基于径向基神经网络农机数量预测的研究

提出了利用径向基神经网络对农机数量预测的方法 ,通过选取合适的训练参数,径向基网络能够得到满足要求的预测结果,农机总动力、拖拉机数量、农具数量的误差平方和分别为0.0056、0.0470、0.2713。利用测试集对网络进行测试,农机总动力预测值与真实值的误差最大为-7.17%,最小为0.22209%。研究结果表明,径向基神经网络能有效提高预测精确度,较好地预测非线性条件下的农机数量,证明了实验方法的有效性和可行性,为人工神经网络在农业机械化的应用提供了一个新的途径。     

基于径向基神经网络优化汽车除霜性能研究

为了提高汽车的除霜性能,在出风口处增加横格栅,然后选择出风口的长度尺寸和出风角度作为设计变量,使用径向基函数神经网络找到设计变量的最优组合方案。经过优化后,前挡风玻璃上的风速分配更合理,并消灭了除霜死角,在20 min时,前挡风玻璃玻璃的霜层基本完全除净,汽车空调的除霜性能得到明显的提高。     

基于径向基神经网络的叶轮轴面投影图优化

为了提高余热排出泵的效率,采用拉丁超立方试验设计方法对叶轮轴面投影图上的前盖板圆弧半径、后盖板圆弧半径、前盖板倾角和后盖板倾角4个几何变量进行35组叶轮方案设计,应用ANSYS CFX 14.5软件对余热排出泵进行定常数值模拟,得到设计工况下的效率,应用径向基神经网络建立效率与轴面投影图的4个几何变量之间的近似模型,最后采用遗传算法对近似模型进行极值寻优,获得最优的轴面投影图几何参数组合。研究结果表明:对比原始泵的数值模拟性能曲线和试验外特性能曲线,两者吻合较好;径向基神经网络能较好地预测泵设计点效率;优化的轴面投影图使得余热排出泵的水力效率提高了6.18个百分点,改善了叶轮内流场特性。因此,叶轮轴面投影图的优化设计方法是可行的。     

基于高斯径向基函数神经网络的十字路口车流量预测

采用径向基函数预测功能的神经网络,对十字路口的车流量进行实时预测,仿真实验结果表明使用该神经网络对交又口车流量进行预测可以得到令人满意的结果。     

基于人工蜂群径向基神经网络预测参考作物需水量

为了能够根据有限的气象数据较为准确的模拟蓄水坑灌苹果园的日参考作物需水量,以山西省农业科学院果树所蓄水坑灌试验基地的逐日气象资料为输入项,以日参考需水量为输出项,在径向基神经网络的基础上构建了基于人工蜂群算法的径向基神经网络模型,以预测蓄水坑灌苹果园的日参考作物需水量,以FAO-56 Penman-Monteith(FAO56-PM)公式的计算结果为标准分析预测模型的适用性。结果表明:经人工蜂群算法优化后的径向基神经网络预测模型的模拟结果与标准方法FAO56-PM公式的计算结果更为接近,更适合于预测山西省农业科学院果树所蓄水坑灌苹果园日参考作物需水量。     

基于径向基函数神经网络右江灌区有效灌溉面积的预测

根据人工神经网络的理论和方法,建立径向基函数神经网络模型,以右江灌区的统计数据为例预测该灌区的有效灌溉面积,结果表明模型有较强非线性处理能力和逼近能力,具有学习时间短,预测精度高,适应性强等优点。     

径向基神经网络在猪胴体瘦肉率预测中的应用

猪胴体瘦肉率(LMP)是评价猪肉品质的重要指标之一,在生产线上快速而准确地预测出其数值并进行分级是并不可少的。目前,国内大部分厂家依然采取屠宰后人工称重测量的方法,耗时耗力,且存在相当大的误差。为此,随机抽取了116头皖北地区商品猪,选定眼肌面积、背膘厚及腿臀比作为参考数据,以Mat Lab工具箱作为研究工具,利用BP、Elman和RBF等3种不同的神经网络建立预测模型,统计后进行比较分析。实验表明:3种模型的神经网络均可用于瘦肉率预测,但RBF网络误差最小,训练速度最快,学习能力最强,最适合用于建立瘦肉率的预测模型。     

基于径向基函数神经网络的工程车辆自动变速控制

径向基函数(RBF)神经网络(简称径向基网络)具有较强的输入输出映射功能,理论证明其在前向神经网络中是完成映射功能的最优网络。工程车辆自动变速技术的核心是按照某种目标寻找最佳挡位,是一个非线性映射分类问题。提出了基于径向基网络的工程车辆自动变速控制方法,以保持液力变矩器工作在高效区为目标,利用车辆传动试验台换挡控制试验的数据对径向基网络进行训练,并进行了验证性的仿真试验。仿真结果表明,该方法能够根据车辆运行状态确定最佳挡位。     

BP神经网络对甘蔗宿根切割质量的预测——基于PSO算法

针对甘蔗收获机砍蔗时甘蔗宿根破损程度易受路面激励及甘蔗收获机工作参数等多种因素影响的问题,提出了一种甘蔗宿根切割质量的预测方法。以台糖22号为研究对象,将路面振幅、路面振动频率、甘蔗收获机前进速度、刀盘转速和刀盘倾角作为BP神经网络预测模型的输入变量,利用PSO算法优化神经网络的权值与阈值,通过对砍蔗试验数据的训练与预测,建立了台糖22甘蔗宿根切割质量的BP神经网络预测模型。对比了基于PSO算法的BP神经网络模型与传统BP神经网络模型预测,结果表明:基于PSO算法的BP神经网络的模型对甘蔗宿根切割质量预测的最大相对误差为3.301%,而BP神经网络模型的最大相对误差为14.6 5 9%。优化后的新模型较传统模型具有学习能力强、预测精度高的优点。研究结果为甘蔗收获机实际工作中不同路况条件下工作参数的智能调控及提高甘蔗宿根切割质量提供了理论依据。     

基于平行竞争PSO算法的土壤水分测量研究

为了提高测量土壤水分Van Genuchten方程求解的精度,提出平行竞争PSO算法。首先在PSO算法基础上,当粒子群最大半径值小于某个阈值时,竞争才被触发,同时最差粒子被重置,粒子被重置的比例随着迭代次数增加而非线性减少;接着粒子群分成若干子群,子群的群平均适应度与原始粒子群平均适应度相差不能小于设定的阈值,引入不同的共享因子对子群与子群、粒子与子群之间进行信息共享动态调节;最后粒子适应度函数由Van Genuchten方程参数构成,给出了算法流程。实验仿真显示本文算法对测试函数求解具有收敛速度较快、解精度较高的特点,测量粉壤土脱湿数据的相对误差最大为5%,吸湿数据的相对误差最大为4%,相比其他算法都较小。     

基于PSO算法的直接进给轴摩擦特性研究

直线电机驱动的进给轴在进给过程中易受到导轨滑动摩擦特性影响而存在高度的非线性特性,非线性摩擦是影响直线电机驱动的伺服系统动静态性能的主要因素。提出了一种新型的直接进给轴非线性摩擦迟滞模型,并给出该摩擦模型的参数辨识策略,建立了直接进给轴摩擦非线性迟滞特性的综合数学模型,并在建立的数学模型的基础上建立了基于Simulink的仿真模型。以基于电流反馈检测为手段,采集了位移和所对应迟滞摩擦力的样本点。以采集的样本点为基础,给出了通过粒子群算法(PSO)辨识摩擦迟滞模型的方法。最后,通过Simulink仿真平台验证了所提出的的摩擦迟滞模型和模型参数辨识方法的准确性。仿真结果表明,辨识的摩擦模型能准确的反映直接进给轴的摩擦分布特性,提出的直接进给轴迟滞摩擦模型参数辨识方法具有可行性。     

基于径向基网络的烟叶光谱分级

烟叶的红外光谱特征不仅与其化学成分密切相关, 而且与其内部结构有一定的关系.为此,提出了基于光谱分析并利用径向基神经网络对烟叶进行等级分类的方法.首先,对复杂繁多的原始光谱数据进行小波变换;然后,采用RBF(Radial-Basis Function)神经网络进行分级.小波变换不仅可除去部分噪声,而且压缩后的数据可减少识别网络的输入维数,从而缩短了网络的训练和识别时间,并有效地减小了神经网络的VC维数,提高了网络的推广能力.对两种不同等级的50片烟叶红外光谱数据进行分析,取其中23片作训练样本,其他的27片作测试样本.实验结果表明:训练样本的正确识别率为100%,测试样本的正确识别率为96.3%.     

基于PSO—BP算法的农业机械数据预测分析研究

由于农村人口大量转移,我国农业产业发展迎来一个整合时期,这样就需要大量地使用农业机械替代需求的劳动力。为保证我国在制定农业机械发展的总体规划时具有良好的指导性,需对农业机械数量进行预测。为此提出基于PSO—BP的高精度预测算法,并考虑各种单一数据对综合数据的显著和非显著影响,分析我国1978~2013年期间的农业相关数据,进行PSO—BP预测算法仿真研究。仿真结果表明,多参数的加入对预测结果的精确度有显著的影响,且采用PSO—BP预测算法预测农机总动力的绝对误差仅为0.03%,预测精度比较高,说明该方法适用于本时间序列的预测问题。     

基于改进型PSO算法的汽车转阀参数优化

提出了基于模拟退火(SA)修正的改进型粒子群算法(SA-PSO)的转阀参数优化方法。建立了整车动力学模型、转向系统模型、高速路感模型和转阀能耗模型,并对模型进行了验证;给出了低速转向轻便性、高速转向路感和能耗的量化指标;提出了以轻便性、路感和能耗量化指标的平方和根最小值为目标函数,以各参数取值范围为约束条件的最优化问题;构建了基于模拟退火修正的改进型粒子群优化算法(SA-PSO)的自适应度函数,运用改进型粒子群算法获得了转阀参数的全局最优解;SA-PSO与PSO的优化结果对比表明,SA-PSO的全局收敛性强、收敛速度快;通过优化参数与另外两组参数双纽线、高速中间位置小转角转向、转阀能耗仿真验证了优化方法的有效性和优化结果的正确性,最后分别进行了转阀参数优化前、后的双纽线、高速中间位置小转角转向、转阀能耗试验,结果表明,优化后的转阀使转向轻便性、高速转向路感和节能性均得到改善。     

PSO算法在矩阵特征值求解中的应用

矩阵特征问题是数值计算的一个重要组成部分,也是当前迅速发展的计算机科学和数值代数中一个活跃的研究课题.矩阵特征问题不仅可以直接解决数学中诸如非线性规划、常微分方程以及其他各类数学计算问题,而且在结构力学、工程设计、计算物理和量子力学中都发挥着重要的作用。在科学与工程计算中,求解矩阵特征值也是最普遍的问题之一。如动力系统和结构系统中的振动问题、电力系统的静态稳定分析上、工程设计中的某些临界值的确定等都可归结为求解矩阵特征值问题。仿真实验结果表明,该方法求解精度高、收敛速度快,能够在10代左右收敛,可以有效获得任意矩阵的特征值。     

基于神经网络算法的果树需水预测研究

【目的】准确预测果树需水量。【方法】对采集地果园环境数据进行主成分分析,筛选出影响果树蒸腾量的关键因子。建立以长短时记忆(LSTM)神经网络为基础的预测模型来预测果树蒸腾量。为提高预测的精度,在LSTM神经网络的基础上加入了注意力(Attention)机制,形成Attention-LSTM预测模型。【结果】将改进的模型与其他模型的预测精度进行对比,仿真试验表明,该模型的预测精度最高,RMSE和MSE分别为0.487和0.062。【结论】该预测模型可以准确预测果树蒸腾量,从而实现果园精准灌溉并提高水果产量,具有一定的实际意义。     

PSO算法在矩阵特征值求解中的应用

矩阵特征问题是数值计算的一个重要组成部分,也是当前迅速发展的计算机科学和数值代数中一个活跃的研究课题.矩阵特征问题不仅可以直接解决数学中诸如非线性规划、常微分方程以及其他各类数学计算问题.而且在结构力学、工程设计、计算物理和量子力学中都发挥着重要的作用.在科学与工程计算中,求解矩阵特征值也是最普遍的问题之一.如动力系统和结构系统中的振动问题、电力系统的静态稳定分析上、工程设计中的某些临界值的确定等都可归结为求解矩阵特征值问题.仿真实验结果表明,该方法求解精度高、收敛速度快,能够在10代左右收敛,可以有效获得任意矩阵的特征值.     

基于改进PSO算法的永磁同步电机模糊PI控制方法研究

永磁同步电机作为装配工艺中电动夹爪常用的动力源器件,在实际控制系统中通常采用传统可靠的PID控制,但传统的PID控制精准度较低,对外界干扰较为敏感,无法满足电机的实际要求。为解决这一问题,利用MATLAB/Simulink模块搭建电机的控制系统模型;加入模糊控制,利用模糊推理对PID的变量进行自适应调节;引入改进的粒子群算法,以实现永磁同步电机系统的精确控制。仿真结果表明,该方法与传统PI控制相比具有更快的响应速度、更小的超调量、更强的抗干扰能力,系统稳定性显著提高。     

基于改进PSO算法的电机控制系统PID参数优化

粒子群算法(PSO,Particle Swarm Optimization)作为一种新型的随机优化方法,其算法结构简单,鲁棒性强,在组合优化和自适应控制等领域的非线性优化中有着广泛的应用前景.为此,提出一种改进的PSO优化算法,并将该算法应用于电机控制系统的PID参数优化设计.仿真结果表明,利用改进PSO算法优化的PID参数能有效改善控制系统的性能指标.     

基于杂交PSO算法的直线电机伺服参数优化

伺服参数整定是影响直线电机系统控制性能优劣的关键因素,针对其参数难以整定的问题,提出一种基于杂交PSO算法的解决方案.通过引入粒子杂交操作,有效增强算法对最优参数的全局搜索能力,并且其收敛速度和精度得到提升.仿真结果表明,应用杂交PSO算法对电机系统数学模型的伺服参数进行整定优化效果明显.对比标准粒子群算法与文献改进粒...