期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到10篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于多层感知机模型的稻麦双变量精准施肥机排肥策略 被引量：1
1
作者 施印炎 辛亚鹏 +3 位作者 汪小旵 郑恩来 沈成 张昭 《农业工程学报》 北大核心 2025年第10期51-60,共10页
变量施肥是实施精准农业的重要技术途径,转速、开度双重调节的外槽轮式变量施肥方式是稻麦轮作区作物施肥的典型方式。针对目前变量施肥机控制系统响应速度慢、预测模型不准确,引起排肥量误差大、成效不显著的问题,该研究基于自主研制... 变量施肥是实施精准农业的重要技术途径,转速、开度双重调节的外槽轮式变量施肥方式是稻麦轮作区作物施肥的典型方式。针对目前变量施肥机控制系统响应速度慢、预测模型不准确,引起排肥量误差大、成效不显著的问题,该研究基于自主研制的稻麦双变量精准施肥机,运用数理统计和机器学习方法,提出一种基于多层感知人工神经网络的排肥量预测模型,并对其有效性和适用性进行验证。通过分析莱维飞行算法(levy flight algorithm,LFA)、粒子群算法(particle swarm optimization,PSO)和多层感知器神经网络模型(multilayer perceptron,MLP)的算法机理,结合开度-转速双变量排肥方法,构建LFA-PSO-MLP(LPM)排肥量预测模型;引入开度-转速-排肥量关系模型,利用归一化、正则化等方式改善算法结构,开展参数优化和模型训练,并对比MLP和PSO-MLP模型,得到LFA-PSO-MLP排肥量最优预测模型;构建ILPM(inverse LFA-PSO-MLP)预测模型作为施肥机的神经网络模型,根据目标排肥量快速计算所需开度和转速。试验结果表明:LFA-PSO-MLP模型在拟合50次左右收敛,拟合500次后的R2值为0.999,平均相对误差(average relative error,ARE)为1.83%,均优于其他两种模型。LPM验证集验证试验中,预测值与验证值的平均相对误差为2.47%,田间试验的预测值与实测值的平均相对误差为3.49%;ILPM验证试验中,转速预测的平均相对误差为1.82%,目标排肥量与实际排肥量的最大相对误差为7.26%,平均相对误差为6.09%,施肥机排肥效果较好。所提模型能够在保证排肥量预测精度的同时提升运算效率,实现快速、精准、高效的变量施肥,改善生态效益和经济效益。 展开更多
关键词 算法 粒子群 莱维飞行 多层感知机神经网络 双变量排肥策略
在线阅读 下载PDF
Koopman原理内嵌MLP神经网络模型驱动的电力系统非线性振荡特征分析方法 被引量：1
2
作者 周一辰 李金泽 +3 位作者 李永刚 陈鹏伟 郭通 孙浩潮 《电力自动化设备》 EI CSCD 北大核心 2024年第10期132-139,共8页
针对电力系统非线性动态特性表征与物理机理融合不清晰、精度低的问题,提出了一种Koopman原理内嵌多层感知机(MLP)神经网络模型驱动的电力系统非线性特性表征与分析方法。阐明了Koopman算子的基本原理,分析了Koopman算子在非线性系统时... 针对电力系统非线性动态特性表征与物理机理融合不清晰、精度低的问题,提出了一种Koopman原理内嵌多层感知机(MLP)神经网络模型驱动的电力系统非线性特性表征与分析方法。阐明了Koopman算子的基本原理,分析了Koopman算子在非线性系统时序演化中的作用。采用MLP神经网络构建编码、解码映射,进而形成Koopman原理内嵌的神经网络深度学习模型,通过深度学习实现非线性系统“编码映射-线性演化-解码映射”3种结构的演化逼近。分析了将所提方法应用于电力系统动态特性分析的物理机理,建立了所提方法的求解与应用流程。通过单机与4机系统算例对所提方法进行对比验证,结果表明所提方法可以精确表征平衡点稳定域内的系统动态过程,可用于电力系统非线性振荡动态特性解析。 展开更多
关键词 电力系统 非线性振荡 Koopman算子理论 多层感知机神经网络 科学人工智能
在线阅读 下载PDF
基于改进U-Transformer模型的金刚石刀刃异常检测算法
3
作者 王大伟 李丛 朱长水 《现代制造工程》 北大核心 2025年第7期120-128,共9页
针对金刚石刀刃缺陷特征差异大、缺陷样本少的问题,提出了一种基于改进U-Transformer特征重建模型的金刚石刀刃异常检测算法。该方法仅需使用正常样本训练即可完成异常区域的检测与定位。首先,利用冻结的预训练深度卷积神经网络(Convolu... 针对金刚石刀刃缺陷特征差异大、缺陷样本少的问题,提出了一种基于改进U-Transformer特征重建模型的金刚石刀刃异常检测算法。该方法仅需使用正常样本训练即可完成异常区域的检测与定位。首先,利用冻结的预训练深度卷积神经网络(Convolutional Neural Networks,CNN)模型提取多尺度融合特征,放大正常图像与异常图像的差异;然后,构建基于U型Transformer结构的编码器-解码器特征重建模型,计算重建特征与输入特征的特征相似性,生成相似性响应图;最后,为消除正常区域的噪声响应,利用多层感知机(Multi-Layer Perceptron,MLP)网络估计异常比例因子,修正相似性响应图,得到异常分数图。实验结果表明,提出的方法在金刚石刀刃缺陷数据集上Image AUROC指标为0.989,Piexl AUROC指标为0.992,能够满足金刚石刀刃异常检测需求。 展开更多
关键词 金刚石刀刃 异常检测 U-Transformer模型 预训练 多层感知机网络 特征重建
在线阅读 下载PDF
基于多特征因子的路用集料粒径计算神经网络模型 被引量：6
4
作者 裴莉莉 孙朝云 +3 位作者 户媛姣 李伟 高尧 郝雪丽 《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2020年第6期77-86,共10页
在道路施工及养护过程中,高效、准确地测量沥青混合料中的集料级配是保证混合料骨架结构稳定及施工质量的重要环节。针对基于单一几何模型应用在粗集料颗粒分档时,存在粒径计算不准确、无法满足施工要求的问题,文中提出一种基于多特征... 在道路施工及养护过程中,高效、准确地测量沥青混合料中的集料级配是保证混合料骨架结构稳定及施工质量的重要环节。针对基于单一几何模型应用在粗集料颗粒分档时,存在粒径计算不准确、无法满足施工要求的问题,文中提出一种基于多特征因子的路用集料粒径计算神经网络模型,实现对集料颗粒粒径的准确计算。首先,对采集到的集料颗粒图像进行几何特征提取,并对提取到的特征数据进行数据清洗和归一化等处理,建立样本数据集;然后通过相关性分析,提取出与集料粒径相关性较强的特征因子;最后,构建多层感知机(MLP)神经网络模型对数据集进行训练,并采用敏感性分析得到用于表征集料粒径的重要特征权重,实现对集料粒径的准确计算。结果表明,文中提出的集料粒径计算方法与卡尺法测量的结果拟合精度较高(相关系数R2=0.91),与二阶矩、等效椭圆等传统几何模型方法相比不仅明显提高了精度,而且可以实现快速虚拟筛分,显著提升后续的筛分效率。 展开更多
关键词 集料粒径 多特征因子 几何特征 相关性分析 虚拟筛分 多层感知机神经网络
在线阅读 下载PDF
基于深度学习的小麦籽粒锌含量预测及安全利用分区
5
作者 李清彩 陈娟 +3 位作者 赵庆令 蔡图 韩文撑 褚琳琳 《农业环境科学学报》 CAS CSCD 北大核心 2024年第10期2248-2259,共12页
为实现对小麦籽粒Zn含量的精准预测及安全利用分区,以济宁南部小麦种植区为研究对象,采集并测定了小麦籽粒中Zn及根际土壤样品中SiO_(2)、Fe_(2)O_(3)、MgO、CaO、Na_(2)O、K_(2)O、OrgC、P、N、S、Zn和pH等12种理化指标的含量,系统研... 为实现对小麦籽粒Zn含量的精准预测及安全利用分区,以济宁南部小麦种植区为研究对象,采集并测定了小麦籽粒中Zn及根际土壤样品中SiO_(2)、Fe_(2)O_(3)、MgO、CaO、Na_(2)O、K_(2)O、OrgC、P、N、S、Zn和pH等12种理化指标的含量,系统研究了小麦籽粒中Zn含量及其根际土壤理化指标含量特征,利用多层感知机神经网络和随机森林模型对小麦籽粒Zn含量变化特征进行预测,选择最优模型预测出济宁南部区域小麦籽粒Zn含量,并结合GIS技术划分了贫锌、缺锌、足锌和富锌农田。结果表明:济宁南部区域小麦籽粒中Zn含量平均值(39.7 mg·kg^(-1))与富锌小麦籽粒推荐值基本持平,超出黄淮麦区小麦籽粒Zn平均含量1.32倍;经相关分析和聚类分析得出,小麦籽粒Zn与根际土壤理化指标之间相互作用、相互耦合,存在着较为复杂的非线性关系;多层感知机神经网络预测模型的R^(2)(0.999)、RMSE(0.194)和MAE(0.146)等评价指标均优于随机森林模型;根际土壤中P、pH、OrgC和N指标是影响多层感知机神经网络预测相对重要的特征变量;研究区以足锌农田和缺锌农田为主,面积占比分别为57.47%和33.97%,谨慎利用贫锌区和安全利用富锌区农田面积占比分别为6.05%和2.51%。通过深度学习与农业地质相结合,利用多层感知机神经网络实现了通过简单土壤理化指标精准预测小麦籽粒锌含量。 展开更多
关键词 深度学习 多层感知机神经网络 随机森林 小麦 锌 安全利用
在线阅读 下载PDF
基于多过程信号的轧辊磨削表面粗糙度智能预测 被引量：3
6
作者 蔡恩磊 王立平 +3 位作者 孙丽荣 杨金光 王冬 李学崑 《机电工程》 CAS 北大核心 2022年第10期1462-1469,共8页
由于轧辊磨削表面粗糙度预测困难,且其预测精度不足,为此,笔者提出了一种基于多过程信号的轧辊磨削表面粗糙度智能预测方法。首先,以砂轮转速、磨削深度、拖板速度和头架转速为变量,对轧辊进行了全因素磨削实验,采集了磨削过程中的多过... 由于轧辊磨削表面粗糙度预测困难,且其预测精度不足,为此,笔者提出了一种基于多过程信号的轧辊磨削表面粗糙度智能预测方法。首先,以砂轮转速、磨削深度、拖板速度和头架转速为变量,对轧辊进行了全因素磨削实验,采集了磨削过程中的多过程信号,即声发射信号、振动信号和主轴电流信号,测量了磨后轧辊的表面粗糙度;对信号进行了分段处理,强化了信号与粗糙度的关联,并对粗糙度进行了离散化处理,将回归问题转化为分类问题;然后,提取了各类信号在时域和频域上的众多特征值,并利用主成分分析法(PCA)对其进行了特征降维融合,构建了多种类型的特征输入;最后,利用网格搜索法优化了多层感知机(MLP)网络,得到了粗糙度的预测模型,实现了对轧辊磨削表面粗糙度的智能预测。研究结果表明:相较于单信号方案,多信号方案能够提供更全面、准确的信息;基于PCA的降维融合特征能进一步提高MLP网络的预测效果,其准确率为78.16%,F1值为0.7776,平均偏离距离为0.29。 展开更多
关键词 全因素磨削实验 声发射信号 网格搜索法 多过程信号 降维融合特征 主成分分析法 多层感知机网络 粗糙度预测模型
在线阅读 下载PDF
水文时间序列趋势预测挖掘系统研究 被引量：5
7
作者 赵瑜 王志坚 +1 位作者 尹燕敏 杨敏 《计算机工程》 CAS CSCD 北大核心 2003年第2期158-160,共3页
讨论了时间序列趋势预测研究的现状和典型方法，并在时间序列预测中引入神经网络方法。介绍了水文时间序列趋势预测挖掘系统的设计与实现，详细分析了系统采用的时间序列预测的神经网络方法。
关键词 水文时间序列 趋势预测 水文数据库 人工神经网络 数据挖掘系统 函数近似 多层感知机神经网络 径向基函数神经网络
在线阅读 下载PDF
基于双参数自适应优化的无人履带车辆轨迹跟踪控制 被引量：8
8
作者 卢佳兴 刘海鸥 +3 位作者 关海杰 李德润 陈慧岩 刘龙龙 《兵工学报》 EI CAS CSCD 北大核心 2023年第4期960-971,共12页
为解决定参数轨迹跟踪控制器工况适应性差的问题,基于改进粒子群优化(IPSO)、多层感知机(MLP)算法,设计一种双参数自适应优化的无人履带车辆轨迹跟踪控制算法。离线状态下,基于采集的实车数据,以轨迹跟踪的高精度、高稳定性、低时间成... 为解决定参数轨迹跟踪控制器工况适应性差的问题,基于改进粒子群优化(IPSO)、多层感知机(MLP)算法,设计一种双参数自适应优化的无人履带车辆轨迹跟踪控制算法。离线状态下,基于采集的实车数据,以轨迹跟踪的高精度、高稳定性、低时间成本为目标,利用IPSO算法构建了不同运动基元下的最优参数组合数据集,并以运动基元类型和车速等为特征向量,控制时域长度、时间步长为标签,采用学习率自适应优化算法完成MLP神经网络模型的训练。在线状态下,根据规划层下发的轨迹信息和车辆状态反馈信息,由MLP神经网络输出预测的最优控制时域长度和控制时间步长,作为双参数输入到模型预测控制算法中,完成自适应轨迹跟踪控制。基于ROS-VREP的联合仿真和基于双侧独立电驱动履带平台进行实车试验。研究结果表明,在包含大曲率转向的综合工况下,与相同计算时间成本的定参数轨迹跟踪控制算法相比,所设计的轨迹跟踪控制器横向偏差均值、航向偏差均值以及转角变化率均值分别降低了30.5%、17.2%、7.8%,证明了算法的可行性和有效性。 展开更多
关键词 履带车辆 轨迹跟踪控制 改进粒子群优化算法 多层感知机神经网络
在线阅读 下载PDF
基于特征性脂肪酸和甘油三酯指标的油茶籽油掺伪定性鉴别模型对比分析 被引量：2
9
作者 孙婷婷 刘剑波 +2 位作者 任佳丽 钟海雁 周波 《中国油脂》 CAS CSCD 北大核心 2023年第1期66-73,共8页
为解决油茶籽油掺伪其他植物油的定性鉴别问题,在油茶籽油中分别掺入大豆油、花生油、葵花籽油、棉籽油、葡萄籽油、菜籽油、棕榈油和米糠油,设置高和低两种不同掺伪梯度,基于14个特征性脂肪酸和甘油三酯指标,运用Python语言构建并对比... 为解决油茶籽油掺伪其他植物油的定性鉴别问题,在油茶籽油中分别掺入大豆油、花生油、葵花籽油、棉籽油、葡萄籽油、菜籽油、棕榈油和米糠油,设置高和低两种不同掺伪梯度,基于14个特征性脂肪酸和甘油三酯指标,运用Python语言构建并对比分析了二分类决策树模型、多分类决策树模型和多层感知机人工神经网络(MLP-ANN)模型用于油茶籽油掺伪定性鉴别的效果。结果表明:高和低掺伪梯度下,二分类决策树模型对油茶籽油掺伪其他植物油的定性鉴别的准确率均达到0.95以上;多分类决策树模型的精确率和准确率在高掺伪梯度下均达到了0.95,但在低掺伪梯度下仅为0.90;在高和低掺伪梯度下,MLP-ANN模型对油茶籽油掺伪定性鉴别的平均精确率均达到0.98,准确率分别达到0.97和0.98。相比于决策树模型,MLP-ANN模型能很好地实现油茶籽油掺伪定性鉴别。 展开更多
关键词 油茶籽油 决策树模型 多层感知机人工神经网络模型 定性鉴别 脂肪酸 甘油三酯
在线阅读 下载PDF
CO_(2)气体保护焊的焊缝形貌建模及虚拟化仿真系统开发 被引量：1
10
作者 肖罡 欧敏 +3 位作者 李时春 万可谦 周妃四 杨钦文 《机械工程材料》 CAS CSCD 北大核心 2023年第11期67-73,共7页
建立了CO_(2)气体保护焊工艺参数与焊缝几何尺寸(熔宽、熔深)之间的多层感知机神经网络预测模型,并基于焊接试验数据训练模型,确定了模型的数学解析式;通过分析焊缝截面和表面形貌特征,建立焊缝形貌的虚拟化仿真模型;通过python编程开... 建立了CO_(2)气体保护焊工艺参数与焊缝几何尺寸(熔宽、熔深)之间的多层感知机神经网络预测模型,并基于焊接试验数据训练模型,确定了模型的数学解析式;通过分析焊缝截面和表面形貌特征,建立焊缝形貌的虚拟化仿真模型;通过python编程开发了焊缝形貌预测与虚拟化仿真系统。结果表明:所建立的多层感知机神经网络预测模型对熔宽预测的最大偏差为0.097 mm,模型拟合优度为0.999269,对熔深预测的最大偏差为0.051 mm,模型拟合优度为0.999567;建立了以焊缝熔深和熔宽为输入变量的焊缝截面形貌数学模型和以焊缝熔宽为输入变量的表面形貌数学模型。 展开更多
关键词 CO_(2)气体保护焊 多层感知机神经网络模型 焊缝形貌建模 虚拟化仿真系统
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部