格式:pdf
大小:281KB
頁(yè)數(shù): 4頁(yè)
針對(duì)六自由度機(jī)械臂耦合性強(qiáng)、時(shí)變、非線性等性能,基于拉格朗日動(dòng)力學(xué)建模方法,文章采用BP神經(jīng)網(wǎng)絡(luò)逼近模型,實(shí)現(xiàn)高精度軌跡跟蹤。該方法根據(jù)六自由度機(jī)械臂本體采集的數(shù)據(jù)進(jìn)行黑箱辨識(shí)建模解耦,建模過(guò)程采用BP神經(jīng)網(wǎng)絡(luò)逼近,提升建模精度、簡(jiǎn)化建模過(guò)程。針對(duì)解耦后的系統(tǒng),還需建立PID閉環(huán)控制器進(jìn)一步實(shí)現(xiàn)軌跡跟蹤控制。仿真及實(shí)驗(yàn)結(jié)果表明,基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器能夠改善系統(tǒng)的魯棒性和穩(wěn)定性,并有效抑制抖動(dòng)。
格式:pdf
大?。?span class="single-tag-height">1.8MB
頁(yè)數(shù): 2頁(yè)
針對(duì)傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)存在的收斂速度慢和極易陷入局部極小值導(dǎo)致網(wǎng)絡(luò)\"震蕩\"影響建筑能耗預(yù)測(cè)準(zhǔn)確性的缺點(diǎn),本文提出一種基于隨機(jī)Dropout和FOA-BP的建筑能耗預(yù)測(cè)方法。該方法利用果蠅優(yōu)化算法(FOA)對(duì)BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值進(jìn)行優(yōu)化,再利用隨機(jī)Dropout算法改進(jìn)FOA-BP網(wǎng)絡(luò)的隱層神經(jīng)單元,獲得較快的運(yùn)算速度。案例仿真結(jié)果表明:與傳統(tǒng)方法比較,經(jīng)過(guò)FOA-BP和隨機(jī)Dropout改善后的網(wǎng)絡(luò)預(yù)測(cè)速度更快、預(yù)測(cè)精度更高,其預(yù)測(cè)結(jié)果可為建筑節(jié)能管理運(yùn)行提供參考。
bp機(jī)知識(shí)來(lái)自于造價(jià)通云知平臺(tái)上百萬(wàn)用戶(hù)的經(jīng)驗(yàn)與心得交流。 注冊(cè)登錄 造價(jià)通即可以了解到相關(guān)bp機(jī)最新的精華知識(shí)、熱門(mén)知識(shí)、相關(guān)問(wèn)答、行業(yè)資訊及精品資料下載。同時(shí),造價(jià)通還為您提供材價(jià)查詢(xún)、測(cè)算、詢(xún)價(jià)、云造價(jià)等建設(shè)行業(yè)領(lǐng)域優(yōu)質(zhì)服務(wù)。手機(jī)版訪問(wèn):bp機(jī)