遗传算法优化的BP神经网络压电陶瓷蠕变预测
100 积分
50
评分
4.7 积分- 详情
- 2021-04-27
- 简介
pdf
- 1.9MB
- 页数 6P
- 阅读 85
- 下载 38
针对压电陶瓷驱动器的蠕变误差随时间呈现非线性变化,会严重影响其定位精度的问题,提出遗传算法优化BP神经网络的压电陶瓷蠕变预测算法.采用遗传算法优化了BP神经网络的权值和阈值,构建了基于遗传算法的BP神经网络（GA-BP算法）的蠕变预测模型.用GA-BP算法对压电陶瓷蠕变进行了预测仿真,并将结果与实测数据进行了对比.结果表明,获得的蠕变预测结果与实验数据的最大绝对误差均不超过0.2 μm,最大蠕变误差均小于1.5％,最大均方误差仅为0.0046,因此,GA-BP预测模型可作为预测压电陶瓷蠕变误差的一种有效手段.
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
zho***
擅长:
电气 给排水 暖通
- 4.4
服务
- 2
商品
- 83
人气
相关推荐
遗传算法优化的BP神经网络压电陶瓷蠕变预测 1.3MB
遗传算法优化的BP神经网络压电陶瓷蠕变预测 1.9MB
遗传算法优化BP神经网络的信号检测 173KB
基于遗传算法优化BP神经网络的电解碲电源 3.2MB
基于遗传克隆选择算法优化BP神经网络的地理信息预测研究 486KB
压电陶瓷回环特性的RBF神经网络建模研究 426KB
基于遗传算法和BP神经网络的短期电力负荷预测 586KB
基于遗传算法优化BP神经网络的GIS设备放电故障诊断 562KB
基于Bagging算法和遗传BP神经网络的负荷预测 277KB
基于BP神经网络和遗传算法的年负荷预测与分析 527KB