排序方式: 共有39条查询结果,搜索用时 15 毫秒
1.
2.
一种改进的BP网络快速算法 总被引:8,自引:0,他引:8
BP神经网络已广泛应用于许多领域,但标准BP算法收敛速度很慢.为了提高标准BP算法的收敛速度,提出一种基于LM数值优化算法,以双极性S型压缩函数为转移函数的改进BP算法.分析了双极性S型函数及LM算法与BP神经网络具体结合实现的方法,并给出了算法步骤.通过实例证明,改进后算法的收敛速度比其它BP算法快. 相似文献
3.
为了提高光伏发电系统的太阳方位跟踪精度,降低太阳方位跟踪装置的制造成本,提出了一种新的太阳跟踪方法及跟踪装置。该方法通过将太阳方位角及高度角的参数进行换算,得到与之对应的两个驱动转角参数,根据这新的参数驱动太阳能电池板进行万向节式的运动以跟踪太阳。新设计的跟踪装置包括太阳方位监测模块、参数计算模块、驱动装置、自方位误差测定模块以及反馈控制模块,能及时采集太阳方位参数进行换算,并且能够根据太阳能电池板方位误差修正实时联动的频率与步幅。新型太阳方位跟踪装置跟踪精度高,跟踪时间间隔小,结构简单且造价低。 相似文献
4.
滚动轴承早期故障信号的特征提取通常都会受到强噪声的影响,难以得到有效信息,因此提出了广义形态滤波和变分模态分解(variational mode decomposition,VMD)相结合的方法。首先利用不同结构元素构成的广义形态滤波去除故障信号中噪声信息的影响,突出故障信号的冲击特征;其次运用VMD对处理过后的信号进行分解,得到若干个模态分量;然后由峭度准则选取故障信息最为丰富的模态分量进行包络谱分析,获取滚动轴承的故障特征频率。通过对仿真信号和实测数据的处理结果表明,方法对噪声的去除效果显著,获取故障特征频率也十分明显,能够作为滚动轴承故障诊断的有效方法。 相似文献
5.
6.
神经网络具有非线性函数逼近能力,常用于非线性趋势预测。为了预测旋转机组故障特征量的非线性发展趋势,提出指数加权量子神经网络。参考传统的BP(backpropagation)神经网络及指数平滑的预测方法,将量子计算与神经网络相结合,选择误差修正学习算法,并在神经网络输入层进行指数加权,构建三层指数加权量子神经网络。该网络具有非线性逼近能力,并且能通过指数加权系数反映近期和远期历史数据对将来预测值的不同贡献程度。在将指数加权量子神经网络应用于大型旋转机组故障特征量的非线性趋势预测时,实验结果表明该网络训练的速度与预测的精度均好于传统的BP神经网络预测。 相似文献
7.
8.
随着风力发电行业的快速发展,风力发电机组装机数量迅猛增加。然而恶劣的工作环境导致风力发电机组故障率较高。通过故障诊断技术及时发现设备存在的故障,进而确保发电机组安全可靠运行,是降低事故的有效途径。提出一种风力发电机组早期故障诊断的方法,通过对风力发电设备运行状态进行实时监测并进行趋势预测,及时发现运行过程中存在的故障隐患,并利用信号处理方法 EEMD对故障信号进行分析处理,提取故障特征信息,进而诊断故障发生的原因和部位等情况,最后综合评价决策釆取适当的应对措施,并通过实验验证了该方法的有效性。 相似文献
9.
10.
为了有效解决数控机床领域,由于知识没有结构化描述,导致知识获取效率低的问题以及实现知识重用和知识共享,通过对该领域Web文本中机床知识进行研究,分析文本结构特点,提出一种基于本体的数控机床知识抽取方法。对爬虫程序获取的文档进行预处理,通过模式匹配的方式抽取Web文本中存在上下位关系的语句,经过中文分词系统ICTCLAS分词处理后抽取概念,构建概念集合和概念树,最终构建领域本体并以OWL语言储存。实验中对随机选取的网页进行知识抽取,并采用对比实验,证明该方法能有效地对数控机床领域中半结构化和结构化Web文本信息进行获取。 相似文献