模型的输入,经过补偿后的传感器具有线性的输入输出关系。采用递推预报误差算法(PRE... 详细信息

讨论了BP神经网络模型在传感器非线性补偿中的应用。给出了相应的补偿方法,即采用两个相同的传感器对同一被测量进行不同的测量,其测量结果作为神经网络模型的输入,经过补偿后的传感器具有线性的输入输出关系。采用递推预报误差算法(PRE)训练神经网络,具有收敛速度快、收敛精度高的特点。以距离传感器为例,将基于BP神经网络的校正方法应用于减少距离传感器的非线性输出误差。实验结果表明,将训练后的神经网络接入距离传感器可以得到线性的输入-输出关系,增加神经网络隐层节点的数目可以提高校正精度。当隐层节点数取为40时,用于距离传感器非线性校正的神经网络模型在训练100步后的误差指数(EI)为9.6×10-6。结果表明:本文提出的基于神经网络模型的传感器非线性校正方法是行之有效的。

关键词： BP神经网络 rpe算法传感器非线性补偿

在线全文

学校读者我要写书评

暂无评论

基于前馈神经网络的人工嗅觉系统

西北工业大学学报 1999年第B12期17卷 124-128页

作者：曲建岭王磊西北工业大学

从分析气体传感器的“交叉敏”行性出发，提出了将气体传感器阵列与前馈神经网络的相结合，形成人工嗅觉系统，用于气体的定性、定量分析；构造了前馈神经网络的结构和基于递推预报误差（rpe）的网络训练算法；优选了用于识别CO、H2、CH... 详细信息

从分析气体传感器的“交叉敏”行性出发，提出了将气体传感器阵列与前馈神经网络的相结合，形成人工嗅觉系统，用于气体的定性、定量分析；构造了前馈神经网络的结构和基于递推预报误差（rpe）的网络训练算法；优选了用于识别CO、H2、CH4三种气体的传感器阵列；建立了用于气体分析的实验条件，并通过实验验证了前馈神经网络用于气体识别的可行性。

关键词：前馈神经网络 rpe算法气体传感器阵列人工嗅觉系统气体识别气体定性分析

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

用简单动态递归网构造固体散料流量模型

北京科技大学学报 2003年第1期25卷 79-82页

作者：赵林惠郑德玲尹众北京科技大学信息工程学院北京100083 北京航空航天大学自动化与电气工程学院北京100083

提出了用简单动态递归网来建立固体散料流量模型.针对动态递归网结构复杂、训练算法收敛速度慢的缺点,采用一种结构十分简单的递归网.对rpe算法进行了改进和补充,使之适用于简单递归网,用来对网络的权值和阈值进行调整.建模结果表明此... 详细信息

提出了用简单动态递归网来建立固体散料流量模型.针对动态递归网结构复杂、训练算法收敛速度慢的缺点,采用一种结构十分简单的递归网.对rpe算法进行了改进和补充,使之适用于简单递归网,用来对网络的权值和阈值进行调整.建模结果表明此方法收敛速度快,精度高.

关键词：简单动态递归网固体散料流量模型网络结构 rpe算法网络结构权值阈值模型建设神经网络

简单动态递归神经网络在非线性系统辨识中的应用

在线全文

学校读者我要写书评

暂无评论

河北科技大学学报 2009年第2期30卷 130-134,179页

作者：杜云田强杜艳张苏英王畅河北科技大学电气信息学院河北石家庄050018 石家庄市房管局河北石家庄050081 深圳市三川通用设备有限公司广东深圳518054

提出了用一种结构非常简单的动态递归神经网络(SRNN)辨识非线性系统的方法。该方法研究了在递归层不加权的网络简单拓扑结构,推导出SRNN的预报误差(rpe)学习算法,并对算法进行了补充和改进。仿真实验结果表明,这种网络需要调整的权系值... 详细信息

提出了用一种结构非常简单的动态递归神经网络(SRNN)辨识非线性系统的方法。该方法研究了在递归层不加权的网络简单拓扑结构,推导出SRNN的预报误差(rpe)学习算法,并对算法进行了补充和改进。仿真实验结果表明,这种网络需要调整的权系值少,且改进后的学习算法简单、辨识速度快、模型精度高,解决了一般动态递归网络因网络拓扑结构复杂造成的训练算法复杂、收敛速度慢的问题,可以实时应用。

关键词：动态递归神经网络系统辨识非线性系统 rpe算法

基于DRNN的直线永磁同步电机精密位置控制

在线全文

学校读者我要写书评

暂无评论

机床与液压 2008年第8期36卷 248-251页

作者：周振雄杨建东曲永印长春理工大学机电工程学院长春130022 北华大学电气信息工程学院吉林132013

对直线永磁同步电机伺服系统提出了一种基于动态对角递归网络补偿器的IP位置控制方案。在对比干扰观测器前馈IP位置控制器的基础上,利用动态对角递归网络(DRNN)具有内部反馈结构和动态映射能力对系统参数变化和扰动具有较强鲁棒性的特点... 详细信息

对直线永磁同步电机伺服系统提出了一种基于动态对角递归网络补偿器的IP位置控制方案。在对比干扰观测器前馈IP位置控制器的基础上,利用动态对角递归网络(DRNN)具有内部反馈结构和动态映射能力对系统参数变化和扰动具有较强鲁棒性的特点,设计出DRNN非线性补偿器,并提出一种改进的rpe学习算法加快权值调整速度、节约在线训练时间。仿真表明该方案能明显改善位置跟踪精度并增强系统鲁棒性。

关键词：直线永磁同步电机动态对角递归网络 rpe算法

在线全文

学校读者我要写书评

暂无评论

基于混合神经网络的非线性动态系统建模

基于混合神经网络的非线性动态系统建模

作者：许兴华北京化工大学

学位级别：硕士

为了弥补单一的神经网络在非线性动态系统建模和应用中表现出来的易陷入局部最小值、训练时间长、校验精度低、泛化能力差等缺点和不足，更好地发挥神经网络在系统辨识中表现出来的高度非线性、自组织、自适应、自学习等特性，本文提出... 详细信息

为了弥补单一的神经网络在非线性动态系统建模和应用中表现出来的易陷入局部最小值、训练时间长、校验精度低、泛化能力差等缺点和不足，更好地发挥神经网络在系统辨识中表现出来的高度非线性、自组织、自适应、自学习等特性，本文提出了B样条网络与对角递归神经网络相结合的混合神经网络拓扑结构。其中，B样条网络负责系统中的非线性映射部分;线性对角递归网络则主要反映系统的动态特征。作者将CSTR模型和聚酯生产过程作为仿真对象，分别采用最小二乘学习方法和rpe学习方法，利用串联和并联的混合网络对仿真对象的建模进行实验。仿真实验的结果表明：采用最小二乘学习方法的混合神经网络能够以较高的精度和较快的速度为输出可测的非线性动态系统建模;而利用rpe学习方法则可以为输出不可测的复杂的非线性动态系统建立精度较高的模型。实验结果还证明了混合神经网络能够降低单个网络的训练难度，改善采用单一神经网络建模过程中存在的精度不高以及训练时间长等不足，同时为非线性系统控制策略的求解提供方便。针对神经网络“黑箱”性体现出的不能充分利用系统已知因素的缺点，作者进行了神经网络“白盒化、透明化”研究，提出了结构逼近式混合神经网络的拓扑结构，使得混合网络的结构能够与现实系统变量相对应，赋予网络单元物理意义，充分利用系统内部已知因素为系统建立精确模型。

关键词：混合神经网络 B样条网络对角递归网络递推最小二乘 rpe算法结构逼近式混合网络

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于BP神经网络的传感器非线性补偿

测试技术学报 2007年第1期21卷 84-89页

作者：田社平赵阳韦红雨王志武上海交通大学电子信息与电气工程学院上海200030

由于传感器本身的非线性特性以及传感器在测量过程中外界环境因素的影响,使得传感器的输入输出特性呈现出非线性.讨论了BP神经网络模型在传感器非线性补偿中的应用.给出了相应的补偿方法,即采用两个相同的传感器对同一被测量进行测量,... 详细信息

由于传感器本身的非线性特性以及传感器在测量过程中外界环境因素的影响,使得传感器的输入输出特性呈现出非线性.讨论了BP神经网络模型在传感器非线性补偿中的应用.给出了相应的补偿方法,即采用两个相同的传感器对同一被测量进行测量,其测量结果作为神经网络模型的输入,经过补偿后的传感器具有线性的输入输出关系.采用递推预报误差算法训练神经网络,具有收敛速度快、收敛精度高的特点.试验结果表明,应用神经网络对传感器的非线性进行动态补偿是一种行之有效的方法.

关键词： BP神经网络 rpe算法传感器非线性补偿