排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
2.
3.
4.
为解决风电叶片全尺寸双点疲劳测试中两激振器振动不同步问题,采用GA-Adam-BP神经网络与传统PID混合控制策略,并引入切换边界值判断控制权的归属。基于遗传算法的全局搜索能力对BP神经网络进行权值和阈值的初始化筛选,该方法利用适应度选择、交叉和变异遗传操作,从初始种群中筛选出高质量的个体作为网络的初始权值和阈值,避免神经网络陷入局部最优解。引入Adam算法计算参数的指数加权移动平均值,实现神经网络学习率的动态更新,避免了梯度集中与消失问题,有效减少学习路线的震荡,使收敛时间缩短。仿真与试验结果表明,相比BP神经网络,混合控制下的电机转速误差在3%以下,主-从激振器相位差范围为±1.3°,实现了叶片双点疲劳测试激振器间更优的同步控制。 相似文献
1