共查询到20条相似文献,搜索用时 781 毫秒
1.
为利用钻杆有效地随钻传输地面与井下之间的数据。本文应用声波无缝传输模型将任意钻柱组合分解为单个声波无缝传榆模型级联方法.根据某单个典型钻具无缝传输模型系统函数的S参数和声波钻井信道的传输特性,推导了在信道通带内某一频点等效传输函数.在Simulink环境下仿真了该S参数的等效传输函数,并仿真了将双口网络S参数构成单钻具系统函数进行级联构成多个钻具的联接的系统函数。最后根据双口网络参数性质,多钻具级联的系统函数等效为各级T参数的连乘,将S参数转化为T参数,得到多个相同钻杆级联后的模型系统函数特性,仿真结果将对随钻声波传输仪器的方案设计提供有力的技术支持。 相似文献
2.
3.
4.
5.
提出一种基于粒子群算法优化BP网络的权值调整新方法.该算法在基本BP算法的误差反传调整权值的基础上,再引入粒子群算法的权值修正,从而建立了基于粒子群算法优化的BP网络新模型.此模型不仅可以克服基本BP算法收敛速度慢和易陷入局部极值的局限,而且模型的精度较高,较好地提高了BP网络学习能力与泛化能力.将新模型应用于4个典型复杂函数的仿真实验,并与基本BP模型、基于遗传算法优化的BP网络模型(GA-BP)和传统的粒子群优化前向BP网络模型(PSO-BP前传)的仿真实验结果进行分析比较.仿真实例表明新PSO-BP优化模型性能尤其是泛化性能优于其它3种BP网络优化模型. 相似文献
6.
针对传统级联失效模型中冗余参数固定不变的问题,该文综合考虑节点受攻击程度不同和失效过程中网络拓扑的动态变化,建立了基于节点冗余容量动态控制(DRC)的级联失效模型.通过定义网络相变临界因子θ衡量节点失效引发级联失效的概率,分析了网络鲁棒性与θ之间的相关性,并结合度分布函数详细推导了θ的解析表达式,基于解析表达式提出了两种网络鲁棒性提升策略.仿真结果表明,在模型网络和真实网络中,根据被攻击节点度的不同,通过调整节点初始负载参数可以有效提高目标网络的鲁棒性;DRC模型下级联失效传播范围较τ Motter-Lai(ML)模型显著减小. 相似文献
7.
本文针对雷达杂波抑制中常用的时变级联滤波器,提出了两种实用的设计方法。第一种方法通过时变级联滤波器与时变非级联滤波器的等效来设计时变级联滤波器。该方法可以使时变级联滤波器具有最佳杂波滤波器的效果。第二种方法通过对总的等效滤波器的设计来得到级联滤波器第二级的权系数。分析表明,时变级联滤波器第二级的频率响应很难写出,但可以通过总的等效频率响应来体现。 相似文献
8.
9.
为了建立更实际的杂散电流预测模型,提出了一种基于BP神经网络的杂散电流腐蚀速度预测,通过构建BP神经网络模型,建立训练样本集,进行网络训练和网络仿真,得到了BP网络模型预测结果。预测结果表明该BP网络模型在埋地金属管道的杂散电流预测中具有一定的应用和推广价值。 相似文献
10.
11.
12.
13.
基于GA与L-M优化算法的变压器故障诊断研究 总被引:1,自引:0,他引:1
利用MATLAB环境建立一个用于变压器故障诊断的BP网络模型。首先利用具有全局寻优功能的遗传算法对BP神经网络的初始权值和阈值进行优化,然后采用L-M(Levenberg-Marquardt)优化算法对BP神经网络进行训练,从而达到加快网络训练速度,避免训练过程陷入局部极小点的目的。最后,详细记录网络的实际输出,并与期望输出做对比研究,最终证实了此网络达到了设计要求,可用于变压器的故障诊断。 相似文献
14.
15.
16.
遗传算法作为一种高效,并行的全局搜索优化方法,非常适合用于BP神经网络学习率的优化。文中通过基于遗传算法和BP神经网络提出了遗传-BP神经网络。以实验1、实验2、实验5、实验6、实验9、实验11、实验13和实验15下的高速铣削试验数据构建用于高速铣削工件表面粗糙度建模的训练样本对,并用回归的高速铣削工件表面粗糙度预测模型对实验3和实验7状态中的高速铣削工件表面粗糙度进行预测。通过比较表面粗糙度预测结果和实际结果,发现遗传-BP神经网络在高速铣削工件表面粗糙度进行建模方面是一种十分有效的方法。 相似文献
17.
18.
BP神经网络在电子战效能评估中的应用 总被引:1,自引:0,他引:1
利用BP神经网络算法对电子对抗干扰效果进行评估,根据干扰效果评定的诸因素的隶属函数确定其隶属度,以此作为神经网络输入层数据.然后,根据选定的训练样本对所构造的三层BP神经网络进行训练,再运用几组典型干扰对抗效果实验数据对该BP神经网络性能进行检验.结果表明BP网络已经训练好,用此BP神经网络评估电子对抗干扰效果是合理的,该方法减少了评估中的人为因素,使得评估结果更为可信. 相似文献
19.
说话人识别就是从说话人的一段语音中提取出说话人的个性特征,通过对这些个人特征的分析和识别,从而达到对说话人进行辨认或者确认的目的。神经网络是一种基于非线性理论的分布式并行处理网络模型,具有很强的模式分类能力及对不完全信息的鲁棒性,为说话人识别技术提供了一种独特的方法。BP(Back-propagation Neural Network)是一种非循环多级网络训练算法,有输入层,输出层和N个隐含层组成。首先概述了语音识别技术,介绍了BP神经网络训练过程的7个步骤及其模型,如何建立BP神经网络模型。同时介绍了与其相关的特征参数的提取,神经网络的训练和识别过程,最后,通过编程在Linux系统下实现说话人身份的识别。 相似文献
20.
为了控制激光熔覆成形薄壁金属制件的精度,分析了激光熔覆成形金属薄壁的工艺理论和影响因素。采用BP神经网络建立了激光功率、光斑直径、扫描速度和送粉率与金属零件壁厚的非线形关系模型和激光熔覆成形薄壁制件的精度控制系统。通过优化神经网络的权值和阈值,并引入动量因子和学习速率的自适应调整,克服了BP算法容易陷入局部最小值的问题。用实验参数作为训练样本对模型进行训练,并进行了误差分析。实验和仿真结果表明,训练样本和检验样本的最大相对误差分别为1.93%和1.19%,预测精度高。该网络模型可用于优化激光熔覆成形工艺参数和成形金属制件精度的在线实时控制。 相似文献