【摘 要】
：
传统的LMS自适应滤波器收敛速度较慢,存在步长、收敛速度和失调的矛盾.针对此问题,提出了一种基于神经网络控制的自适应滤波器变步长算法,其中神经网络结构选择改进后BP神经网络模型,在反向传播过程中加入动量因子和自适应学习方法.使用自适应滤波器输入信号、输出信号、误差和步长因子建立网络关系(BP-LMS),确定学习步骤进行训练优化.基于理论与仿真实验结果表明,新算法收敛速度快,可以使自适应滤波与神经网络误差补偿相结合,在信噪比低的情况下,可以减少稳态失调,提高测量精度,表现出良好的性能.
【机 构】
：
青岛科技大学信息学院 青岛 266100
论文部分内容阅读
传统的LMS自适应滤波器收敛速度较慢,存在步长、收敛速度和失调的矛盾.针对此问题,提出了一种基于神经网络控制的自适应滤波器变步长算法,其中神经网络结构选择改进后BP神经网络模型,在反向传播过程中加入动量因子和自适应学习方法.使用自适应滤波器输入信号、输出信号、误差和步长因子建立网络关系(BP-LMS),确定学习步骤进行训练优化.基于理论与仿真实验结果表明,新算法收敛速度快,可以使自适应滤波与神经网络误差补偿相结合,在信噪比低的情况下,可以减少稳态失调,提高测量精度,表现出良好的性能.
其他文献
目的 研究不同升温速率下模块装药烤燃特性的变化.方法 基于模块装药结构及其烤燃化学反应机理,提出基本假设,建立二维非稳态烤燃计算模型,通过数值模拟计算分析研究模块装药在不同工况下的烤燃特性.结果 在3.30、5.25、7.20 K/h的加热条件下,模块装药发生烤燃响应的着火温度分别为476.6、473.1、477.1 K.当模块装药的升温速率不高于5.25 K/h时,仅产生1个位于模块装药径向中心截面单基药处的烤燃环形响应区域;当模块装药的升温速率高于5.25 K/h时,烤燃环形响应区中心点由1个位于模块
目的 实现非平稳随机振动试验控制,在传统随机振动试验控制理论基础上,提出一种针对非平稳连续振动方式下的随机试验控制方法.方法 将均方根时变的非平稳随机振动过程近似等效为一个均方根和PSD谱的乘积模型,通过实时计算归一化的驱动谱,利用均方根实时跟随控制策略,更新驱动信号,实现连续非平稳随机振动控制.利用软件编程实现控制算法和策略,并基于工控机、实时控制器、数据采集模块等硬件,设计一套非平稳随机振动试验控制系统.将该控制系统与振动台试验系统连接,开展时变随机功能验证试验.结果 归一化后的PSD谱控制误差在±3
为减小复合材料自动铺丝机定位误差,改善复合材料铺放成型质量,提出了大型龙门式自动铺丝机空间误差建模及参数辨识方法.首先分析了龙门自动铺丝机空间拓扑结构及几何误差组成要素,基于多体系统理论分别建立了自动铺丝机理论与实际运动学模型,进而获得了自动铺丝机末端空间误差模型;然后采用三阶切比雪夫多项式为基函数描述与位置有关的几何误差(PDGE),确定含待定误差参数的空间误差分量,建立自动铺丝机空间误差参数识别优化目标函数,采用Levenberg-Marquardt算法(LM算法)求解该无约束非线性最小二乘优化问题,
针对劣化独立的同类型部件组成的系统,提出了最优的维修决策优化模型.将系统中部件的劣化过程描述为具有时间连续状态离散的马尔可夫过程,在分析系统转移特性的基础上,运用马尔可夫过程理论求解了系统中单个部件各状态的平稳概率表达式,建立了具有多状态劣化特性的多部件系统的平均费用率最优决策模型,在系统长期平均费用率最小的情况下,得到系统最优的检测周期、机会和预防维修阈值.以风电机组为例,验证了维修决策模型的正确性和适用性.结果表明,该模型可以为实际的多部件系统给出较为经济且合理的维修策略.
为解决在役状态监测系统采用常规固定阈值报警方法难以追踪旋转机械性能退化发生和发展的问题,应用振动监测原始数据和实时监测原始数据构建了数据驱动的旋转设备性能退化趋势预测模型,提出一种基于谱距离指标运行可靠性曲线l1趋势滤波的旋转设备性能退化趋势预测方法.应用美国辛辛那提智能维修信息系统(I M S)中心轴承实验数据和中国某石化公司离心压缩机转子不平衡故障案例数据验证了所构建的旋转设备性能退化预测模型.结果表明,数据驱动的旋转设备性能退化预测模型只需要运行正常状态振动原始数据,无需依赖外部专家先验知识,能够准
为提高产品再制造拆卸效率与收益,提出基于多目标改进蛙跳算法的多目标件选择性拆卸序列规划方法.首先优化拆卸信息建模方法,利用紧固件约束矩阵和结构件约束矩阵,构建产品拆卸信息模型并构造可行解;以拆卸时间最小化和拆卸收益最大化为目标,以多目标件价值为导向构建一种新的多目标选择性序列评价方法,同时构建多目标件选择性拆卸序列规划数学模型.融入Pareto思想构建多目标改进蛙跳算法,提出三段式编码构建青蛙个体,以实现选择性拆卸序列的多样性调节;采用基于快速非支配排序与拥挤度比较思想的改进排序分组策略进行多目标优化蛙群
针对行星减速器工作过程中存在齿轮动态磨损因素导致传动精度可靠度下降的问题,建立了考虑齿轮磨损的行星减速器传动精度时变可靠性模型,并进行了传动精度可靠性分析与公差优化设计.基于啮合线分析方法建立了行星减速器传动误差模型,对齿轮磨损这一随机过程进行了数值仿真,并利用高斯过程预测了齿轮磨损量;以某二级2K-H型行星减速器为例,运用改进的基于随机过程离散化时变可靠性分析方法求解其传动精度可靠度;建立以加工成本最低为优化目标、传动精度可靠度和齿轮磨损量为约束条件的公差优化设计模型,通过序列二次规划法对影响加工成本的
关键工序的有效识别及其质量特征数据不足问题是多品种小批量制造过程质量控制的关键.由此,提出一种基于清晰集与灰色关联分析的多品种小批量制造过程关键工序识别方法,综合考虑加工难度、成本、客户(VOC)等因素,构建多品种小批量质量关键工序的识别模型;在此基础上,基于层次聚类分析法对各品种的关键工序进行聚类分析,进而确定分辨率的选择方案,扩大质量特征数据样本量,解决关键工序的质量特征数据不足的问题.以某航天复杂构件制造企业的各品种产品制造工艺流程为例,应用所提方法对其关键工序进行识别与聚类分析,结果验证了所提模型
为了在提高系统可靠性的同时有效控制修复成本,以k-out-of-n:F系统为研究对象,提出基于累积修复成本限制策略的维护模型,模型中考虑系统部件之间的失效相关性,根据系统中失效部件的数量m将系统故障分为两类.其中,Ⅰ类故障:系统失效部件数0
论文在分析的极限学习机和遗传算法的基础上,提出通过遗传算法选择最优染色体,获得优化的极限学习机输入权值和阈值,提高网络稳定性,降低数据分类误差的方法.算法测试结果表明,基于遗传算法的极限学习机对于特征点较多的农业类数据的分类性能有较大提高.