公共文化服务平台

搜索到127146篇“ BP神经网络“的相关文章

BP神经网络回归预测模型的改进: 2025年; 为了优化BP神经网络,提出了一种优化BP神经网络的流程。首先,判断各影响因素之间的自相关性,如果各影响因素满足自相关评价指标,则可以使用BP神经网络进行回归训练;其次,改变BP神经网络的隐藏节点数、学习效率、训练误差和训练次数等影响因素;最后,加入遗传算法或者粒子群算法与BP神经网络组成混合算法,以提高BP神经网络的训练精度。; 何大四金璐琪张祖铭赵强强; 关键词：BP神经网络混合算法

基于BP神经网络的六角编织机控制策略: 2025年; 为提高六角编织机控制系统的抗干扰能力,研究六角编织机的编织原理,提出一种BP(Back Propagation)神经网络与PID相融的编织控制策略,设计多电动机并行同步控制的方案,借助Simulink工具搭建六角编织机控制系统的仿真模型。仿真结果表明:与传统PID控制相比,BP-PID控制策略峰值时间下降0.032 s,最大超调量缩减0.272%,调整时间缩短0.524 s。并在0.5 s引入干扰,BP-PID算法显出更快的响应速度、更小的超调量和更强抗干扰能力。借助实际的六角编织机,从单电动机卡顿率、单次编织卡顿率和产品合格率3个指标验证了BP-PID控制策略有效性,提高编织物产品合格率。; 付睿云周炯吴垠舟; 关键词：BP神经网络 PID自整定

贝叶斯正则化优化BP神经网络估算SOH: 2025年; 为提高锂离子电池健康状态(SOH)估算的精度,采用基于贝叶斯正则化算法优化的反向传播(BP)神经网络模型。该模型的核心是,引入先验分布约束BP网络权重参数,以减少过拟合风险;并引入后验分布评估参数的不确定性,提升模型对数据噪声的适应性。以充电全过程提取健康特征验证模型精度;以放电片段数据提取健康特征模拟实际工况。训练后的模型在充电全过程提取特征时的均方根误差(RMSE)和平均绝对误差(MAE)均小于1.65%,采用放电片段提取特征时的RMSE和MAE均小于3.85%,相较于未优化的BP神经网络,两种方式的估算误差分别降低18%和41%以上。; 朱聪聪郭晟常海涛路密; 关键词：锂离子电池先验分布后验分布

基于SA-BP神经网络的直线电机优化设计: 2025年; 针对永磁直线同步电机推力波动大、有限元仿真计算时间长等问题,提出了一种结合解析算法(SA)和BP神经网络算法的电机仿真优化模型:依据电机各部件的磁导率不同划分解析域,由解析算法算出电磁场分布等电机参数,利用解析获得的电机性能参数建立BP神经网络训练样本库,设计BP神经网络算法的训练周期、衰减率等参数后进行模型训练,拟合预测出电机尺寸参数与定位力之间的关系模型,最后利用多目标优化算法优化电机的尺寸参数。实验结果表明:基于SA-BP神经网络的电机模型的推力计算结果与有限元仿真结果的误差为2.35%,SA-BP神经网络算法不仅具有较高的计算精度,还能有效提升电机仿真计算速度。; 郭凯李昊李彪梁楠楠; 关键词：永磁直线同步电机 BP神经网络算法定位力多目标优化算法

基于BP神经网络的航海模拟器航速设计: 2025年; 航行模拟器是现代航海教育与培训中的关键工具,风向、风速、流速与航速之间的关系对船舶操控和航行安全具有重要影响。本文基于BP(Back Propagation)神经网络模型,针对航海模拟器中的实际数据进行分析与预测,研究船速、风向、风速和流速等变量与船舶航速之间的复杂非线性关系。通过采集航行数据并构建BP神经网络模型,利用反向传播算法优化网络权重和偏置,以提升预测精度。试验结果表明,BP神经网络能够在不同风速条件下准确预测船舶航速,相较于传统基于流体力学的模型,具有更高的预测精度和泛化能力。该模型为船舶的航行决策、燃油优化以及船员操作提供了有力支持。; 马成邵国余杨玉文王建立张宇骐; 关键词：BP神经网络

基于BP神经网络的食品安全风险预警方法: 2025年; 提出一种基于BP神经网络的食品安全风险预警方法。首先,通过筛选和整合,构建一个全面的食品安全风险评价指标体系,并利用三标度层次分析法计算各指标的权重。然后,选取7个关键指标作为预警研究的输入指标,以完整地反映食品安全风险状况。最后,利用BP神经网络进行食品安全风险预警,通过遗传算法对BP神经网络的连接权值和阈值进行优化,使输出结果更接近期望输出。实验结果显示:该方法的风险预警时间数据范围为7.23 s~10.23 s,风险预警精准度范围为94.05%~98.44%,表明BP神经网络在食品安全风险预警中应用效果较好,具有实用性。; 徐胜超陈富强; 关键词：BP神经网络食品风险预警

基于BP神经网络的开关电源电路故障诊断: 2025年; 针对开关电源电路的非线性故障问题,搭建了基于小波包分解与反向传播(BP)神经网络的开关电源电路故障诊断模型,采用小波包分解提取开关电源逆变电路故障特征向量,应用萤火虫-粒子群算法及改进BP算法优化训练BP神经网络。仿真实验证明,该方法可以迅速、准确地实现开关电源电路的故障诊断。; 乔维德; 关键词：小波包分解开关电源电路 BP神经网络

基于BP神经网络的人参病害预测应用研究: 2025年; 为了实现对人参病害的发生程度和感染情况进行预测,利用BP神经网络非线性逼近能力、较好的实时性、拟合精度和较强的容错能力等特点,建立了人参病害预测模型的BP神经网络模型,并进行仿真及效果分析,能够实现对人参病害的有效预测。; 张静杨琦郭晓燕; 关键词：BP神经网络

基于BP神经网络的飞轮转子全系统模型: 2025年; 在前人的研究中,转子动力学模型和系统调度模型分属不同研究领域,缺乏完整的飞轮转子全系统模型,难以有效分析飞轮储能系统中复杂的电-磁-力耦合问题。为了解决这一问题,通过替代映射方法,使用有限元模型参数化计算结果训练BP神经网络,构造了AMB、PMSM和PMB模块,并与飞轮转子动力学模型、功率-电流-转速模块和PID控制器等组成一个完整的飞轮储能全系统模型。该模型成功应用于燃煤火电机组二次调频和风电输出平滑场景,可以同时计算飞轮储能系统的功率跟随和转子运动情况。仿真结果表明不同的转速起点,会改变转子的转动频率变化范围,从而影响转子振幅等安全参数。该模型具有接近实时的仿真速度。研究结果为飞轮储能系统的设计优化和运行控制提供了重要工具。; 何海婷柳亦兵; 关键词：飞轮转子 BP神经网络有限元方法

基于PSO-BP神经网络的单位注浆量预测: 2025年; 帷幕注浆作为矿山控制地下水的重要手段之一,对矿山的安全生产十分重要,单位注浆量作为注浆效果的关键评价指标,具有不确定性。基于尖山磷矿帷幕注浆试验段注浆数据,进行单位注浆量影响因素相关性分析,分别构建单位注浆量卷积神经网络(CNN)、BP神经网络、遗传算法优化神经网络(GA-BP)和粒子群算法优化神经网络(PSO-BP)预测模型进行预测和准确性分析。结果表明:斯皮尔曼相关系数法和肯德尔相关系数法对单位注浆量影响因素分析结果一致,影响因素相关性由强到弱为:注浆持续时间、水灰比、注前透水率、注浆段长度、注浆压力、钻孔深度;PSO-BP神经网络模型预测效果明显优于另外三种预测模型,R^(2)达到0.94527,RMSE值分别降低80%、56%、49%;MAE值分别降低68.3%、48.6%、23.2%,验证了该模型的优越性。该模型能够更准确地对单位注浆量进行预测,对后续注浆工作的实施具有一定参考,可为帷幕注浆效果评价提供重要的指导建议。; 陈泓黄永辉张智宇陈成志; 关键词：帷幕注浆 BP神经网络粒子群优化算法

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈