基于BP算法的逆变点焊电源模糊神经网络控制研究
100 积分
50
评分
4.5 积分- 详情
- 2021-04-27
- 简介
pdf
- 268KB
- 页数 5P
- 阅读 86
- 下载 24
引入动量因子对常规BP学习算法进行了改进。在分析模糊神经网络控制模型的基础上,针对模糊神经网络规则多、训练时间长的缺点,采用了给模糊控制规则增加阈值,减少网络训练运算量的优化方法。最后将此优化方法和改进的训练算法应用到逆变点焊电源模糊神经网络(FNN)恒电流控制系统中,通过使用MATLAB语言编程,对该系统进行了仿真分析。仿真结果表明,动量因子的引入不但减小了BP算法学习过程的振荡趋势,加快了收敛速度,而且较好解决了BP网络容易陷入局部极小点的缺陷。模糊规则阈值的引入,有效减少了网络的训练时间。
对不起，您暂无在线预览权限，如需浏览请
立即登录热门商品
相关推荐
基于模糊神经网络控制的CO_2焊接逆变电源 265KB
基于变论域电阻点焊模糊神经网络控制方法 1.0MB
基于模糊神经网络的逆变点焊电源恒电流控制设计及仿真 1.4MB
变风量空调系统末端的模糊神经网络控制研究 182KB
注塑机料筒温度的模糊神经网络控制研究 603KB
基于模糊神经网络的中频感应加热电源的研究 429KB
基于模糊神经网络的无线感应电源频率控制器 164KB
基于遗传算法优化BP神经网络的电解碲电源 3.2MB
基于BP算法的逆变点焊电源模糊神经网络控制研究 268KB
基于模糊神经网络的电阻焊机恒电流控制研究 720KB