基于BP网络的超滤膜分离中药成分的分析与实现

从组成结构、工作原理以及网络模型等方面介绍BP神经网络.把神经网络的自学习自适应能力应用到中药成分的分离中,为大型非线性工业控制的工业参数提供参考,确定工艺条件,建立网络模型.     

微粒群算法参数的仿真分析

微粒群算法是近年来兴起的一种智能优化算法,而算法参数是影响算法性能和效率的关键,本文对微粒群算法的几个重要参数进行了深入的仿真分析,最终得出了能够保证算法收敛并具有一定指导性和有意义的结论。     

微粒群算法的可视化平台开发研究

微粒拜算法是近年来兴起的一种智能优化算法,微粒群算法的研究如果仅仅只停留在枯燥的公式和乏味的理论推导分析上的话,常常会使研究人员和用户不能正确的理解微粒群算法,基于此本文提出微粒群算法的可视化实现问题,即开发友好可视化的前台界面,通过前台上的控件和后台程序中参数之同的数据变换未解决优化问题,这样可大大缩短了算法的开发周...     

两大类典型前馈神经网络的性能比较研究

介绍了BP及RBF神经网络的基本理论,阐述了这两类算法的基本原理,其后从理论上对二者的性能进行了比较,最后在MATLAB环境下对具体的实例进行了仿真,结果表明RBF网络的泛化能力在多方面都优于BP网络,但是在解决具有相同精度要求的问题时,BP网络的结构要比RBF网络简单,因此,在应用中可以以此来指导神经网络的设计。     

三种现代优化算法的比较研究

现代最优化算法比较常见的有遗传算法、蚁群算法、微粒群算法、人工鱼群算法等。本文主要对前三种算法优化性能进行比较研究。首先介绍了三种算法的基本原理,然后总结了各自的优缺点并从原理和参数两个方面对三种算法进行了对比分析,最后以经典TSP问题为例进行了仿真研究并得出了一些指导算法适用范围的结论。     

高压双分裂输电线路四轮机器人动力学 建模与仿真研究

电力机器人服役于超高压强电磁特种作业环境下,机器人动力学模型是机器人机械结构设计、电气系统设计及控制器设计的关键,且动力学模型的精确度和复杂度直接影响机器人控制性能和机器人的运行速度。针对高压双分裂输电线路四轮移动带电作业机器人常规动力学建模方法计算量大、复杂、不利于机器人机构和控制器设计的问题,提出了一种基于分层递推结构的机器人动力学建模方法。通过分解作业过程中机械臂的运动,利用拉格朗日动力学建模方法对机器人的机械臂基本动作进行了动力学建模,得到了机械臂基本动作的统一动力学模型,通过递推得出了四轮移动机器人的完整动力学模型,最后,通过机器人作业现场获取的关节电机实时数据,在MATLAB软件中进行仿真实验,结果验证了本文机器人动力学模型的正确性,为机器人物理样机开发、控制器和关节驱动机构的设计与选型提供了理论依据。     

220kV 高压电力极端环境下带电作业 机器人控制方法研究

针对高压电缆极端环境下的大柔索输电导线、高空随机风载荷、高压输电线路超强电磁场干扰对于机器人控制的影响机制进行了探索研究,建立了大柔索输电导线和风载荷作用下机器人的控制模型,分析了高压输电线路的电磁场的基本特性,构建了机器人进出强电磁场的等效电路模型,通过对大柔性、风载荷、超强电磁场三种主要极端环境进行了有效的信息融合,并设计了相应的机器人控制算法,最后,通过仿真实验和现场作业试验验证了算法的有效性和工程实用性,与常规控制算法相比,该方法能够有效抑制大柔性强电磁输电线路及风载荷对于机器人运动控制的影响,机器人位姿检测与作业控制得到了进一步优化,机器人对于高压电力极端作业环境的自适应能力得到了进一步加强。