搜索到4337篇“ PSO-BP神经网络“的相关文章
- 基于AM-PSO-BP神经网络的打印路径规划
- 2024年
- 为提高弧焊焊接效果,提出一种基于AM-PSO-BP神经网络的弧焊打印路径规划方法。方法采用基于自适应方差的自适应变异操作(AM)消除粒子群优化算法(PSO)后期迭代效率低的问题,然后利用AM-PSO算法优化BP(back propagation)神经网络的权重和阈值,实现BP神经网络参数的优化;最后将AM-PSO-BP神经网络算法对弧焊打印工艺参数进行预测,获取更准确的弧焊打印工艺参数。仿真结果表明:所提方法可精确预测弧焊打印工艺参数,在该工艺参数下,弧焊打印的六边形柱体、圆柱体、正方体预测值与实测值相差较小,且在误差允许范围内,具有较高的准确性。以上方法可为精确弧焊打印提供依据。
- 李冰
- 关键词：路径规划PSO算法自适应变异
- 基于PSO-BP神经网络的轮胎负荷测量方法
- 2024年
- 研究基于粒子群优化(PSO)算法-BP神经网络的轮胎负荷测量方法。将采集的轮胎状态信息与提取到的加速度特征输入到BP神经网络,对轮胎负荷进行回归预测,使用PSO算法优化BP神经网络的权值与阈值,得到轮胎状态信息与轮胎负荷的关系。结果表明,采用PSO-BP神经网络预测轮胎负荷误差为1.8656%,PSO-BP神经网络预测精度较高,在转变工况条件下,预测误差为2.496%。
- 曹旭张舜许彦峰王青春
- 关键词：粒子群优化算法BP神经网络
- 基于GA-PSO-BP神经网络的气象能见度预测
- 2024年
- 针对安徽省气象能见度数据缺测问题,选取安徽省4种不同地形条件下的自动气象站点(黄山站、灵璧站、山南溪谷站、白泽湖站)2017—2019年的气象数据,首先采用灰色关联分析法筛选出与能见度联系紧密的气象要素,然后构建遗传算法(genetic algorithm,GA)和粒子群算法(particle swarm optimization algorithm,PSO)混合算法优化BP(back propagation)神经网络的预测模型,对4种不同地形条件下的自动气象站点的能见度进行预测,并与RF预测模型、XGBoost预测模型的预测效果进行对比,结果表明采用GA-PSO-BP神经网络预测模型无论在哪种地形条件下,预测误差更小,模型精度更高。
- 邱国新殷利平刘长征梅平温华洋
- 关键词：遗传算法粒子群算法BP神经网络
- 基于PSO-BP神经网络的透平气膜冷却效率预测
- 2024年
- 为了研究多因素影响下透平叶片气膜冷却效果,以吹风比、密度比、主流湍流度、面积比、间距比和无量纲下游距离为输入参数,提出了1种基于PSO-BP神经网络的气膜冷却效率预测模型。预测结果表明:PSO-BP预测模型有更高的预测精度,平均相对误差为7.72%;相比传统BP神经网络模型相对误差提高了5.64%,模型适用范围广,具有较好的泛化性。
- 王正杰王鑫李易宸张虹邵岩
- 关键词：燃气轮机气膜冷却BP神经网络粒子群算法
- 基于改进PSO-BP神经网络的热采管柱应力预测
- 2024年
- 稠油热采过程中,油套管柱由于在温度、地层等多重载荷作用下发生塑性形变进而导致断裂或失效。文中根据热采管柱高温服役工况,引入异步变化学习因子和自适应权重建立输入参数为注汽温度、井深、非均匀系数和水泥环温度,输出参数为套管应力的改进PSO-BP模型。文中以N80热采套管为例,选取260、280、300、320、340℃5种温度工况下有限元模拟结果作为训练数据,对比BP模型、GA-BP模型、MEA-BP模型、PSO-BP模型和改进PSO-BP模型在300℃工况温度下井深200、300、400、500、600、700 m处套管应力的预测值和试验值、有限元计算值。结果表明:改进PSO-BP模型预测的应力与试验值最接近,最大和最小误差分别为2.69%和0.06%。最后从训练数据、预测误差、计算时间等方面对建立的改进PSO-BP模型进行了评价,为热采管柱服役过程中的强度安全分析提供智能高效的模型。
- 崔璐李明峰王澎牛科邵帅超常文权
- 关键词：BP神经网络应力粒子群优化算法
- 基于PSO-BP神经网络的加热炉钢坯温度预测模型
- 2024年
- 采用粒子群算法对BP网络进行优化建模,运用粒子群的全局寻优能力确定BP神经网络的权重阈值,实现了对钢坯出炉温度的预测,对模型进行模拟仿真。结果显示:采用PSO-BP神经网络进行温度预测具有更高的精度和更好的收敛速度,相比BP神经网络,PSO-BP神经网络的拟合优度提升了0.086,平均绝对误差降低了41.8%,均方根误差降低了38.8%,标准差降低了38.1%,能够更好地完成对钢坯出炉温度的预测。
- 姜文韬李海英刘绍谦
- 关键词：加热炉BP神经网络粒子群优化算法
- 基于PSO-BP神经网络的经济型二手车估价分析
- 2024年
- 针对BP神经网络预测二手车价格时易陷入局部极小值以及价格影响因素间存在一定相关性的问题,本文提出了一种基于主成分分析(PCA)和粒子群算法(PSO)优化BP神经网络的价格评估模型。本文将PCA降维后的10个主成分作为影响二手车价格的评估参数。基于BP神经网络建立经济型二手车价格评估模型,并使用粒子群算法优化网络的权值和阈值,进一步提高网络的预测精度。该模型一定程度上克服了BP神经网络的不足,为二手车价格评估提供了参考。
- 蔡云张又水吴澳琪陈森赵蕾
- 关键词：BP神经网络
- 基于PSO-BP神经网络的分拣机器人视觉反馈跟踪
- 2024年
- 针对分拣机器人视觉反馈跟踪精度差、耗时较长的问题,研究基于粒子群算法-反向传播(particle swarm optimization-back propagation,PSO-BP)神经网络的分拣机器人视觉反馈跟踪方法,以提升视觉反馈跟踪效果。依据分拣机器人的视觉反馈信息,建立分拣机器人运动学模型,并求解分拣机器人机械臂输出位置和输入位置的误差函数;利用PSO算法优化BP神经网络的权值与偏置;在权值与偏置优化后的BP神经网络内,输入误差函数,预测分拣机器人视觉反馈跟踪控制量;利用预测视觉反馈跟踪控制量,在线调整增量式比例-积分-微分(proportional-integral-derivative,PID)的参数,输出高精度的分拣机器人视觉反馈跟踪控制量,实现分拣机器人视觉反馈跟踪。实验结果表明,该方法可有效视觉反馈跟踪分拣机器人机械臂的关节角;存在干扰情况下,在运行时间为10 s左右时,阶跃响应趋于稳定;有干扰情况下,视觉反馈跟踪的平均误差为0.09 cm,耗时平均值为0.10 ms;无干扰情况下,平均误差为0.03 cm,耗时平均值为0.04 ms。
- 杨静宜白向伟
- 关键词：PSO-BP神经网络运动学模型误差函数增量式PID
- 基于改进PSO-BP神经网络的网络控制系统时延预测
- 2024年
- 针对网络控制系统存在的随机时延问题,本文基于BP神经网络(Back Propagation Neural Network, BPNN)建模方法,在PSO(Particle Swarm Optimization)算法的基础上引入遗传算法中交叉和变异的思想,同时对惯性权重和学习因子采用线性递减和异步时变的改进策略,提出了一种性能更优的改进PSO算法,并用该算法优化BP神经网络,构建了一种改进PSO-BP神经网络的时延预测模型;然后运用MATLAB TrueTime2.0工具箱搭建仿真平台,结合获取到的历史时延采样数据对改进PSO-BP时延预测模型和PSO-BP、BP模型进行性能对比测试.实验表明本文所提出模型的预测精度更高,误差更小,能较好的解决网络控制系统的随机时延预测问题.
- 魏天旭赵燕成赵景波胡阵
- 关键词：网络控制系统PSO算法BP神经网络网络诱导时延时延预测
- 基于PSO-BP神经网络模型的654SMO热变形行为预测
- 2024年
- 针对654SMO超级奥氏体不锈钢的热变形行为进行研究,采用Arrhenius模型与粒子群算法优化的BP神经网络模型(PSO-BP神经网络)对654SMO超级奥氏体不锈钢热变形行为进行预测,将其结果进行对比获得最优模型。通过实验获得变形温度在1 000~1 200℃、应变速率为0.1~10 s^(-1)条件下的真应力,并采用考虑应变修正的Arrhenius模型和PSO-BP神经网络模型对实验数据进行训练,通过计算均方相关系数(R^(2))、均方根误差(RMSE)和平均相对误差(AARE),对预测结果量化并且进行比较。最后基于实验实测数据和PSO-BP模型的预测数据得到应变为0.3和0.6的热加工图。结果表明:相比于传统的Arrhenius模型,PSO-BP神经网络模型具有更高的准确性和适用性,为654SMO的热加工工艺提供理论指导。
- 张博文闫德安和鹏越管煜陈锐刘元铭
- 关键词：PSO-BP神经网络
