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93篇文章
< 1 2 … 5 >
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：
基于改进粒子群优化-反向传播神经网络算法的小麦储藏品质预测模型 被引量：8
1
作者 蒋华伟 郭陶 杨震 《科学技术与工程》 北大核心 2021年第21期8951-8956,共6页
在使用反向传播神经网络(back propagation neural network,BPNN)预测小麦的储藏品质时,由于其易陷入局部极值且收敛速度慢,导致预测误差较大且稳定性较差,由此提出一种改进粒子群(improved particle swarm optimization,IPSO)算法优化... 在使用反向传播神经网络(back propagation neural network,BPNN)预测小麦的储藏品质时,由于其易陷入局部极值且收敛速度慢,导致预测误差较大且稳定性较差,由此提出一种改进粒子群(improved particle swarm optimization,IPSO)算法优化的BPNN预测模型。采用非线性函数动态调整粒子群算法中的惯性权重和学习因子,优化BPNN中的权值参数,进而构建IPSO-BPNN预测模型。为验证该模型的准确性和稳定性,将其与BPNN模型、PSO-BPNN模型进行对比,结果表明:IPSO-BPNN模型预测的均方误差显著降低,有助于提高小麦储藏品质预测的准确性和可靠性。 展开更多
关键词 小麦储藏品质 多指标分析 粒子群算法 改进粒子群优化-反向传播神经网络(IPSO-BPNN) 预测模型
在线阅读 下载PDF
基于粒子群优化BP神经网络的步态相位识别
2
作者 代金隧 何志琴 +3 位作者 马家庆 吴钦木 刘洪举 李永杰 《传感器与微系统》 北大核心 2025年第10期78-81,共4页
为了解决传统的反向传播(BP)神经网络在步态相位识别中易陷入局部最优解的问题,并增强BP神经网络在步态相位识别的准确性和高效性,提出了一种基于粒子群优化(PSO)的BP神经网络识别算法。该算法以经过滤波、特征提取以及基于步态相位划... 为了解决传统的反向传播(BP)神经网络在步态相位识别中易陷入局部最优解的问题,并增强BP神经网络在步态相位识别的准确性和高效性,提出了一种基于粒子群优化(PSO)的BP神经网络识别算法。该算法以经过滤波、特征提取以及基于步态相位划分准则分割后的数据作为输入,通过不断迭代更新粒子的速度和位置,来优化BP神经网络的权重和阈值。基于优化后的BP神经网络对输入数据进行训练,导出训练好的模型参数,并将其嵌入到外骨骼样机中进行实时步态相位识别测试。结果显示,该模型具有良好的实时性和高准确率,能够准确地识别步态相位。 展开更多
关键词 粒子群优化算法 反向传播神经网络 步态相位 外骨骼样机
在线阅读 下载PDF
结合更新过程与粒子群优化的BP神经网络铁路物资预测模型
3
作者 黄自力 蔡小强 +8 位作者 金荣森 刘承亮 廖志刚 刘立法 孙晶 王芳 刘柏志 王劲 戴梦岚 《铁道科学与工程学报》 北大核心 2025年第7期3011-3024,共14页
非周期性消耗的铁路运营物资(即偶换件),包括导轨、指示器、弹簧片、散热器组件、蓄电池标牌、灯头接头等,是铁路部门生产及经营的重要资源。由于该类物资的易耗性和偶然性,采用高精度的方法预测物资需求能够显著提升铁路部门的日常经... 非周期性消耗的铁路运营物资(即偶换件),包括导轨、指示器、弹簧片、散热器组件、蓄电池标牌、灯头接头等,是铁路部门生产及经营的重要资源。由于该类物资的易耗性和偶然性,采用高精度的方法预测物资需求能够显著提升铁路部门的日常经营效率,也能加强灾害状态下铁路部门的反应能力。本研究聚焦于分析广州铁路集团各地区物资出库数据,由于铁路物资需求具有较大的随机性与偶然性,普通的拟合函数较难刻画其复杂的变动关系。因此,探讨一种基于粒子群优化(particle swarm optimization, PSO)与反向传播神经网络(backpropagation neural network, BPNN)的铁路物资需求预测方法。该方法基于神经网络优化中的频率原则及凝聚现象的理论基础,通过PSO对BPNN进行预训练,赋予其一个较大的初始化权重,使其最终能够学到一个较为复杂的拟合函数,从而刻画物资数据的复杂性与随机性。此外,针对部分具有高频次、高周转物理特性的物资,利用调整后的更新过程(renewal process, RP)对物资数据进行时间序列建模,然后将该时间序列预测值作为一列新的特征,加入先前的神经网络模型中,取得更高的预测精度。与传统机器学习和深度学习方法相比,结合更新过程与粒子群优化的反向传播神经网络(RP-PSO-BPNN)模型表现出色,具有较强的泛化能力,成功克服了传统方法中常见的局部最优问题。PSO算法在优化过程中的高效性得到了验证,相对于传统梯度下降方法,PSO算法显著减少了训练时间。此外,RP-PSO-BPNN模型在不同选定物资的实时序列波动上表现出良好的拟合,证实了其适用性和实用性。本研究通过提出的RP-PSO-BPNN模型为铁路物资,特别是非周期性消耗的铁路物资需求预测领域提供了具有增强预测准确性的方案。未来研究方向包括进一步优化模型结构、探索其他元启发式算法,以及引入更多领域特定因素以提升模型的泛化能力和适应性。 展开更多
关键词 铁路物资数据 物料预测 粒子群优化 反向传播神经网络 PSO-BPNN 泛化性 更新过程
在线阅读 下载PDF
基于神经网络和粒子群寻优的空气系统解耦控制
4
作者 刘丹阳 沈照杰 +1 位作者 乔奉亮 王彦岩 《内燃机学报》 北大核心 2025年第5期460-468,共9页
基于内燃动力智能控制算法国际挑战赛提供的多输入、多输出增压直喷发动机模型和整车模型,结合反向传播神经网络(BPNN)、粒子群寻优算法(PSO)、比例-积分-微分(PID)控制,设计一种BPNN-PSO-PID联合解耦控制器.为了减小耦合误差,实现对废... 基于内燃动力智能控制算法国际挑战赛提供的多输入、多输出增压直喷发动机模型和整车模型,结合反向传播神经网络(BPNN)、粒子群寻优算法(PSO)、比例-积分-微分(PID)控制,设计一种BPNN-PSO-PID联合解耦控制器.为了减小耦合误差,实现对废气再循环(EGR)和涡轮放气阀等效流通直径的目标跟踪及解耦控制,采用PSO算法对EGR阀门开度的PID控制参数进行寻优,采用BPNN算法以误差反向传播的方式对涡轮放气阀等效流通直径的PID控制参数进行迭代,并在Simulink平台上评测联合解耦控制器在两种行驶车速下的控制效果.结果表明:相比于BPNN-PID算法,BPNN-PID与PSO-PID联合算法使增压压力和EGR率的平均积分绝对误差分别降低31.86%和2.46%,在不同行驶车速下均表现出良好的控制效果. 展开更多
关键词 增压直喷发动机 反向传播神经网络 粒子群算法 空气系统解耦控制
在线阅读 下载PDF
基于小波包分解和神经网络集成群的滚动轴承故障诊断 被引量：1
5
作者 柴立平 孟壮壮 +1 位作者 石海峡 李强 《合肥工业大学学报(自然科学版)》 北大核心 2025年第4期447-454,共8页
文章提出一种将多个神经网络相结合的神经网络集成群算法进行滚动轴承故障诊断。首先对原始振动信号进行小波包变换,分别采用小波包能量和小波包样本熵作为特征向量;其次采用多个粒子群优化反向传播(particle swarm optimization-back p... 文章提出一种将多个神经网络相结合的神经网络集成群算法进行滚动轴承故障诊断。首先对原始振动信号进行小波包变换,分别采用小波包能量和小波包样本熵作为特征向量;其次采用多个粒子群优化反向传播(particle swarm optimization-back propagation,PSO-BP)神经网络分别对轴承进行故障诊断,比较分析小波包能量和小波包样本熵作为特征向量的适配程度;再以多个神经网络作为神经网络集成群的基础子网络,通过统计耦合、输出耦合和统计输出耦合形成神经网络集成群的二级网络;最后通过最终统计耦合输出神经网络集成群的分类结果。研究结果表明,该方法可获得理想的滚动轴承故障诊断准确率,在负载变化时具有良好的泛化性能。 展开更多
关键词 滚动轴承 故障诊断 小波包变换 粒子群优化反向传播神经网络 神经网络集成群
在线阅读 下载PDF
基于改进的粒子群算法优化反向传播神经网络的热舒适度预测模型 被引量：18
6
作者 张玲 王玲 吴桐 《计算机应用》 CSCD 北大核心 2014年第3期775-779,共5页
针对热舒适度预测是一个复杂的非线性过程,不便于空调的实时控制应用的问题,提出一种基于改进的粒子群优化(PSO)算法优化反向传播(BP)神经网络的热舒适度预测模型。这一预测模型通过采用PSO算法优化BP神经网络的初始权值和阈值,改善了传... 针对热舒适度预测是一个复杂的非线性过程,不便于空调的实时控制应用的问题,提出一种基于改进的粒子群优化(PSO)算法优化反向传播(BP)神经网络的热舒适度预测模型。这一预测模型通过采用PSO算法优化BP神经网络的初始权值和阈值,改善了传统BP算法收敛速度慢及对网络初始值敏感的问题。同时,针对标准PSO算法易出现早熟收敛、局部寻优能力弱等缺点,提出了相应改进策略,进一步提高了PSO优化BP神经网络的能力。实验结果表明:与传统BP模型和标准PSO-BP模型相比,基于改进的PSO-BP算法的热舒适度预测模型具有更高的预测精度和更快的收敛速度。 展开更多
关键词 热舒适度 预测 反向传播神经网络 粒子群优化算法 模型
在线阅读 下载PDF
基于量子粒子群优化反向传播神经网络的手势识别 被引量：6
7
作者 杨志奇 孙罡 《计算机应用》 CSCD 北大核心 2014年第A01期137-140,共4页
反向传播(BP)神经网络算法在手势识别中得到了广泛的应用。为了对算法进行改进以提高BP神经网络的学习效率,提出一种基于量子粒子群优化BP神经网络的手势识别训练算法。在手势识别过程中,首先采用量子粒子群算法(QPSO)训练BP神经网络,... 反向传播(BP)神经网络算法在手势识别中得到了广泛的应用。为了对算法进行改进以提高BP神经网络的学习效率,提出一种基于量子粒子群优化BP神经网络的手势识别训练算法。在手势识别过程中,首先采用量子粒子群算法(QPSO)训练BP神经网络,获得优化的BP神经网络权值和阈值;合理地定义并提取BP神经网络的手势识别样本;最后采用训练过的BP神经网络对动态手势进行识别。该算法简单,不依赖初始值,并且收敛速度快,尤其对于高维复杂问题,能保证收敛到最优解。实验结果表明,该算法平均训练时间达到5.15 s,识别正确率达到95.1%,效果明显优于一般的BP神经网络算法。 展开更多
关键词 反向传播神经网络 量子粒子群算法 手势识别 权值 阈值
在线阅读 下载PDF
基于PSO-BP神经网络模型的浸胶竹束干燥过程含水率预测
8
作者 王晓曼 吕建雄 +5 位作者 李贤军 吴义强 李新功 郝晓峰 乔建政 徐康 《林业科学》 北大核心 2025年第5期187-198,共12页
【目的】利用人工神经网络模型预测浸胶竹束干燥过程含水率变化,揭示干燥温度、干燥时间、铺装方式和初始含水率对浸胶竹束干燥过程含水率变化的影响规律,为浸胶竹束高质高效干燥提供参考依据。【方法】基于浸胶竹束干燥过程含水率实测... 【目的】利用人工神经网络模型预测浸胶竹束干燥过程含水率变化,揭示干燥温度、干燥时间、铺装方式和初始含水率对浸胶竹束干燥过程含水率变化的影响规律,为浸胶竹束高质高效干燥提供参考依据。【方法】基于浸胶竹束干燥过程含水率实测数据,以干燥温度、干燥时间、铺装方式和初始含水率为输入变量,干燥过程含水率为输出变量,制作数据集。将数据集划分为训练集(308个测试数据,占总数据量的70%)、验证集(66个测试数据,占总数据量的15%)和测试集(66个测试数据,占总数据量的15%),采用粒子群优化算法(PSO)优化反向传播(BP)神经网络初始权重与阈值,构建PSO-BP神经网络预测模型,并进行验证分析。【结果】PSO-BP神经网络模型具有较强的预测能力,在模型测试集中,决定系数(R^(2))、均方误差(MSE)、平均绝对误差(MAE)和剩余预测残差(RPD)分别达0.98、1.27、3.73和7.96。相较BP神经网络,PSO-BP神经网络的R^(2)和RPD分别提高6.53%和110.2%,MSE和MAE分别降低54.0%和71.86%。模型验证表明,干燥温度和铺装方式是影响浸胶竹束干燥过程含水率变化的主要因素,二者对PSO-BP神经网络模型预测结果影响显著。干燥温度为60℃时,在4种不同铺装方式下PSO-BP神经网络模型展现出较好预测效果,其R^(2)均超过0.969且MSE均低于3;铺装层数为3时,在4种不同干燥温度下PSO-BP神经网络模型表现最佳,其R^(2)均超过0.99且MSE均低于2。干燥时间和浸胶竹束初始含水率对PSO-BP神经网络模型预测结果影响不显著。【结论】PSO-BP神经网络模型在浸胶竹束干燥过程含水率预测中表现出准确性,可有效解决传统BP神经网络预测误差大、收敛速度慢等问题,为浸胶竹束高质高效干燥提供技术支撑。 展开更多
关键词 浸胶竹束 干燥 含水率 粒子群优化算法 反向传播 神经网络
在线阅读 下载PDF
基于PSO-BP神经网络的SiC MOSFET模块寿命预测方法研究与实现
9
作者 毛明波 孟昭亮 +1 位作者 高勇 杨媛 《电源学报》 北大核心 2025年第1期229-235,258,共8页
针对目前碳化硅金属氧化物半导体场效应晶体管Si CMOSFET(siliconcarbidemetal-oxide-semiconductor field-effect transistor)实际工况中在线寿命预测难度大的问题,提出1种基于粒子群优化-反向传播PSO-BP(particle swarm optimization-... 针对目前碳化硅金属氧化物半导体场效应晶体管Si CMOSFET(siliconcarbidemetal-oxide-semiconductor field-effect transistor)实际工况中在线寿命预测难度大的问题,提出1种基于粒子群优化-反向传播PSO-BP(particle swarm optimization-back propagation)神经网络的SiC MOSFET模块寿命预测数字化实现方法。首先,利用导通压降平台提取Si CMOSFET的导通压降作为温敏电参数,建立基于实验数据的结温预测方案;其次,利用功率循环加速老化实验平台,提取老化特征数据,建立基于PSO-BP神经网络的寿命预测方案;然后,将结温预测方案与寿命预测方案移植到可编程阵列逻辑中,实现SiC MOSFET寿命预测数字化;最后,设计了验证电路。实验表明,数字化显示的结温与真实结温的误差为4.73℃,与真实寿命次数的误差百分比为4.1%,证明所提寿命预测方法得到了数字化实现,并能够准确预测SiC MOSFET模块的寿命次数。 展开更多
关键词 SiC MOSFET 粒子群优化-反向传播 寿命预测 数字化
在线阅读 下载PDF
基于PSO-BP神经网络的角接触球轴承凸出量预测
10
作者 章如意 段玥晨 +1 位作者 张瑞 赵明辉 《传感器与微系统》 北大核心 2025年第9期134-137,143,共5页
针对人工测量角接触球轴承的凸出量,对轴承进行配对效率较低的问题,提出了基于粒子群优化(PSO)—反向传播(BP)神经网络的角接触球轴承凸出量预测方法。根据200组实验数据,通过灰色关联度分析,选取了角接触球轴承内外圈的宽度、沟位、沟... 针对人工测量角接触球轴承的凸出量,对轴承进行配对效率较低的问题,提出了基于粒子群优化(PSO)—反向传播(BP)神经网络的角接触球轴承凸出量预测方法。根据200组实验数据,通过灰色关联度分析,选取了角接触球轴承内外圈的宽度、沟位、沟径和沟道曲率半径作为建模数据集,分别利用BP神经网络、遗传算法(GA)—BP神经网络、PSO-BP神经网络建立角接触球轴承凸出量预测模型。结果表明:PSO-BP神经网络预测模型预测效果最好,决定系数(R^(2))达0.986 3,整体误差≤±0.70%,能够较为准确地预测角接触球轴承的凸出量,提高轴承的配对效率。 展开更多
关键词 角接触球轴承 凸出量 灰色关联度分析 反向传播神经网络 遗传算法 粒子群优化算法
在线阅读 下载PDF
神经网络和粒子群算法优化γ-氨基丁酸发酵培养基的研究 被引量：13
11
作者 夏江 梅乐和 +3 位作者 黄俊 盛清 许静 吴晖 《高校化学工程学报》 EI CAS CSCD 北大核心 2007年第6期997-1001,共5页
通过进行过的预实验,已知葡萄糖、L-谷氨酸钠和四水硫酸锰这三种发酵培养基成分对乳酸菌产GABA有重大影响。今运用神经网络和粒子群算法,对这三种成分进行了摇瓶发酵优化。首先,通过逐一单因素实验,来确定神经网络建模时三个输入参数的... 通过进行过的预实验,已知葡萄糖、L-谷氨酸钠和四水硫酸锰这三种发酵培养基成分对乳酸菌产GABA有重大影响。今运用神经网络和粒子群算法,对这三种成分进行了摇瓶发酵优化。首先,通过逐一单因素实验,来确定神经网络建模时三个输入参数的合适取值区域:葡萄糖10～30g·L-1,L-谷氨酸钠50～80g·L-1,四水硫酸锰2～20mg·L-1。然后按照Hybrid设计进行实验,选取11组训练样本来建立人工神经网络模型,得到三种培养基成分浓度和GABA产量之间的关系模型。最后依赖于建立好的ANN模型,由PSO进行全局搜索寻优得到使GABA产量最大时的培养基浓度。在优化后的条件下,GABA积累浓度平均达到(33.42±1.35)g·L-1,较优化前提高96.5%。 展开更多
关键词 Γ-氨基丁酸 优化 神经网络 粒子群算法
在线阅读 下载PDF
基于蚁群算法优化反向传播神经网络的软件质量预测 被引量：7
12
作者 朱嘉豪 郑巍 +2 位作者 杨丰玉 樊鑫 肖鹏 《计算机应用》 CSCD 北大核心 2023年第11期3568-3573,共6页
针对基于反向传播神经网络(BPNN)的软件质量预测模型存在收敛慢、模型精度不高的问题,提出一种基于蚁群算法优化BPNN的软件质量预测(SQP-ACO-BPNN)方法。首先,选择软件质量评价指标,确立软件质量评价体系;其次,采用BPNN构建初始软件质... 针对基于反向传播神经网络(BPNN)的软件质量预测模型存在收敛慢、模型精度不高的问题,提出一种基于蚁群算法优化BPNN的软件质量预测(SQP-ACO-BPNN)方法。首先,选择软件质量评价指标,确立软件质量评价体系;其次,采用BPNN构建初始软件质量预测模型,并利用蚁群优化(ACO)算法确定若干网络结构、网络初始连接权值和阈值;再次,给出网络结构评价函数,选择神经网络模型的最佳结构、网络初始连接权值和阈值;最后,通过BP算法训练该网络,得到最终的软件质量预测模型。在机载嵌入式软件质量预测数据上的实验结果表明,优化后的BPNN模型有效提高了预测的准确率、精确率、召回率和F1值,并且模型能够更快收敛,验证了SQP-ACO-BPNN方法的有效性。 展开更多
关键词 软件质量预测 蚁群优化算法 反向传播神经网络 网络结构评价
在线阅读 下载PDF
基于粒子群算法与反向传播神经网络的呼吸运动预测研究 被引量：2
13
作者 常盼春 杨济民 +1 位作者 杨娟 游涛 《中国生物医学工程学报》 CAS CSCD 北大核心 2018年第6期714-719,共6页
在放射治疗过程中,呼吸运动会造成某些器官组织如肺、肝的靶区发生变化,从而降低放疗的效果,并且加大对正常组织器官的伤害。因此,在放疗过程中对靶区进行呼吸运动的实时估计是一项非常必要的工作。由于具备较好的非线性拟合能力,优化... 在放射治疗过程中,呼吸运动会造成某些器官组织如肺、肝的靶区发生变化,从而降低放疗的效果,并且加大对正常组织器官的伤害。因此,在放疗过程中对靶区进行呼吸运动的实时估计是一项非常必要的工作。由于具备较好的非线性拟合能力,优化反向传播神经网络(BP-NN)已经被广泛应用于呼吸的预测,然而BP-NN容易陷入局部最优值。提出一种应用粒子群算法(PSO)优化BP-NN的方法减少陷入局部最优值的机率,提高呼吸运动预测的精度。首先,应用PSO算法寻找神经网络的最佳初始权值与阈值;然后,应用最优的初始权值与阈值建立神经网络(PSO-NN);最后,利用建立的PSO-NN网络进行呼吸预测。结果表明,11组肺癌病人呼吸运动预测实验对比结果表明,此算法(PSO-NN)相比单纯应用BP-NN算法的平均绝对误差由0.24减少到0.18(25%),互相关系数由0.82提高到0.86。所提出的算法可以有效地减少BP-NN陷入局部最优值的机率,提高预测的精度。 展开更多
关键词 呼吸预测 粒子群算法 反向传播神经网络 放射治疗
在线阅读 下载PDF
机器人逆运动学的微分进化与粒子群优化BP神经网络求解 被引量：11
14
作者 陈桂 陈耀忠 +1 位作者 林健 温秀兰 《南京理工大学学报》 EI CAS CSCD 北大核心 2014年第6期763-768,共6页
针对采用传统反向传播(BP)神经网络算法进行逆运动学求解收敛速度慢的问题,提出将微分进化(DE)与粒子群优化(PSO)算法相结合,对用于机器人逆运动学求解的BP神经网络进行优化。基于机器人正解映射建立优化算法的目标函数,在PSO过程中,引... 针对采用传统反向传播(BP)神经网络算法进行逆运动学求解收敛速度慢的问题,提出将微分进化(DE)与粒子群优化(PSO)算法相结合,对用于机器人逆运动学求解的BP神经网络进行优化。基于机器人正解映射建立优化算法的目标函数,在PSO过程中,引入DE操作优化粒子进化方向,并将此混合算法用于BP神经网络权值与阈值的优化。对KUKA机器人进行仿真实验,结果表明:采用该文方法对机器人逆运动学问题的求解精度高,求得的关节角度误差小于0.1°;逆运动学求解结果所对应位姿矩阵的位置误差在0.1 mm数量级,具有较好的泛化能力。该文方法满足机器人位置和姿态方面的精度要求。 展开更多
关键词 微分进化 粒子群优化 反向传播神经网络 机器人 逆运动学 收敛速度 权值 阈值 关节角度误差 位置误差
在线阅读 下载PDF
基于粒子群算法–反向传播神经网络自适应的氧调器控制系统 被引量：8
15
作者 范俞超 孙青林 +1 位作者 董方酉 陈增强 《控制理论与应用》 EI CAS CSCD 北大核心 2020年第3期687-695,共9页
氧气面罩中的核心部件是氧气调节器(氧调器).针对当前氧气调节器的大流量、低吸气阻力、快速响应的性能需求,本文在分析了电子氧气调节器工作原理的基础上,介绍了氧气调节器的数学模型,采用了反向传播(BP)神经网络自适应控制算法,并使... 氧气面罩中的核心部件是氧气调节器(氧调器).针对当前氧气调节器的大流量、低吸气阻力、快速响应的性能需求,本文在分析了电子氧气调节器工作原理的基础上,介绍了氧气调节器的数学模型,采用了反向传播(BP)神经网络自适应控制算法,并使用粒子群算法(PSO)对BP神经网络自适应控制算法的初值进行筛选.最后,对算法的性能进行了仿真.仿真结果表明,系统具有鲁棒性,且与传统的比例–积分–微分(PID)控制方法和自抗扰控制(ADRC)方法相比, PSO–BP神经网络自适应控制方法实现了更精确的吸气阻力调节、更快的响应速度.此外,当呼吸频率变化或者外界干扰变化时,相比于常规PID算法和ADRC算法则需要人工调整控制参数, PSO–BP神经网络自适应算法则可以自动在线学习训练并调整控制参数,应用前景广阔. 展开更多
关键词 氧气面罩 氧气调节器 氧气控制 粒子群算法 反向传播神经网络 PSO–BP神经网络自适应算法 参数自适应
在线阅读 下载PDF
基于粒子群优化BP神经网络的脉象识别方法 被引量：16
16
作者 张开生 黄谦 《现代电子技术》 北大核心 2018年第3期96-100,106,共6页
针对传统脉诊存在易受主观因素影响、诊断结果可靠性不高等问题,提出基于粒子群优化BP神经网络的脉象识别方法。粒子群算法中评判粒子好坏的适应度函数采用神经网络的输出误差,以此获得最优粒子的位置向量,并把其值作为BP神经网络的初... 针对传统脉诊存在易受主观因素影响、诊断结果可靠性不高等问题,提出基于粒子群优化BP神经网络的脉象识别方法。粒子群算法中评判粒子好坏的适应度函数采用神经网络的输出误差,以此获得最优粒子的位置向量,并把其值作为BP神经网络的初始权值和阈值。在Matlab中建立基于BP算法、PSO-BP算法和GA-BP算法的三种ANN模型用于脉象信号的识别。实验结果表明,在识别脉象时,优化后的算法降低了传统BP神经网络的输出误差,提高了识别精度,PSO-BP算法明显改善了传统BP神经网络的泛化能力。 展开更多
关键词 脉象识别 粒子群算法 输出误差 误差反向传播算法 神经网络 泛化能力
在线阅读 下载PDF
基于神经网络的多随机参数非线性悬架系统响应分析
17
作者 陈强强 周继磊 +1 位作者 于孟娜 韩道远 《机电工程》 北大核心 2025年第7期1403-1412,共10页
车辆悬架系统的生产制造误差会使得该悬架系统各个结构参数具有不确定性,同时作用于非线性悬架系统的路面激励也具有明显的随机性和时变性。针对这一问题,研究了不确定因素对多随机参数非线性悬架系统响应的影响。首先,采用了七自由度... 车辆悬架系统的生产制造误差会使得该悬架系统各个结构参数具有不确定性,同时作用于非线性悬架系统的路面激励也具有明显的随机性和时变性。针对这一问题,研究了不确定因素对多随机参数非线性悬架系统响应的影响。首先,采用了七自由度非线性车辆悬架系统动力学模型,构建了白噪声路面激励时域模型;然后,建立了一种基于粒子群优化的反向传播神经网络(BPNN-PSO)预测模型,基于神经网络的直接积分法(DPIM),展开了针对非线性悬架系统的随机动力方程及其相应求解策略的研究;最后,针对非线性悬架系统随机振动直接概率积分法,提出了一种基于MATLAB的分析程序,对不同等级路面激励和参数随机条件下,非线性悬架系统振动响应的均值和标准差进行了研究。研究结果表明:直接概率积分法与蒙特卡洛模拟相比,系统的时变概率密度处理时间成本降低,效率更高;车体质量对车体位移的影响显著,其标准差为0.2×10^(-3)m~0.5×10^(-3)m,轮胎刚度对车体位移的影响最小,其标准差约为0.1×10^(-3)m~0.25×10^(-3)m;悬架的弹簧刚度对车体加速度的影响最小,其标准差约为0.5×10^(-2)m/s^(2)~2×10^(-2)m/s^(2),车辆质量和轮胎刚度的随机性对车辆动态行为影响较大。 展开更多
关键词 直接概率积分法 白噪声路面 反向传播神经网络 非线性车辆悬架系统 粒子群算法 路面不平度
在线阅读 下载PDF
基于二阶粒子群算法优化的神经网络再制造工件疲劳寿命预测 被引量：3
18
作者 温海骏 孟小玲 +2 位作者 曾艾婧 郭孝敏 许向川 《科学技术与工程》 北大核心 2019年第21期21-26,共6页
再制造工件多元异质材料特性及工艺参数对疲劳寿命的影响,使得传统的疲劳寿命计算方法无法适用于再制造工件,针对此问题建立了再制造工件疲劳损伤预测修正模型,并通过疲劳试验分析了不同熔覆厚度和宽度条件下对试件疲劳强度和可靠性寿... 再制造工件多元异质材料特性及工艺参数对疲劳寿命的影响,使得传统的疲劳寿命计算方法无法适用于再制造工件,针对此问题建立了再制造工件疲劳损伤预测修正模型,并通过疲劳试验分析了不同熔覆厚度和宽度条件下对试件疲劳强度和可靠性寿命的影响,同时获取了寿命预测修正系数;进而采用二阶粒子群算法优化的反向传播(back propagation, BP)神经网络,构建了材料性能参数、应力水平及再制造工艺影响因素与疲劳寿命之间的关系模型,针对再制造工件进行寿命预测。结果表明,神经网络的预测结果与试验数据相符,优于数值计算预测模型,为实现再制造工件的疲劳寿命预测提供了一种新的方法和手段。 展开更多
关键词 再制造 疲劳寿命预测 反向传播 神经网络 二阶粒子群 疲劳累积损伤
在线阅读 下载PDF
基于K-近邻算法改进粒子群-反向传播算法的织物质量预测技术 被引量：3
19
作者 孙长敏 戴宁 +5 位作者 沈春娅 徐开心 陈炜 胡旭东 袁嫣红 陈祖红 《纺织学报》 EI CAS CSCD 北大核心 2024年第7期72-77,共6页
为解决现有下机织物质量差异性较大且传统验布环节时间较长等问题,提出基于K-近邻(KNN)算法改进粒子群-反向传播(PSO-BP)算法的织物质量等级预测方法。首先分析织物质量预测模型,整理织物疵点类型与织物质量等级分类,并根据织物疵点特... 为解决现有下机织物质量差异性较大且传统验布环节时间较长等问题,提出基于K-近邻(KNN)算法改进粒子群-反向传播(PSO-BP)算法的织物质量等级预测方法。首先分析织物质量预测模型,整理织物疵点类型与织物质量等级分类,并根据织物疵点特征将疵点划分为6类;其次选取14种影响织物质量的因子作为模型输入量;然后详细介绍依据KNN与PSO原理进行织物质量预测流程;最后以浙江兰溪某纺织厂近3个月16186条织物生产数据为例,建立织物质量预测模型。结果显示:该技术对织物质量预测的准确率达到98.054%,且训练时长仅需4.8 s,在保证织物质量预测准确性的同时,极大缩短了检测时间,提高了织造车间生产效率。 展开更多
关键词 织布车间 织物质量 K-近邻算法 粒子群-反向传播神经网络算法 织物质量预测
在线阅读 下载PDF
人工神经网络优化油莎豆油亚临界萃取工艺 被引量：1
20
作者 邓淑君 郝琴 +3 位作者 万楚筠 郭婷婷 魏春磊 郑明明 《中国油料作物学报》 CAS CSCD 北大核心 2024年第5期1178-1186,共9页
为优化亚临界丁烷萃取脱皮油莎豆油工艺,采用单因素试验确定因素水平,中心复合表面设计(CCF)安排寻优试验,在此基础上分别构建了响应面(RSM)和反向传播人工神经网络(BP-ANN)模型,运用粒子群算法(PSO)对BP-ANN模型进行优化,并对RSM和PSO-... 为优化亚临界丁烷萃取脱皮油莎豆油工艺,采用单因素试验确定因素水平,中心复合表面设计(CCF)安排寻优试验,在此基础上分别构建了响应面(RSM)和反向传播人工神经网络(BP-ANN)模型,运用粒子群算法(PSO)对BP-ANN模型进行优化,并对RSM和PSO-BP-ANN模型的寻优结果进行了比较。结果表明,RSM模型优化的萃取条件为:料液比(脱皮油莎豆∶丁烷)1∶10.36 g/mL、萃取时间45 min、萃取温度30℃、坯料厚度0.5 mm;PSOBP-ANN模型优化的萃取条件为:料液比1∶10.67 g/mL、萃取时间40.10 min、萃取温度34℃、轧坯厚度0.5 mm。在最佳条件下,RSM模型预测提取率为91.63%,验证值为94.27%,相对误差2.56%;PSO-BP-ANN模型预测值为95.58%,验证值为95.14%,相对误差0.46%。采用人工神经网络耦合粒子群算法(PSO-BP-ANN)优化油莎豆油亚临界萃取工艺,具有提取率高、相对误差小等优势。本研究可为亚临界萃取技术在油莎豆油高效制取中应用提供参考。 展开更多
关键词 反向传播人工神经网络 粒子群优化算法 亚临界丁烷萃取 脱皮油莎豆 工艺优化
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 2 … 5 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