基于粒子群优化的BP神经网络模型参考自适应控制系统（共5篇）由网友“番薯妹妹番薯畴昔”投稿提供，下面是小编整理过的基于粒子群优化的BP神经网络模型参考自适应控制系统，欢迎大家阅读分享借鉴，欢迎大家分享。
篇1：基于粒子群优化的BP神经网络模型参考自适应控制系统
基于粒子群优化的BP神经网络模型参考自适应控制系统
将粒子群优化的BP神经网络作为模型,参考自适应控制系统的控制器,把参考模型输出与系统实际输出的均方误差作为PSO-BP神经网络的适应函数,通过PSO算法强大的搜索性能使自适应控制系统的`均方误差最小化.仿真实例结果表明,基于粒子群优化算法的BP神经网络自适应控制系统收敛快、精度高,有较好的网络的泛化和适应能力,能够很好地控制系统的输出跟随参考模型的输出.
作 者：陈聆 闫海波 毛万标 CHEN Ling YAN Hai-bo MAO Wan-biao 作者单位：陈聆,CHEN Ling(成都理工大学信息管理学院,数学地质四川省重点实验室,成都,610059)闫海波,YAN Hai-bo(新疆财经学院,乌鲁木齐,830012)
毛万标,MAO Wan-biao(西昌卫星发射中心技术部,四川,西昌,615000)
刊 名：成都理工大学学报(自然科学版) ISTIC PKU英文刊名：JOURNAL OF CHENGDU UNIVERSITY OF TECHNOLOGY(SCIENCE & TECHNOLOGY EDITION) 年，卷(期)： 34(6) 分类号：O231.2 关键词：模型参考自适应控制系统 粒子群优化算法 BP神经网络 参考模型篇2：基于改进粒子群优化算法的新安江模型参数优选
基于改进粒子群优化算法的新安江模型参数优选
新安江模型是一种实用有效的水文模型,在洪水预报以及水资源评估和管理中得到了广泛的应用.为此,结合新安江模型参数的`特点,提出了基于改进粒子群优化算法的新安江模型参数优选方法,并将该模型应用到日径流预报中.实例表明,该方法能快速地完成参数寻优,并能较好地寻找出参数的全局最优解.
作 者：刘力 周建中 杨俊杰 刘芳 安学利 Liu Li Zhou JianZhong Yang JunJie Liu Fang An XueLi 作者单位：华中科技大学水电与数字化工程学院,湖北,武汉,430074 刊 名：水力发电 ISTIC PKU英文刊名：WATER POWER 年，卷(期)：2007 33(7) 分类号：O224 TV125 关键词：参数优选 新安江模型 粒子群优化算法 径流预测篇3：BAF处理系统的BP神经网络模型
BAF处理系统的BP神经网络模型
摘要：本文以某污水处理厂曝气生物滤池(Biological aerated filter,BAF)的实际运行数据为基础,采用人工神经网络(Artificial neural network,ANN)方法,建立起BAF处理系统的.BP神经网络预测模型.模型运算结果表明,预测值和实测值能较好地吻合,起到了模拟预测的效果,同时能优化运行状态.该模型的建立为BAF处理系统的预测及运行管理供了一条简便实用的途径,具有良好的研究和工程实用价值.作 者：陈杰 CHEN Jie 作者单位：深圳市水务局,深圳,518000 期 刊：四川环境 ISTIC Journal：SICHUAN ENVIRONMENT 年，卷(期)：, 27(6) 分类号：X703 关键词：人工神经网络 BP神经网络 BAF处理系统篇4：基于粒子群优化算法的本构模型参数识别
基于粒子群优化算法的本构模型参数识别
基于群体与适应度的概念,应用改进的'PSO算法,从随机解出发,提出了基于PSO算法的本构模型参数识别方法.该方法解决了橡胶类材料大应变时硬化现象的本构模型参数的确定这一难题.首先通过单轴拉伸本构模型实验,在针对硬化实验曲线存在拐点的情况下,应用PSO算法进行拟合,最后利用简单剪切实验进行验证.结果表明该方法科学可行,且具有速度快、精度高、易于收敛等优点.并且有效地解决了本构模型参数识别的困难,可广泛应用于各种复杂材料.
作 者：朱艳峰 任凤鸣 王红 ZHU Yanfeng REN Fengming WANG Hong 作者单位：广东工业大学建设学院工程力学研究所,广州,510600 刊 名：力学与实践 ISTIC PKU英文刊名：MECHANICS IN ENGINEERING 年，卷(期)： 29(6) 分类号：O3 关键词：粒子群优化算法 橡胶类材料 本构方程 参数辨识篇5：采用粒子群优化的基因转录差异分析模型
采用粒子群优化的基因转录差异分析模型
高通测序技术可以更加全面地检测实验样本中基因转录水平,这使得对样本间基因转录差异的'分析精度越来越准确.根据通过DNA高通测序技术获得的基因转录区内Pol Ⅱ蛋白个数,提出了两个样本间基因转录差异分析模型.该模型在考虑同一基因间转录差异的同时,引入了全基因的转录分布特性以提高模型分析精度.模型采用预测概率最大化统计算法进行参数求取.在概率最大化步骤中,由于难以得到模型参数解析解和提高算法效率,采用粒子群优化算法直接进行求取模型参数数值解.乳腺癌实验数据测试表明,该模型可有效分析不同样本间基因转录差异.
作 者：冯伟兴 王科俊 作者单位：哈尔滨工程大学模式识别与智能系统研究所,哈尔滨,150001 刊 名：中国生物医学工程学报 ISTIC PKU英文刊名：CHINESE JOURNAL OF BIOMEDICAL ENGINEERING 年，卷(期)：2010 29(2) 分类号：Q332 关键词：基因 转录差异 粒子群 分析模型★ 生物技术论文
★ 硕士论文开题报告
★ 开题报告格式
★ 茶叶开题报告范文
【基于粒子群优化的BP神经网络模型参考自适应控制系统（共5篇）】相关文章：
英语硕士研究生论文开题报告格式2022-12-14
拆迁各方的经济分析论文2022-10-07
开题报告范文2023-08-30
基于支持向量回归机的复杂产品费用估算技术发展研究论文2023-01-16
城市交通系统的经济分析论文2022-11-12
建设工程造价协议书2022-11-11
英语本科生论文开题报告标准格式2022-04-30
神经网络在空气污染预报中的应用研究2023-04-22
探讨饲料厂建设工程造价论文2022-06-17
地球物理资料非线性反演方法讲座(十)粒子群反演方法2023-07-22