造價通
更新時間：2025.05.10
基于BP神經(jīng)網(wǎng)絡(luò)的機械臂軌跡控制研究??

格式：pdf

大?。?span class="single-tag-height">281KB

頁數(shù)： 4頁

針對六自由度機械臂耦合性強、時變、非線性等性能,基于拉格朗日動力學(xué)建模方法,文章采用BP神經(jīng)網(wǎng)絡(luò)逼近模型,實現(xiàn)高精度軌跡跟蹤。該方法根據(jù)六自由度機械臂本體采集的數(shù)據(jù)進行黑箱辨識建模解耦,建模過程采用BP神經(jīng)網(wǎng)絡(luò)逼近,提升建模精度、簡化建模過程。針對解耦后的系統(tǒng),還需建立PID閉環(huán)控制器進一步實現(xiàn)軌跡跟蹤控制。仿真及實驗結(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。

基于隨機Dropout和FOA-BP的建筑能耗預(yù)測研究

格式：pdf

大?。?span class="single-tag-height">1.8MB

頁數(shù)： 2頁

針對傳統(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)測準確性的缺點,本文提出一種基于隨機Dropout和FOA-BP的建筑能耗預(yù)測方法。該方法利用果蠅優(yōu)化算法(FOA)對BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值進行優(yōu)化,再利用隨機Dropout算法改進FOA-BP網(wǎng)絡(luò)的隱層神經(jīng)單元,獲得較快的運算速度。案例仿真結(jié)果表明:與傳統(tǒng)方法比較,經(jīng)過FOA-BP和隨機Dropout改善后的網(wǎng)絡(luò)預(yù)測速度更快、預(yù)測精度更高,其預(yù)測結(jié)果可為建筑節(jié)能管理運行提供參考。

熱門知識

bp機

最新知識

bp機
點擊加載更多>>

相關(guān)問答

bp機
點擊加載更多>>
專題概述
bp機相關(guān)專題

分類檢索：