期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
2
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于GA-BP神经网络的地铁变形预测模型
被引量：
19
1
作者
易黄智
高飞
《合肥工业大学学报（自然科学版）》
CAS
北大核心
2021年第11期1513-1517,共5页
为了更快更好地获取轨道交通建设过程中车站基坑及其周边的变形情况,文章选取了合肥轨道交通5号线某站点的部分变形监测数据,基于反向传播(back propagation,BP)算法,建立了变形预测模型对数据进行处理,并预测后5期的变形大小。为了避...
为了更快更好地获取轨道交通建设过程中车站基坑及其周边的变形情况,文章选取了合肥轨道交通5号线某站点的部分变形监测数据,基于反向传播(back propagation,BP)算法,建立了变形预测模型对数据进行处理,并预测后5期的变形大小。为了避免陷入局部极小,提高预测结果的精度,该文利用遗传算法(genetic algorithm,GA)对其进行优化,建立了GA-BP神经网络组合变形预测模型。对比分析2种预测模型的预测结果表明,GA-BP组合模型的预测精度更高,在工程实际中更具有可行性。
展开更多
关键词
变形监测
BP神经网络
遗传算法
ga-bp组合模型
变形预测
在线阅读
下载PDF
职称材料
基于遗传算法与BP神经网络的支架跟机自动化研究
被引量：
17
2
作者
王虹
尤秀松
+1 位作者
李首滨
魏文艳
《煤炭科学技术》
CAS
CSCD
北大核心
2021年第1期272-277,共6页
针对综采工作面液压支架跟机自动化过程中移架动作存在的丢架、推移不到位等问题,提出了基于遗传算法(GA)与BP神经网络组合模型的控制方法。通过建立BP神经网络控制器为主体的反馈控制,将支架的运动参数输入模型,神经网络控制器计算实...
针对综采工作面液压支架跟机自动化过程中移架动作存在的丢架、推移不到位等问题,提出了基于遗传算法(GA)与BP神经网络组合模型的控制方法。通过建立BP神经网络控制器为主体的反馈控制,将支架的运动参数输入模型,神经网络控制器计算实际输出与理想输出之间误差,判别是否需要回调控制,并添加遗传算法来优化更新模型的各层阈值和权值,从而得到网络模型的最优解,最终由执行部分来完成输出动作。组合网络模型具有良好的非线性特性,可以更好的满足非线性环境,利用神经网络的预测值与实际输出的差值来得到拟合曲线。通过对BP神经网络模型、GA模型、GA-BP组合模型的均方误差(MSE)分析,判断出GA-BP组合模型具有更快的训练速度和更高的预测准确率。相比较于单一的BP神经网络模型和GA模型,GA-BP组合模型可以很大程度地提高液压支架跟机过程中的推移精度,从而更好地适应综采工作面的环境和设备变化。基于对模型稳定性的分析,绘制组合网络的适应度曲线,种群在第5次迭代后趋于收敛,在第5次到第15次迭代的适应度值就已基本达到稳定,在迭代第15次后种群已达到最优参数集且恒定不变。采用上述方案的液压支架电液控制系统能够自主感知设备各项运动参数的变化,实现支架自身的静态调整和动态演化,可为综采工作面无人化建设提供技术支撑。
展开更多
关键词
支架跟机自动化
BP神经网络控制器
均方误差
适应度
ga-bp组合模型
在线阅读
下载PDF
职称材料
题名
基于GA-BP神经网络的地铁变形预测模型
被引量：
19
1
作者
易黄智
高飞
机构
合肥工业大学土木与水利工程学院
出处
《合肥工业大学学报（自然科学版）》
CAS
北大核心
2021年第11期1513-1517,共5页
基金
安徽省自然科学基金资助项目(2018085QD176)。
文摘
为了更快更好地获取轨道交通建设过程中车站基坑及其周边的变形情况,文章选取了合肥轨道交通5号线某站点的部分变形监测数据,基于反向传播(back propagation,BP)算法,建立了变形预测模型对数据进行处理,并预测后5期的变形大小。为了避免陷入局部极小,提高预测结果的精度,该文利用遗传算法(genetic algorithm,GA)对其进行优化,建立了GA-BP神经网络组合变形预测模型。对比分析2种预测模型的预测结果表明,GA-BP组合模型的预测精度更高,在工程实际中更具有可行性。
关键词
变形监测
BP神经网络
遗传算法
ga-bp组合模型
变形预测
Keywords
deformation monitoring
back propagation(BP)neural network
genetic algorithm(GA)
ga-bp
composition model
deformation prediction
分类号
P258 [天文地球—测绘科学与技术]
在线阅读
下载PDF
职称材料
题名
基于遗传算法与BP神经网络的支架跟机自动化研究
被引量：
17
2
作者
王虹
尤秀松
李首滨
魏文艳
机构
煤炭科学研究总院智能控制技术研究分院
中国煤炭科工集团有限公司
北京天地玛珂电液控制系统有限公司
出处
《煤炭科学技术》
CAS
CSCD
北大核心
2021年第1期272-277,共6页
基金
国家重点研发计划资助项目(2017YFC0804304,2017YFC0804306)
智慧矿山采掘装备核心控制单元及开发平台(000000400100)。
文摘
针对综采工作面液压支架跟机自动化过程中移架动作存在的丢架、推移不到位等问题,提出了基于遗传算法(GA)与BP神经网络组合模型的控制方法。通过建立BP神经网络控制器为主体的反馈控制,将支架的运动参数输入模型,神经网络控制器计算实际输出与理想输出之间误差,判别是否需要回调控制,并添加遗传算法来优化更新模型的各层阈值和权值,从而得到网络模型的最优解,最终由执行部分来完成输出动作。组合网络模型具有良好的非线性特性,可以更好的满足非线性环境,利用神经网络的预测值与实际输出的差值来得到拟合曲线。通过对BP神经网络模型、GA模型、GA-BP组合模型的均方误差(MSE)分析,判断出GA-BP组合模型具有更快的训练速度和更高的预测准确率。相比较于单一的BP神经网络模型和GA模型,GA-BP组合模型可以很大程度地提高液压支架跟机过程中的推移精度,从而更好地适应综采工作面的环境和设备变化。基于对模型稳定性的分析,绘制组合网络的适应度曲线,种群在第5次迭代后趋于收敛,在第5次到第15次迭代的适应度值就已基本达到稳定,在迭代第15次后种群已达到最优参数集且恒定不变。采用上述方案的液压支架电液控制系统能够自主感知设备各项运动参数的变化,实现支架自身的静态调整和动态演化,可为综采工作面无人化建设提供技术支撑。
关键词
支架跟机自动化
BP神经网络控制器
均方误差
适应度
ga-bp组合模型
Keywords
following automation of support
BP neural network control
mean square error
fitness
ga-bp
combination model
分类号
TD67 [矿业工程—矿山机电]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于GA-BP神经网络的地铁变形预测模型
易黄智
高飞
《合肥工业大学学报（自然科学版）》
CAS
北大核心
2021
19
在线阅读
下载PDF
职称材料
2
基于遗传算法与BP神经网络的支架跟机自动化研究
王虹
尤秀松
李首滨
魏文艳
《煤炭科学技术》
CAS
CSCD
北大核心
2021
17
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
