共查询到20条相似文献,搜索用时 46 毫秒
1.
2.
3.
神经网络是建立柴油机性能实时计算模型的有效方法.当前柴油机神经网络模型的研究大多是针对稳态工况开展,为了实现对瞬态性能的合理预测,提出了预测全工况稳态及瞬态性能的通用神经网络模型构建方法.此外,为了解决传统BP神经网络无法保证得到全局最优解、泛化能力较差的问题,采用群体智能算法中的粒子群算法(PSO)进行优化.利用某型涡轮增压柴油机的稳态和瞬态数据作为样本对模型进行训练,并与传统的BP神经网络模型进行对比.研究结果表明,PSO-BP神经网络模型可以有效预测发动机的稳态和瞬态性能,稳态预测最大误差4.54%,瞬态预测最大误差4.93%,与传统BP神经网络模型相比,PSO-BP模型可以有效实现全局寻优,提升泛化能力. 相似文献
4.
5.
为研究驾驶人视觉特性和弯道转向行为的内在联系,借助模拟驾驶器,选取50名驾驶人在3种不同半径的弯道上进行驾驶试验。在整理采集的试验数据后,分别比较驾驶人视觉特性(瞳孔面积变化率、扫视速度、扫视幅度)、弯道转向行为(方向盘旋转率、车辆侧向加速度)与弯道半径之间的关系,并进一步提出一种以驾驶人视觉特性为预测因素,基于BP神经网络的驾驶人弯道转向行为预测方法。为使BP神经网络适用于小样本量的预测情况,需引入改进粒子群算法对BP神经网络进行优化。对粒子群算法的改进之处主要体现为:在粒子群算法进行搜索的过程中,采用动态惯性权值与自适应方法,解决了一般粒子群算法中粒子快速趋同的问题。在模型训练的过程中,选取BP神经网络的误差作为改进PSO算法的适应值,由事先确定的最大迭代次数与误差范围共同决定迭代的终止条件。最后,分别使用基于BP神经网络的驾驶人弯道转向行为预测方法,与基于改进粒子群优化BP神经网络的驾驶人弯道转向行为预测方法,对弯道转向行为进行预测,结果表明:基于改进粒子群优化BP神经网络的弯道转向行为预测方法相较传统预测方法具有更高的预测精度,可以有效地预测驾驶人弯道转向行为。 相似文献
6.
为了解决工程造价指数难以预测非线性结构、数据拟合难度大、预测模型参数求解过于固定化、预测模型可靠性不高等问题,文中在混沌时间序列理论的基础上,结合机器学习算法支持向量机(SVM)技术和BP神经网络算法,提出混沌SVM与BP神经网络组合预测模型。实例研究证明,该组合预测模型的精度比SVM预测模型、混沌SVM预测模型、BP神经网络预测模型和GM(1,1)预测模型的高,具有拟合非线性和预测线性波动的能力,可用于工程造价指数预测。 相似文献
7.
针对模型预测控制(MPC)路径跟踪控制器在不同路面附着系数及车速下跟踪误差大的问题,提出了基于粒子群寻优(PSO)-反向传播(BP)神经网络优化MPC的无人驾驶汽车路径跟踪控制策略。首先,设计了MPC路径跟踪控制器;其次,利用PSO-BP对MPC进行优化,以控制器精度和车辆稳定性作为评价函数,获得PSO离线最优时域参数;最后,选择4种工况进行双移线跟踪对比仿真验证。结果表明:所提出的控制策略在保证行驶稳定性的条件下,低路面附着系数低速、高路面附着系数低速、高路面附着系数高速及中路面附着系数中速工况下双移线跟踪横向控制精度分别提高了50%、55%、9%和20%。 相似文献
8.
9.
提出一种基于粒子群优化神经网络PID的车道保持控制方法。首先搭建车路模型和EPS(Electric Power Steering,电动助力转向系统)模型;然后建立粒子群优化神经网络PID控制器,利用粒子群算法优化神经网络的初始权值和阈值,提高神经网络算法的收敛速度和精度,优化后的神经网络算法在线调整PID控制器的3个参数比例Kp、积分Ki、微分Kd,输出最优组合;最后,进行车道保持硬件在环试验,试验表明:相对于常规PID控制和神经网络PID控制,在粒子群优化神经网络控制下,车道保持系统的跟踪精度和稳定性都更高。 相似文献
10.
11.
采用三次均匀B样条函数模拟边坡任意形状滑动面,探讨了B样条曲线的端点处理方法和有效滑动面生成策略。将万有引力算法(GSA)与粒子群算法(PSO)两种启发式算法相融合,同时引入雁阵效应、非线性惯性权重进行改进,提出一种新的混合启发式搜索算法(HHA)。该算法增加了粒子的记忆性与群体信息交流功能,协调了全局和局部寻优能力。数值试验表明:HHA能有效克服GSA易陷入局部最小的不足,具有更好的优化精度、效率与稳定性。结合Morgenstern-Price法,对生成的有效滑动面计算安全系数,并以安全系数为目标函数,采用HHA搜索临界滑动面。4道标准考题分析验证发现:三次均匀B样条曲线能合理逼近任意形状临界滑动面;HHA对临界滑动面的搜索优于GSA,对非均质、含软弱夹层及考虑地震效应的复杂边坡均具有适用性。 相似文献
12.
实时、准确的交通量预测是实现动态交通流控制及诱导的前提和基础,为了更好的对其进行预测,在分析径向基函数(RBF)神经网络预测模型的特点和标准粒子群优化(PSO)算法缺陷的基础上,将量子粒子群优化(QPSO)算法的全局搜索能力与RBF神经网络的局部优化相结合,克服了标准PSO算法收敛不稳定性和RBF神经网络易陷入局部极小值的缺点,并建立了QPSO-RBF的交通量预测模型.仿真实例结果表明,提出的预测模型预测精度较高,具有较强的学习能力和预测能力,对于交通量预测具有一定的可行性和有效性. 相似文献
13.
14.
汽车底盘测功机通过电涡流测功器产生加载扭矩模拟汽车行驶在道路上时所受到的阻力。针对电涡流测功器输出扭矩的非线性特性,提出采用极限学习机神经网络建立电涡流测功器输出扭矩模型的方法,并利用粒子群算法优化网络结构提高模型的准确性。仿真结果显示,模型的平均相对误差为1.3%。通过与BP神经网络模型相比较,极限学习机模型显示出了更高的准确性。 相似文献
15.
16.
为解决甘肃渭武土建试验2标沙湾特长隧道围岩软弱破碎、遇水软化以及强度低等使得围岩力学参数难以准确确定的难题,采用ABAQUS数值计算和正交设计方法进行参数敏感性分析,确定各参数对围岩变形的影响程度。基于粒子群优化的BP神经网络算法建立PSO-BP参数反演分析方法,并编制反分析程序。根据反演的参数进行数值模拟,分析围岩和支护结构位移、应力及塑性区分布情况。研究结果表明: 沙湾隧道围岩位移影响因素重要性依次为黏聚力c、泊松比μ、内摩擦角φ、弹性模量E;PSO-BP参数反演分析方法是一种有效的反分析方法,具有较高的精度。 相似文献
17.
公路客运量数据受多种因素影响而呈现非线性等特点,为了提高其预测精度,文中提出粒子群算法(PSO)优化支持向量机(SVM)的公路客运量预测模型,利用PSO寻优能力突出的优点,对支持向量机的参数进行优化选择,并用优化后的支持向量机模型对公路客运量进行预测.研究结果显示,相比BP神经网络和传统的SVM预测方法,基于PSO SVM的预测精度更高. 相似文献
18.
19.
地震触发滑坡,会造成房屋被毁,道路中断,阻塞河流并形成可能溃坝的堰塞湖。本文以茂县为例,震后调查茂县因地震共产生滑坡和滑坡隐患点共191处,经调查分析主要具有以下特征:(1)滑坡和滑坡隐患点主要沿主干公路和岷江及支流分布,数量达90余处;(2)受主震影响,破坏严重,地质灾害以地表开裂(潜在滑坡)、滑坡和崩滑为主;(3)具有群发性特征,由于区内岩体破碎,风化严重,河流深切,人类工程活动强烈,形成较多的高边坡,在天然状态下处于稳定状态,但在地震力的作用下,瞬间形成了大量的滑坡和滑坡群;(4)滞后性特征,主震后在多次佘震和持续强降雨影响下,又发生了多处灾害,而且这种趋势还会持续相当长一段时间,应做好防灾工作。 相似文献
20.