基于BP网络的康复机器人的智能控制技术

建立了5自由度上肢康复机器人的BP神经网络控制模型。在此模型基础上，通过对正常人肌电信号的训练学习，修正了网络权值，得到了较为理想的控制模型。最后，通过病人的肌电信号，得到了良好的输出结果。仿真实例表明，BP神经网络方法比传统方法收敛快，学习精度高，且具有较好的网络泛化能力，可以用于5自由度上肢康复机器人的智能控制。     

基于BP网络的康复机器人的智能控制技术

建立了5自由度上肢康复机器人的BP神经网络控制模型。在此模型基础上,通过对正常人肌电信号的训练学习,修正了网络权值,得到了较为理想的控制模型。最后,通过病人的肌电信号,得到了良好的输出结果。仿真实例表明,BP神经网络方法比传统方法收敛快,学习精度高,且具有较好的网络泛化能力,可以用于5自由度上肢康复机器人的智能控制。     

BP网络模型中激励函数的研究

人工神经网络中的BP网络模型在模式识别领域得到了广泛的应用,而激励函数的选取是影响BP网络性能的重要因素之一。本提出了一种新的BP网络激励函数,导出了该激励函数下BP网络权值和阈值的调整公式,对相似汉字识别的计算机仿真结果证实了网络良好的泛化性能。     

基于 BP 网络的 PI 控制器的研究

从ＢＰ网络的特点出发,讨论了基于ＢＰ网络的ＰＩ控制器的结构仿真结果表明：该系统不仅具有满意的动态特性,而且具有较强的鲁棒性与自适应性     

一种基于BP网络的PID控制器

针对PID控制中三个参数的整定问题,提出了一种基于BP神经网络的PID参数整定方法,并依据此种方法对某模型进行了仿真仿真结果表明此方法能较好的调整比例(P)、积分(I)和微分(D)的关系,使之达到一种比较理想的组合状态。     

一种基于BP网络的PID控制器

针对PID控制中三个参数的整定问题,提出了一种基于BP神经网络的PID参数整定方法,并依据此种方法对某模型进行了仿真仿真结果表明此方法能较好的调整比例(P)、积分(I)和微分(D)的关系,使之达到一种比较理想的组合状态.     

对提高BP神经网络泛化能力的分析和总结

BP神经网络是最著名的多层前向反馈式神经网络训练算法之一,如何提高BP神经网络的泛化能力成为人们研究的热点。本文从构造训练样本集、对样本集的处理、如何选取隐层节点以及对标准BP算法的改进这几个方面,对BP神经网络的泛化能力进行了分析和总结。     

基于多层BP网络算法的新研究

本文对多层BP网络进行了分析并对BP算法进行了数学描述,以两层神经网络为例来叙述了BP网络的训练步骤,探讨了BP算法的缺陷,由于BP算法本身固有的缺陷,所以要改进BP算法需要避免局部极小点的产生。     

BP神经网络在图像压缩中的应用

借助BP神经网络,采用改进的最速梯度下降法,编程实现了灰度图像的压缩与重现.在MATLAB环境下仿真实验结果表明,所设计的网络图像压缩效果良好,同时具有较好的泛化能力.     

基于BP网络的Kalman滤波在GPS导航中的应用

卡尔曼滤波是导航系统中最常用的数据处理方法。由于传统卡尔曼滤波导航定位的方法定位精度不高,针对导航系统中存在的不确定性和非先验性,导致滤波产生较大的估计误差,甚至发散。提出了将BP神经网络嵌入到该滤波器中的方法。通过实测数据计算结果表明该算法能够真实反映载体运动轨迹,具有良好的精度和可靠性。     

基于Kalman滤波的Fuzzy系统参数估计

模糊系统在现代工业、模式识别与人工智能、自动控制中起着重要的作用。论文研究了复模糊系统的参数估计 ,提出了用经典的 Kalman滤波来估计模糊系统参数的一种新方法。在实例分析中 ,将复模糊系统用于通信信道均衡 ,用专家知识对信道输出建立一个模糊规则库 ,可以提高算法的速度和准确率。用该文给出的经典的 Kalm an滤波与传统的迭代最小二乘 RL S法比较 ,结果是该文的方法不仅误码率比 RL S方法低 ,而且收敛速度更快 ,更加利于硬件实现。     

基于联邦卡尔曼滤波的某舰船组合导航系统的设计

为了得到更高精度的导航信息,在某船现有的固定指北惯性导航系统的基础上,将惯导与GPS结合,设计了一种基于联邦卡尔曼滤波的舰船用组合导航系统,研究了该组合导航系统的数据处理方法,并对该组合方式进行仿真,验证了可行性.     

基于不确定度量化加权的CKF算法

针对传感器网络中每个传感器节点的邻接节点状态估计值不确定度不同的问题,提出一种基于不确定度量化加权的一致性卡尔曼滤波算法(CKF).该算法通过考虑节点度数对于传感器网络估计精度的影响,结合节点度数提出了一种衡量邻接节点状态估计值不确定度的量化函数,并把量化值作为该邻接节点与当前节点的状态估计值偏差的融合权重引入一致性协议中,利用优化后的一致性协议对传感器节点先验估计值进行更新,可提高一致性卡尔曼滤波算法的估计精度;算法同时具有非一致性误差小和鲁棒性强等特点.最后在3种不同网络类型下,通过动态目标跟踪实验仿真验证了算法的有效性.     

一种基于Kalman滤波的异步电机转速控制器

为提高异步电机转速环的动态性能,提出一种新型的有速度传感器的转速控制器设计方案。该控制器结构简单,采用简化的Kalman滤波方法,同时观测电机的转速和负载转矩,通过对测量转速的滤波处理以及负载转矩观测值的前馈控制,提高转速环的动态响应。最后,在实验系统上分别设计了基于Kalman滤波的转速控制器和传统的比例积分(PI)转速控制器。实验结果表明,与传统的PI控制器相比,这种新型的转速控制器有效减小了突加负载时的动态速降,而且转速给定突变时实现转速无超调。     

基于卡尔曼滤波理论的实时交通信号控制研究

针对城市交通信号灯单独控制,以及信号配时固定等问题,提出一种基于卡尔曼滤波理论的实时交通信号控制方法。该方法利用卡尔曼滤波理论,对通过道路交叉口下阶段交通流量进行预测,并更新交通信号配时。通过对交叉口高峰小时交通流量实时调研,采用卡尔曼滤波理论预测交通流量后,对信号配时进行实时优化,并采用VISSIM软件对此交叉口进行仿真,仿真结果表明,车辆排队长度缩短,停车次数下降,通行效率得到大幅提高。     

基于Kalman滤波的一阶微分参量估计方法的研究

基于迭代Kalman滤波算法,提出了一种微分参量的估计方法,并将其应用于腕力传感器的一阶力微分信号的提取处理中．通过对观测信号建立AR模型和递推的使用Kalman滤波算法,有效地抑制了噪声强度从而提高了微分参量的计算精度,克服了直接计算法误差较大的缺点,同时还避免了因加装速度传感器而对原腕力传感器动态性能造成的影响．文中讨论了在均匀分布的背景噪声下如何估计原始信号的一阶微分参量的问题,并给出了仿真结果．试验表明该方法具有良好的计算精度和较强的收敛性．     

基于自适应Kalman滤波的输油管道状态估计

通过离散化输油管道瞬变流动控制方程,基于扩展Kalman滤波方法,用带有未知时变噪声统计的虚拟噪声补偿线性化模型误差,构造了鲁棒自适应Kalman滤波器,以进出口压力及站间测量点为系统的输入与输出向量,对输油管道进行状态估计,并将状态估计结果与实际运行采集数据进行对比.结果表明,该滤波器迭代收敛速度较快,其误差控制在3%以内.     

基于无迹卡尔曼滤波神经网络的光伏发电预测

针对光伏发电系统在不同天气状况下发电功率预测精度不高的问题,在分析传统方法的基础上,提出一种无迹卡尔曼滤波神经网络光伏发电预测方法。该方法利用无迹卡尔曼滤波实时更新神经网络模型的权重,以直流电压和电流作为系统的输入,以有功功率和无功功率作为系统的输出,分别建立两个独立的双输入单输出功率预测模型。实验结果表明:所提出的方法对有功功率和无功功率的预测精度分别为97.3%和94.2%,并且对天气具有良好的鲁棒性。     

BP神经网络在蜜网系统中的应用

介绍了BP算法的基本思想及其网络模型,蜜网中数据的处理流程.借鉴BP算法应用于入侵检测系统,将BP神经网络技术应用于蜜网系统中,提出了在蜜网中基于BP神经网络的数据处理模型及训练过程.