MATLAB下BP PID控制器的C实现

本文在MATLAB/SIMULINK环境下实现了使用C语言编写的BPPID控制器。通过结合BP神经网络和PID控制方法,充分利用了BP神经网络具有逼近任意连续非线性函数的能力,比较适合被控系统比较复杂或不确定度情况下。文中采用了3-3-3解构的三层BP神经网络和增量式PID算法。在对仿真目标进行跟踪时取得了较好的结果,同时使用C语言的实现方式也更贴近实际应用。     

基于MATLAB的BP神经网络改进算法研究

BP算法是MLP网络的标准训练算法,虽然BP网络得到了广泛应用,但其自身也存在一些缺陷和不足,通过对BP神经网络的众多改进算法进行分析比较,在实际应用中,对同一个样本,在MATLAB中用不同的BP改进算法进行训练可以得出LMBP算法的收敛速度快,训练次数少,训练效果好。但对于复杂的问题,这种方法需要很大的内存,在MATLAB工具箱中解决了这个问题。因此,对于中等规模的网络,采用LMBP算法是最合适的。     

基于BP神经网络的工程造价预控研究

针对BP神经网络的工程估价模型具有高度的容错性和较强的泛化能力等优点,根据BP神经网络原理,对某井筒工程特征进行分析,确定工程特征类目作为神经网络的输入向量。建立基于神经网络的工程造价快速估算模型,该模型能更好的满足实际工程投资估算和设计概算的需要,对项目工程造价快速估算有指导意义。     

小微企业成长性评价研究

在小微企业的成长性评价中引入BP神经网络模型进行量化评价研究。通过建立评价指标体系、对应数据的学习训练,调整模型结构,建立了基于BP神经网络的小微企业成长性评价动态模型,并进行了实证分析。该模型解决了传统评价中权重确定不客观、定量分析不足、评价效率低下等缺陷,具有较好的实际应用效果。     

考虑变权重自适应调整的网络信息鲁棒性分析

BP神经网络加权权重成固化状态,导致信息信任度评价误差较大。提出基于BP神经网络的变权重自适应网络拓扑结构的C2C网络信息信任度评价和鲁棒性分析模型,以营运商可信度、网站信任度和外部环境为一级指标体系构建网络信息评价体系。以12维可信性因素作为输入向量,系统结构以网络信息信任度作为输出,通过调整网络拓扑权重向量设置信任度周期响应加权变量自适应函数,有效降低迭代算法的运算成本。仿真实验表明,采用新的网络信息鲁棒性评价模型能使C2C网站信息评价误差率大幅减低,系统具有较好的健壮稳定性和鲁棒性,能有效促进C2C网络健全运行和发展。     

引入权重分析优化的铁路动车轴承故障检测

针对快速铁路动车轴承故障检测的不确定性,提出了引入权重分析优化的快速铁路动车轴承故障检测方法,以人工神经网络和专家系统相结合,引入权重分析优化的概念对动车轴承参数权重进行优化,并通过遗传算法对神经网络初始权重进行优化,完成快速铁路动车轴承故障进行检测,避免了神经网络搜索容易陷入局部最优的问题,提高了动车轴承故障检测的准确率。仿真实验结果表明,与传统方法相比,该方法下的快速铁路动车轴承故障检测方法检测准确率提高了25%,具有极强的实际应用价值。     

基于BP神经网络的液压系统故障诊断探析

针对BP神经网络的结构技术,液压系统故障原理进行深入分析,并通过实例剖析BP神经网络在工程机械液压系统中的故障诊断经过,充分结合系统工作原理特性,构建合理的算法。实验证明BP神经网络在故障分析中能够给出合适的正确结果。     

基于遗传算法的BP神经网络在高校图书馆流通服务质量评价中的应用研究

针对高校图书馆流通服务质量问题,建立了评价系统的BP神经网络模型,利用遗传算法对传统的BP神经网络权值进行全局优化运算,提高了网络收敛速度,并经过实例计算验证了该模型的有效性。     

基于BP人工神经网络的岩性识别——以WC15-1油田为例

<正>随着海上油田井资料的日益丰富,单靠人工解释岩性已经变得越来越繁重,且效率低下。BP神经网络自动识别岩性技术可以在代表性岩性刻度下,快速完成所有井的岩性自动识别,该方法误差小,运算快,人为因素少,解释结果更可靠,为广大地质工作者带来了便利。     

科技型企业高管团队决策绩效评价的ELMAN神经网络模型研究

针对缺乏科技型企业高管团队决策绩效评价的研究现状,构建评价指标体系,通过问卷调查的方法收集研究数据,建立科技型企业高管团队决策绩效评价的ELMAN神经网络模型,并利用MATLAB软件计算实现。研究结果表明：利用ELMAN神经网络的非确定性因果关系映射特点建立的决策绩效评价模型,能够完成决策绩效评价任务,可用于评价科技型企业高管团队的决策绩效,不仅验证了方法的有效性,而且也证明了ELMAN神经网络在建立非线性、非确定性因果关系映射模型中的强大生命力。