基于BP网络的混凝土碳化研究

运用改进的BP算法,建立了3 5 1(输入层为3个神经元,隐含层为5个神经元,输出层为1个神经元)混凝土碳化深度BP网络计算模型·计算模型以水灰比、单位水泥用量及砂率为输入,以碳化深度为输出,计算结果与试验结果符合较好·同时,运用改进的BP算法,建立了3 5 1(输入层为3个神经元,隐含层为5个神经元,输出层为1个神经元)混凝土碳化深度BP网络预测模型·预测模型以水灰比、单位水泥用量及混凝土暴露时间为输入,预测模型之一以暴露20年的混凝土碳化深度为输出,预测模型之二以暴露30年的混凝土碳化深度为输出,预测结果均较为理想·     

BP算法的改进

针对多层神经网络中由于隐含层神经元饱和而引起的局部极小值问题,提出一种改进的BP算法.每一种训练模式在隐含层的神经元都采用各自的传递函数,该改进算法的思想是当网络输出没有取得期望的结果时,修改传递函数以防止隐含层神经元饱和,这种改进的算法既不用改变网络的拓扑结构,也不会消耗更多的计算时间.     

基于BP网络的粉煤灰混凝土钢筋握裹力计算

基于改进的BP算法,建立了2个粉煤灰混凝土钢筋握裹力BP网络计算模型,模型1为2-6-1型,即该模型输入层为2个神经元,隐含层为6个神经元,输出层为1个神经元,模型1的输入为水胶比及粉煤灰掺量,输出为混凝土钢筋握裹力;模型2为2-8-2型,即该模型输入层为2个神经元,隐含层为8个神经元,输出层为2个神经元,模型2的输入为水胶比及粉煤灰掺量,输出为混凝土强度及钢筋握裹力.模型1混凝土钢筋握裹力计算相对误差为0.019 08%~3.128 92%;模型2混凝土强度及钢筋握裹力计算相对误差分别为2.248 55%~6.808 00%和0.112 74%~9.773 29%.计算结果较为理想.     

一种改进的Jacobi正交多项式的BP神经网络算法

 根据多项式理论,构造一种以Jacobi正交多项式作为隐层神经元激励函数的BP(back-propagation)神经网络模型.针对该网络,提出一种改进算法即隐层神经元数可快速确定的权值直接确定算法.首先介绍正交基函数和Jacobi多项式的定义,以及BP神经网络的基本原理.然后进行网络隐层数设计及其隐神经元数的确定,且设置各层连接权值、给出改进算法的步骤.最后,将其与传统矩阵迭代法和Levenberg-Marquardt训练算法进行比较.计算机实验结果表明,该算法具有比传统的BP迭代法更快的计算速度,并且能够达到更高的工作精度.     

基于传递函数优化后BP神经网络对泥石流的危险性预测

泥石流危险性预测的可靠性是防治工程建设与减灾救灾相关工作部署的关键,基于Back Propagation神经网络的预测方法,是目前实现危险性等级划分的有效方法之一。利用BP神经网络算法的非线性逼近能力,挑选陇南白龙江小流域26条典型泥石流沟道,结合当地实际情况,选取泥石流危险性的8个主要因素为输入层神经元,以样本数据危险等级为输出神经元,在测试单、双层隐含层网络性能的基础上,提出9种工况组合的传递算法搭配方案,利用L-M算法搜索最优解或者近似最优解,总结传递算法对泥石流预测模型精度的影响及算法的选择顺序。实验结果显示,隐含层采用tansig函数,输出层采用logsig函数,其模型总体误差最小,模型的R训练集、R验证集较大与R测试集分别为0.983 61、0.709 17和0.960 52,准确率达到96.1%。由此可见,选择合适的传递函数可提高网络模型的精准度,能准确划分泥石流风险等级。     

交通噪声预测的神经网络模型

运用 Matlab语言编程 ,构造预测交通噪声的 LM算法 BP神经网络模型 ,把预测因子 (轻、重型车流量、平均车速、受声点距路肩距离、敏感点高差 )作为样本输入到网络模型 ,噪声等效声级作为样本输出 ,反复训练网络 ,通过增加隐含层节点数、改进算法 ,以降低误差 ,缩短训练时间。     

基于模块化神经网络的船舶航迹航速预测

为提高船舶航迹航速预测精度,提出一种模块化神经网络MNN(modular neural network)船舶航迹航速预测方法。首先,利用归一化互信息与专家知识确定预测目标的辅助变量从而分解任务;然后,将RBF(radial basis function)神经网络和Elman神经网络用于子网络搭建,使用减法聚类算法确定初始子网络结构,在此基础上提出误差反馈方法将RBF神经网络训练的最大误差所对应的样本作为隐含层新增神经元并通过粒子群算法PSO(particle swarm optimization)优化RBF神经网络学习参数,运用性能函数动态调整Elman神经网络隐含层神经元数目以此构造模块化神经网络对目标进行预测;最后,实验结果表明模块化神经网络预测精度与网络结构均优于传统BP与RBF神经网络,证明了所提方法的有效性。     

基于MATLAB的自回归移动平均模型(ARMA)在股票预测中的应用

利用时间序列在t时刻的有效观测值去预测在某个未来时刻t+l的值,并建立自回归移动平均(ARMA)模型,以MATLAB为工具,亚泰集团360个交易日的数据作为样本,预测10天股市的收盘价;并与含有一个隐含层的BP网络模型进行对比,结果表明自回归移动平均(ARMA)模型算法对短期股价预测的精度较高.     

基于粒子群优化算法的最优极限学习机

针对极限学习机隐含层神经元个数选取的问题,提出以粒子群优化算法搜索最佳隐含层神经元个数,用极限学习机模型的测试准确率作为粒子群优化算法适应值的方法(PSO-ELM)。基于手写数字数据集digits分别对比了随机设置隐含层神经元个数的极限学习机、用粒子群算法优化的极限学习机输入权重和隐层偏置的极限学习机(PSO-ELM)、传统的BP算法以及SVM算法对手写数字的识别率,对比结果表明,粒子群优化算法得到的隐含层神经元个数在极限学习机中拥有较高的准确率。     

粗糙集和神经网络相融合的钻井安全评价模型

针对动态性、随机性和不确定性较强的钻井作业现场,开展了安全评价的研究。提出了一种基于粗糙集和BP神经网络对作业现场进行安全评价的方法。首先以粗糙集为基础来构建BP神经网络的前置系统,对采集到的样本数据进行属性约简。其次,根据约简结果以及作业当天的事故情况完成了BP神经网络输入层和输出层的设计,并根据输入层和输出层神经元的个数通过试凑法确定网络隐含层的神经元数量范围,并采用训练样本对不同神经元个数所对应的网络模型进行训练,选择网络误差最低的网络作为所构建的网络模型。最后,选取16 d的测试样本对网络进行验证,将网络的输出同作业现场的实际结果进行比较,有14 d的网络结果与实际结果相符,测试准确率达到了87.5%。     

改进的对数算法求解GFSINS的角速度

基于一种9加速度计配置方案,应用对数算法对无陀螺捷联惯导系统的角速度进行求解,对传统对数算法解算角速度进行了推导,详细分析了该方法解算角速度造成不能判断符号的原因,并针对此问题提出了积分法和一种准无陀螺方法来判断符号的解决方案.对传统对数算法和改进的对数算法解算角速度进行了仿真试验,验证了改进的对数算法可以判断解算角速度的符号.     

好奇心驱动的深度强化学习机器人路径规划算法

针对采用深度强化学习算法实现机器人路径规划任务中,训练前期随机性高导致奖励难获取问题,提出内在好奇心驱动的深度确定性策略梯度算法对连续型动作输出的端到端机器人路径规划进行研究。将环境获取的感知信息作为输入状态,输出机器人动作(线速度、角速度)的连续型控制量,在Gazebo仿真平台进行训练并验证。实验结果表明,基于内在好奇心驱动的深度确定性策略梯度路径规划算法可以较好地实现端到端的机器人路径规划,并且有利于解决训练前期奖励难获取问题,与离散型动作输出的深度Q学习网络模型进行了对比分析,结果表明本文算法决策控制效果更优越。在真实环境中进行了验证,在静态障碍和动态障碍的场景下,所提出算法可成功到达目标点。     

基于粒子群算法的固定时间多约束无人机轨迹规划

针对粒子群算法在轨迹规划时,将无人机视为质点,未考虑无人机的飞行时间、角度等参数的不足,提出一种数值方法结合粒子群算法的轨迹规划求解方法。首先,考虑到对每个时刻控制变量进行优化会耗费大量的时间,将无人机的飞行时间离散为一定数量的切比雪夫配点,在这些离散的配点处优化控制变量以减小计算负担;其次,将角速度作为控制变量,运用曲线拟合求解出角速度与时间的函数,经过积分求出无人机的角度、位置与时间的函数;再次,将结果代入粒子群优化模型并结合无人机运动学模型进行优化求解,根据分配的时间计算出最终的角速度、角度以及位置坐标;最后,在复杂环境下进行无人机轨迹规划仿真,通过与已有方法的对比,验证所提求解方法的有效性和可行性。结果表明,所提出的轨迹求解方法可以求出包括位置在内的各个运动学参数,规划出光滑的轨迹并且成功避开前进过程中的障碍物。所提方法有效提升了轨迹规划的求解维度,对实现智能自主化飞行有一定的参考价值。     

基于信息融合的大飞艇自适应姿态解算算法

现有计算大飞艇姿态角的平衡滤波算法虽然融合了加速度和角速度信息,但其未对加速度的适用条件进行分析,从而导致了积累误差和动态解算准确性问题.针对该算法的不足,提出了根据飞艇的不同运动状态来调整姿态解算算法的融合加速度和角速度数据的自适应姿态解算算法,并通过Matlab实验验证了算法的有效性.实验结果表明,该算法有效地解决了平衡滤波算法的不足,通过引入SMV(signalmagnitudevector,信号量向量),使大飞艇的运动状态得到了准确判断,从而使积累误差问题得到了有效改善,同时提高了大飞艇的动态解算准确性.     

基于船舶的GPS/单陀螺航向融合算法

研究一种应用于船舶的GPS/单陀螺航向融合算法.首先,根据陀螺输出的角速率来估算船舶航向角信息;然后,采用改进的卡尔曼滤波的GPS/单陀螺融合算法,估算出陀螺的航向角估计误差和陀螺的漂移;最后,得出船舶航向角的准确信息.试验结果表明,该融合算法使得航向角实际应用误差控制在±1°之内,其输出值相当平滑,是一种有效的航向角确定算法.     

欧拉角参数表示下姿态的二阶运动奇异性

由于姿态空间的拓扑结构可知,空间刚体姿态任意三参数表示的奇异性是不可避免的.通过求得关节空间和姿态空间的角速度和角加速度之间的关系,进而得到在12种欧拉角参数表示下,姿态在某些位形空间上都具有二阶运动奇异性.在获得各种欧拉角表示的一阶和二阶奇异位形后,在工程控制中就可以根据实际需要选择适当的欧拉角以避开这些奇异位形,避免驱动机构在输出动量和力矩时造成混乱.     

灵敏航天器快速倾斜机动的MCMG参数和力矩估算

该文研究灵敏航天器快速倾斜机动时微型控制力矩陀螺(MCMG)的参数估算问题。所得到的估算结果可供微型控制力矩陀螺群初步设计时选择设计参数。从航天器的动力学模型出发,给出了倾斜机动模式下MCMG最大框架角速度和输出力矩的估算方法。然后在给定机动任务的前提下,以某小卫星为例,对采用标准金字塔构型的微型控制力矩陀螺群的姿态控制系统进行了仿真验证。仿真结果显示出该估算方法的可行性。     

基于非线性滤波的捷联惯导系统罗经法对准改进算法

为提高捷联惯导系统初始对准的快速性和精确性,根据传统的平台惯导系统罗经法对准原理,提出包括水平对准和方位对准的捷联式罗经对准算法.给出了导航坐标系下加速度和角速率的修正值,经过姿态矩阵的转换对载体坐标系下的惯性测量组件输出值进行修正补偿.对不同初始姿态角误差和不同初始航向角的仿真表明,初始航向角的改变对系统影响较大,特别在大方位失准角情况下.采用UKF算法对非线性模型滤波的仿真结果显示,最大航向角误差从15′降至6′,证明将罗经法和UKF滤波方法相结合进行捷联系统初始对准是可行有效的.     

转速的图像测量方法

将数字图像处理技术用于转速的测量,提出了数字图像时间平均相关方法,将该方法与时间平成像结合,只需获得取被测物体在转动态下的一幅图像及其在静止状态下的一幅参考图像即可确定该物体的转速。     

智能车辆导航系统的模糊控制方法

针对背景噪声及转弯曲率变化对智能车辆导航系统的横摆角速度控制精度影响较大的问题,提出一种智能车辆导航系统的模糊控制方法.首先,进行不同坐标系的坐标变换,将目标车辆实际的物理坐标信息变换到易于建模处理的车辆局部坐标系统;接着,通过计算预瞄路径的非线性函数实时构建了目标虚拟路径,并给出了车辆目标路径的横摆角速度变化率;最后,以期望横摆角速度和整车质心侧偏角作为模糊控制器的输入,以车辆行驶两轮差速值作为模糊控制器的输出,设计导航模糊控制系统.计算机仿真和实测结果表明:文中方法具有较高的控制精度.