神经网络在光栅系统动态测量精度分析中的应用

设计了一种基于计量光栅的光栅全系统动态测量精度分析装置。针对实验所得的此光栅系统在五种不同速度下的动态测量误差，对误差特性进行了分析，并应用ＢＰ神经网络进行其误差分布特性的预测及动态测量误差的预报，结果表明ＢＰ神经网络可用于动态测量中的误差预报，从而可为动态测量误差预测、修正与补偿提供有效的手段和依据。     

绝对长度测量光栅及误差修正的研究

研究了一种新型的绝对长度测量光栅，讨论了其利用条形码结构确定绝对位置以及利用增量式痕道进行细分的工作原理，分析了利用平行于测量方向的刻线进行动态误差修正的方法，给出了误差修正的数学模型     

动态分光测色仪中的反射率误差修正

介绍了动态分光测色仪的工作原理,在大量实验的基础上确定了测试的电压值与反射率的换算关系,建立了反射率误差修正的神经网络模型,并应用ＲＢＦ网络实现了反射率误差修正,实验研究表明,该方法可应用于实际系统,从而解决了动态分光测色仪研制的关键问题。     

一种提高子孔径拼接测量精度的误差修正方法

干涉拼接测量技术主要用于大口径光学器件的测量，由于其能够测量出被测表面的细节，也开始应用于非球面的测量.拼接测量面临的主要问题是拼接测量过程中的误差累积，如何消除拼接误差，尤其对非球面拼接测量的误差修正，是干涉拼接测量的技术关键.本文就拼接误差修正中难以解决的随机误差与高阶波像差问题进行了研究，在研究拼接测量中所引入的误差的基础上，建立了拼接测量的误差修正模型，并提出误差随机修正的方法，实现随机误差和高阶波像差修正.根据所建立的模型和误差修正方法，进行实验验证，实验结果表明，利用误差随机修正技术能够修正随     

动态分光测色仪中的反射率误差修正

介绍了动态分光测色仪的工作原理．在大量实验的基础上，确定了测试的电压值与反射率的换算关系，建立了反射率误差修正的神经网络模型，并应用RBF网络实现了反射率误差修正．实验研究表明该方法可应用于实际系统，从而解决了动态分光测色仪研制的关键问题．     

基于PSO-BP神经网络的探空湿度太阳辐射误差修正

采用计算流体动力学(CFD)软件仿真太阳辐射偏干误差可获得无线探空仪的湿度修正因子,提高了湿度廓线的精度,有助于提升天气预报、气候预测及气象灾害预报预警能力。但湿度修正因子存在明显的时空分布特性,采用CFD方法对每条湿度廓线进行修正计算量庞大。针对这一问题,以CFD软件仿真出典型气压、太阳辐射量和太阳高度角下的温度误差作为数据样本,通过粒子群优化(PSO)的BP神经网络构建预测模型,对探空湿度太阳辐射温度误差进行预测,并利用饱和水汽压逼近公式推算湿度测量的修正因子。研究结果表明,以南京探空站某一天的探空数据作为测试对象,CFD计算和PSO-BP预测的湿度测量太阳辐射误差吻合度较好,说明PSO-BP神经网络预测方法能够对湿度廓线的太阳辐射偏干误差进行有效修正,而且可显著提高修正效率。     

基于nu - SVM的三坐标测量机空间相关动态误差建模

为了建立高精度的三坐标测量机动态误差修正模型,分析了三坐标测量机空间动态误差相关性的特点,介绍了所采用的建模方法支持向量机( nu - SVM)的基本原理和算法.利用双频激光干涉仪建立了MC850移动桥式三坐标测量机的单向动态误差分离装置,分离了不同空间位置下的单向动态误差.分别应用BP神经网络、nu - SVM建模方...     

转向器滚珠丝杆导程误差动态检测仪的研究

介绍了一种采用微型计算机的新型滚的丝杆动态检测仪的工作原理。系统结构，计算机接口电路，仪器误差分析及实验结果，其主要特征是采用同步位移比较原理进行绝对测量，采用误差修正技术修正仪器误差，以达到较仪器自身精度为高的检测精度。     

品格常数精确测定经验公式的探讨

用X光衍射仪测量晶格常数已有一套较完整的理论误差修正公式。[1]但在一些特殊情况下,如利用高低温装置进行测量时,由于热胀冷缩等原因,样品表面将显著偏离X光平面,此时原有的误差修正公式已不能满足测量的需要。笔者在Y-2A型X光衍射仪上进行了一系列模拟试验。找到了一个新的误差修正项,用此误差修正项修正时,在Y—2A型X光衍射仪上,可使误差范围σ<5×10~(-4)A°,     

NaI(Tl)γ能谱分析中谱漂移的分时动态修正方法

作者为解决NaI(Tl)γ谱仪在测量过程中谱漂移对解谱的影响,提出了一种软件分时动态谱漂移修正方法,并用3组份点源进行了检验.结果表明,修正后用神经网络方法解谱的误差由4.6%减少到3.0%.     

基于改进果蝇的混合小波神经网络交通流预测

为了提高交通流预测精度,提出了一种基于果蝇算法的混合小波神经网络模型.首先,选择果蝇优化算法对小波神经网络的初始参数进行调节,解决了小波神经网络预测对初始参数敏感的问题.其次,将迭代次数和当前解的情况作为搜索半径和种群规模的动态调整因子,对果蝇算法进行了改进,提高了果蝇算法的全局寻优能力和局部收敛速度.最后,鉴于小波神经网络预测误差存在一定的规律性,使用误差补偿法将调参后的小波神经网络与其他模型进行组合,进行二次误差提取.实验证明,所有混合模型均提高了交通流预测的准确度,其中,与随机森林模型的结合预测精度最高.     

基于递归神经网络模型的传感器非线性动态补偿

讨论了递归神经网络模型在传感器非线性动态补偿中的应用，给出了递归神经网络模型的结构及相应的训练算法．递归神经网络模型本身具有动态映射能力，其结构仅与输入层和中间层的节点数有关，且不需要知道被补偿传感器的结构特性(如输出、输入的最大延迟)等先验知识，简化了动态补偿器的结构设计．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．实验结果表明，经过补偿后的传感器具有期望的输入输出特性，应用递归神经网络对传感器进行非线性动态补偿是一种行之有效的方法．     

基于小波神经网络的短时客流量预测研究

提出了基于小波神经网络的短时客流预测方法。对具有动态性,受多种因素影响的城轨的客流量进行短时的预测。通过建立小波神经网络对于城轨进行每隔15 min客流量预测。示例结果表明,所建立的小波神经网络的预测模型比其他的典型的预测模型预测精度高,误差小。     

基于GA-BP神经网络的金精矿品位的预测

在对金矿生产过程进行大量实际调研工作的基础上,分别采用BP神经网络和遗传算法优化BP神经网络的方法,建立了金精矿品位的预测模型,以现场采集的978组数据作为样本,运用噪声平滑技术进行数据预处理,筛选了770组数据,运用其中的650组数据建模,并运用其余的120组数据对模型进行了验证.通过对两个模型的预测误差分析,得出用遗传算法优化的BP神经网络(GA-BP)预测精度更高,当预测相对误差在±2%范围内时,模型的预测精度达到97.5%.     

电力设备基于小波神经网络故障检测方法的仿真研究

提出了一种基于小波神经网络非线性观测器的故障检测方法。它是将规范正交的小波函数作为基函数网络中的基函数,得到小波神经网络。通过小波的去噪和神经网络的自学习功能,获取系统输入输出的非线性动力学特性,进而实时计算出残差并进行逻辑判决,可提高故障检测的速度和准确率。对同步交流电机的结构损伤故障进行了仿真,结果表明了该方法的有效性。     

基于FLANN的磁通门总场梯度计误差校正

针对磁通门磁力计轴间非正交、对应轴指向偏差、灵敏度不一致及零点漂移所引起的误差会降低总场梯度计的测量精度问题,建立了磁通门总场梯度计的测量误差模型,提出了一种基于函数链接型神经网络(FLANN)的总场梯度计误差校正方法,将2个磁场力计实际输出分别通过校正模型以构成理想的2个三轴磁力计,使输出与待测量一致.数值仿真及实验测试均证明了校正方法具有良好的收敛性,能显著地抑制总场梯度测量误差.     

基于IPSO-BP神经网络的坝基扬压力预测方法研究

针对坝基扬压力预测的传统BP神经网络模型初始权值和阈值随机性强、易陷入局部最优等局限,采用惯性权重动态调整的改进粒子群算法对BP网络的初始权值和阈值进行优化,建立了基于IPSO的BP神经网络坝基扬压力预测模型．通过算例验证算法的优越性及程序的准确性,并以某大坝多年扬压力监测数据进行工程实例应用,结果表明,IPSO—BP扬压力预测模型与传统BP模型相比,拟合相关系数大,统计误差小,预测精度更高．     

基于小波分解的色噪声预测

研究色噪声的预测．将小波分析理论与神经网络建模预测基本原理相结合，提出了基于小波分解的神经网络预测方法．通过对年平均太阳黑子数典型统计模型的预测，验证了该方法的预测效果．将该预测方法用于色噪声的预测研究，通过改变对色噪声的采样速率，分析了色噪声预测的可能性和效果．研究结果表明，色噪声是可以预测的；对其预测的误差随采样率的提高而减小；基于小波分解的神经网络预测方法的预测精度优于线性神经网络预测方法．     

利用相似日小波变换和多层感知机的短期光伏功率预测

为了提高光伏功率预测的准确性和可靠性,基于相似日小波变换和多层感知机建立智能光伏功率预测模型;将小波变换的多分辨率特点和多层感知机的非线性拟合能力结合起来,以有效地提高预报的可靠性.首先,选取相似日数据并归一化,并用小波变换对数据进行预处理;其次,训练多层感知机模型学习气象因素与光伏功率之间的映射关系;最后,基于沙漠知...