导读:本文包含了神经网络串联论文开题报告文献综述及选题提纲参考文献，主要关键词:谐波减速器,迟滞特性,SDH模型,神经网络
神经网络串联论文文献综述
党选举,王凯利,姜辉,伍锡如,张向文[1]（2019）在《SDH模型与神经网络串联的谐波减速器混合迟滞建模研究》一文中研究指出针对柔性环节含有的谐波减速器所表现出的特殊非线性迟滞特性,构建了由SDH模型与神经网络串联的谐波减速器的混合迟滞模型。以输入与输出信号之间具有与谐波减速器迟滞曲线相似迟滞特性的SDH模型为前置模型,以补偿前置模型在描述迟滞特性时存在的误差的非线性动态RBF神经网络作为后置模型,构成了混合迟滞模型,描述谐波减速器迟滞非线性特性。根据所搭建的实验平台,对不同频率输入信号、不同负载状态下获得的数据进行建模,与经典RBF神经网络模型和SDH模型相对比,实验表明,所构造的混合迟滞模型精度高、适应性强。(本文来源于《机械传动》期刊2019年08期）
焦治杰,李腾,王莉娜,牟龙华,Alexandra,Khalyasmaa[2]（2019）在《基于卷积神经网络的光伏系统直流串联电弧故障检测》一文中研究指出本文提出一种新颖的基于卷积神经网络的光伏系统直流串联电弧故障检测方法。首先采用短时傅里叶变换提取电流信号的时频信息,以能量谱密度作为电流的时频联合能量函数,构造电流的时频谱图,然后以时频谱图中各时频点的能量谱密度作为卷积神经网络的输入,设计卷积神经网络算法实现电弧故障检测。经实验验证,所提出方法可清晰区分电弧故障电流特征和正常工作电流特征;在实验室测试中,所提出方法可准确地检测出光伏系统直流串联电弧故障。(本文来源于《电工电能新技术》期刊2019年07期）
余琼芳,黄高路,杨艺[3]（2019）在《绝对值激活深度神经网络的串联故障电弧检测》一文中研究指出串联故障电弧具有隐蔽性和随机性,发生时线路电流波形受负载类型的影响而具有复杂性,检测难度大,严重威胁用电系统安全。鉴于电流数据具有大量负值的特点,提出用绝对值函数作为激活函数改进AlexNet深度学习网络检测串联故障电弧,并分析了激活函数特性对串联故障电弧检测效果的影响。把实验采集的叁类负载分别在正常和发生串联故障电弧状态下的共7 200组电流数据制作成训练集和测试集,并分别对使用四种激活函数的AlexNet网络进行训练和测试。实验结果显示,ELU激活的网络最高检测正确率为95.5%;而绝对值激活的网络效果最好,其平均检测正确率最高为97.25%,最低为93%,比ReLU激活的AlexNet网络最高88.75%的平均准确率高出最少4.25个百分点;而使用Sigmoid函数的网络不收敛。分析结果表明线性的激活数据特征有助于提高网络的检测准确率。(本文来源于《计算机应用》期刊2019年S1期）
周晔锡[4]（2019）在《基于SOM-BP串联神经网络的中速磁浮列车悬浮控制器故障诊断方法研究》一文中研究指出电磁型(EMS,Electro Magnetic Suspension)中速磁浮列车作为一种采用先进技术的新型磁浮列车,兼具中低速磁浮列车与高速磁浮列车的优势,不仅牵引效率高,而且导向结构简单。悬浮控制器作为中速磁浮列车悬浮控制系统中枢,组成设备众多、结构复杂、功能强大,但由于其长时间与列车同步工作,内部设备及元件较易损坏。在磁浮列车运行过程中,悬浮控制器突发故障会直接降低悬浮控制系统的稳定性,严重的情况下可能直接导致列车丧失悬浮能力,并且很难在短时间内锁定故障源并高效开展维修工作。因此,对中速磁浮列车悬浮控制器故障诊断方法的研究具有重要意义。近年来,人工神经网络理论与应用研究已发展为国际前沿研究领域,为故障诊断提供了一个全新的研究方法。本文结合工程实际的考虑与故障样本的数据特性,在分析了中速磁浮列车悬浮控制器工作原理与常见故障特征的基础上,提出使用基于神经网络模型的故障诊断方法为中速磁浮列车悬浮控制器进行故障诊断。具体研究内容与成果如下:(1)建立了基于BP神经网络和SOM神经网络的悬浮控制器故障诊断模型并借助仿真实验分析了两个模型的故障诊断性能。实验结果表明两种神经网络模型的训练效率与诊断准确率均不理想,需要做进一步改进。(2)针对BP神经网络和SOM神经网络的自身局限性,提出将SOM神经网络的竞争层结果用作BP神经网络的输入数据,构建了 SOM-BP串联神经网络故障诊断模型并借助仿真实验分析其故障诊断性能。实验结果表明,SOM-BP串联神经网络故障诊断模型的训练效率与诊断准确率明显高于单独的神经网络模型。(3)考虑到SOM-BP串联神经网络的性能容易受到网络连接权值和节点阈值的影响,提出应用粒子群(PSO,Particle Swarm Optimization)算法为其分配网络连接权值和节点阈值,构建了基于粒子群优化的SOM-BP串联神经网络故障诊断模型并借助仿真实验分析其故障诊断性能,实验结果表明基于粒子群优化的SOM-BP串联神经网络故障诊断方法对于解决实际问题更加有效。(本文来源于《北京交通大学》期刊2019-06-05）
吴丰成,曲娜,任行浩,许凯,张鹏辉[5]（2018）在《基于概率神经网络的串联电弧故障检测》一文中研究指出故障电弧分为串联电弧和并联电弧,并联电弧故障表现为电流短路、故障电流大,现有电气保护体系能对其保护;而串联电弧故障因受线路负载限制,其故障电流小,以至于现有体系无法实现对串联电弧故障保护,存在电气安全隐患。提出一种方法通过实验获得正常工作和电弧故障时电流波形,并提取小波变换的特征值,将特征值输入概率神经网络模型,参照UL 1699标准,通过计算0.5 s内检测到的故障半周期数是否大于8,大于8则判断为电弧故障。通过MATLAB分析,选择40组测试数据,故障识别率为95%,表明了该方法的有效性。(本文来源于《电子技术应用》期刊2018年12期）
宛恒[6]（2018）在《基于BP神经网络—模糊数学串联模型的科左中旗地下水质量评价》一文中研究指出地下水水质是植物生长发育和影响生态环境的主要因素,是评估地下水环境的核心指标。内蒙古通辽地区农业灌溉主要依赖于地下水,目前该区正在进行大规模的“节水增粮行动”,此举可能会引起地下水环境的变化。本文以科左中旗万亩示范田为研究对象,开展地下水环境监测,揭示研究区地下水环境的变化规律,应用构建的BP神经网络—隶属度串联模型对科左中旗地下水环境进行评价,成果将为农田地下水环境有效治理提供基础,对维持当地农业可持续发展具有不可忽视的价值意义。主要研究成果如下:(1)作物生育期内地下水位降低,地下水埋深波动比较明显。2016年地下水埋深在生育期内呈“U”型变化;2017年7月份由于降雨密集,水位上涨,地下水埋深在生育期内呈“W”型变化。(2)地下水水质生育期内变化较大,伴随着地下水埋深的升降、降雨的补给、施肥的进行:7月地下水pH值升高;矿化度、全盐量、氨氮、硝酸盐、硫酸盐、钠离子、镁离子、氯化物和总硬度在6月份和8月份产生极大值,7月份产生极小值,波动较明显;重碳酸盐和总碱度呈现高低起伏的变化,全盐量与矿化度、重碳酸盐与总碱度存在极显着正相关关系。8月末各离子浓度逐渐下降,生育期前后各离子浓度值相近,当地总体地下水质4月和10月优于其它各月。(3)构建的BP神经网络一隶属度串联模型经率定检验,与实际监测数据吻合较好,该模型用于科左中旗地区农田地下水质量评价可行。(4)以地下水Ⅳ类标准为基础,基于BP神经网络一隶属度串联模型评价结果显示研究区地下水水质总体都位于Ⅳ类水以上,地下水质量情况良好,其中2017年地下水质量优于2016年。(本文来源于《内蒙古农业大学》期刊2018-06-01）
张扬,刘艳丽[7]（2016）在《PSO优化BP神经网络的串联故障电弧识别方法》一文中研究指出运用db5小波对故障电弧信号进行4层分解,提取故障频段能量谱作为特征量,建立BP神经网络。用粒子群优化(PSO)算法优化BP神经网络,从而快速准确地对故障电弧特征量进行拟合,用训练后的神经网络对故障电弧进行预测,达到了较好的预测识别效果,验证了该串联型故障电弧识别方法的有效性。(本文来源于《传感器与微系统》期刊2016年07期）
张士文,张峰,王子骏,顾昊英,宁庆[8]（2014）在《一种基于小波变换能量与神经网络结合的串联型故障电弧辨识方法》一文中研究指出针对交流串联型故障电弧发生时回路电流幅值较小、传统线路保护装置不能有效检测的问题,提出一种基于小波变换能量与神经网络结合且适用于多种典型负载的串联型低压交流故障电弧辨识方法。利用自制的电弧发生装置模拟产生低压交流故障电弧,获取了6种典型家用负载情况下电路正常运行及产生串联型故障电弧时回路的电流信号。对采集的信号进行小波分解,将各层细节信号能量的平均值和标准差输入BP神经网络后构成小波神经网络,实现对不同负载测试样本的辨识。采用粒子群优化算法计算神经网络训练初始值,利用自适应学习率方法提高了训练速度。算法输出结果含义明确,输入层特征量选取合理。实验结果表明,采用该方法进行故障电弧辨识的准确率达到95%以上。(本文来源于《电工技术学报》期刊2014年06期）
陈旭伟,傅刚,陈环[9]（2013）在《基于串联BP神经网络多函数拟合的研究设计》一文中研究指出在研究神经网络对非线性函数拟合的过程中发现一个网络同时只能对一个函数进行拟合,为解决这一问题,通过研究BP算法神经网络提出了串联BP网络来实现多个非线性函数的拟合。通过Matlab自定义网络结构实现串联BP网络,在Matlab下利用此串联网络同时对两个非线性函数进行了拟合,训练样本加入噪声信号,在经过342次训练后拟合误差达到了0.000 978。实验测试结果显示本网络能够很好地对两个待拟合函数进行拟合,为同时进行多函数的拟合提供了新的方法。(本文来源于《现代电子技术》期刊2013年22期）
杨智来,吴杰,温浩军,蒲明[10]（2013）在《基于串联型灰色神经网络新疆兵团农机总动力预测》一文中研究指出为了准确了解兵团农机总动力的发展趋势,该文以兵团1989~2008年和2009~2011的农机总动力分别作为训练样本和检测样本,采用串联型灰色神经网络(SGNN)预测兵团农机总动力,并与灰色GM(1,1)模型法和BP神经网络法的预测结果进行比较分析。研究结果表明,SGNN模型对兵团农机总动力的预测精度明显高于灰色GM(1,1)模型法和BP神经网络法,可以作为兵团未来农机总动力发展预测及政策制定的有效方法和工具。(本文来源于《新疆农机化》期刊2013年05期）
神经网络串联论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文提出一种新颖的基于卷积神经网络的光伏系统直流串联电弧故障检测方法。首先采用短时傅里叶变换提取电流信号的时频信息,以能量谱密度作为电流的时频联合能量函数,构造电流的时频谱图,然后以时频谱图中各时频点的能量谱密度作为卷积神经网络的输入,设计卷积神经网络算法实现电弧故障检测。经实验验证,所提出方法可清晰区分电弧故障电流特征和正常工作电流特征;在实验室测试中,所提出方法可准确地检测出光伏系统直流串联电弧故障。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
神经网络串联论文参考文献
[1].党选举,王凯利,姜辉,伍锡如,张向文.SDH模型与神经网络串联的谐波减速器混合迟滞建模研究[J].机械传动.2019
[2].焦治杰,李腾,王莉娜,牟龙华,Alexandra,Khalyasmaa.基于卷积神经网络的光伏系统直流串联电弧故障检测[J].电工电能新技术.2019
[3].余琼芳,黄高路,杨艺.绝对值激活深度神经网络的串联故障电弧检测[J].计算机应用.2019
[4].周晔锡.基于SOM-BP串联神经网络的中速磁浮列车悬浮控制器故障诊断方法研究[D].北京交通大学.2019
[5].吴丰成,曲娜,任行浩,许凯,张鹏辉.基于概率神经网络的串联电弧故障检测[J].电子技术应用.2018
[6].宛恒.基于BP神经网络—模糊数学串联模型的科左中旗地下水质量评价[D].内蒙古农业大学.2018
[7].张扬,刘艳丽.PSO优化BP神经网络的串联故障电弧识别方法[J].传感器与微系统.2016
[8].张士文,张峰,王子骏,顾昊英,宁庆.一种基于小波变换能量与神经网络结合的串联型故障电弧辨识方法[J].电工技术学报.2014
[9].陈旭伟,傅刚,陈环.基于串联BP神经网络多函数拟合的研究设计[J].现代电子技术.2013
[10].杨智来,吴杰,温浩军,蒲明.基于串联型灰色神经网络新疆兵团农机总动力预测[J].新疆农机化.2013