论文题目: 人工神经网络算法的改进及其在水利测量技术中的应用
论文类型: 博士论文
论文专业: 水利水电工程
作者: 刘清
导师: 沈祖诒,王柏林
关键词: 神经网络,算法改进,微粒群算法,遗传算法,水利测量,传感器特性改善,误差,补偿
文献来源: 河海大学
发表年度: 2005
论文摘要: 本论文就人工神经网络算法及其在水利测量技术中的应用进行了研究。由于现有的人工神经网络算法都是用于复杂对象的建模、预测和控制,所以,算法的时间和空间复杂度较大,且学习速度慢、精度低、收敛性差,无法直接在水利测量技术中使用。为此,本论文就现有的人工神经网络算法进行了分析和研究,提出了经过改进的人工神经网络算法,并将这些算法应用到水利测量技术中,以提高水利测量系统的精度和智能化水平。主要研究的内容有: ① 针对多层前馈网络的误差反传算法存在的收敛速度慢,且易陷入局部极小的缺点,提出了采用微粒群算法(PSO)训练多层前馈网络权值的方法。 ② 针对CMAC神经网络存在的泛化精度有限,且学习收敛性易受HASH映射影响的缺点,提出了一种单输入/单输出的小脑模型神经网络(SISO-CMAC)和学习算法。另外,对如何用SISO-CMAC实现对二维和多维非线性函数逼近也进行了研究。 ③ 论文研究了用神经网络算法,对传感器的非线性静态特性和响应滞后的动态特性所引起的测量误差进行补偿的新方法。通过在传感器的输出串接一个由神经网络构成的补偿器,改善传感器的静态和动态特性,提高测量结果的精度。 ④ 论文对用神经网络技术实现光栅传感器高精度细分,提高光栅传感器测量精度进行了研究。另外,讨论了一种多项式预测滤波与中值滤波相结合的方法,采用该方法可以有效地减小动态莫尔条纹信号中的噪声干扰。 ⑤ 论文将基于神经网络算法补偿传感器测量误差的方法,应用到水利测量技术中。
论文目录:
第一章 绪论
1.1 立题的目的与意义
1.2 水利测量中传感器的使用
1.3 人工神经网络的发展进程与研究现状
1.3.1 神经网络算法的发展进程
1.3.2 常用的神经网络及其研究现状
1.4 神经网络算法在测量技术中的应用进展
1.5 本文主要研究内容
1.5.1 人工神经网络算法的改进
1.5.2 神经网络算法在传感器误差补偿中应用
1.5.3 神经网络算法在光栅传感器细分中应用
第二章 采用微粒群算法训练的BP神经网络研究
2.1 BP神经网络的理论分析
2.1.1 多层前馈网络结构
2.1.2 误差反向传播(BP)训练算法
2.1.3 BP算法存在的缺点
2.2 用微粒群(PSO)算法训练的BP神经网络
2.2.1 PSO算法基本理论
2.2.2 PSO算法流程
2.2.3 PSO算法优化能力分析
2.2.4 PSO算法训练BP神经网络与实验仿真
2.3 本章小结
第三章 单输入/单输出的小脑模型神经网络(SISO-CMAC)研究
3.1 小脑模型神经网络(CMAC)运行机理分析
3.1.1 CMAC的结构及其非线性映射
3.1.2 CMAC的学习过程与收敛性
3.1.3 CMAC的泛化能力
3.2 单输入/单输出的小脑模型神经网络(SISO-CAMC)
3.2.1 SISO-CMAC结构
3.2.2 SISO-CMAC的学习过程
3.2.3 SISO-CMAC收敛性分析
3.2.4 仿真分析
3.3 SISO-CMAC对多维函数逼近
3.3.1 用SISO-CMAC实现二维非线性函数的逼近
3.3.2 用SISO-CMAC实现多维非线性函数的逼近
3.4 本章小结
第四章 传感器静态非线性误差的神经网络补偿研究
4.1 传感器静态非线性反函数补偿方法
4.2 用BP神经网络算法实现静态误差补偿
4.2.1 采用BP神经网络的补偿方法
4.2.2 应用与实验
4.3 用SISO-CMAC实现静态误差补偿
4.3.1 SISO-CAMC的补偿方法
4.3.2 应用与实验
4.4 水利水电工程中的压力传感器误差校正
4.4.1 压力传感器在水利测量中的应用
4.4.2 压阻式压力传感器及其误差特性
4.4.3 压阻式压力传感器误差的神经网络补偿
4.4.4 实验与结果
4.5 本章小结
第五章 传感器动态测量误差的神经网络补偿研究
5.1 基于线性动态神经元补偿的传感器动态测量
5.1.1 动态补偿器设计方法
5.1.2 线性动态神经元(LDN)
5.1.3 线性动态神经元补偿过程
5.1.4 实验与仿真
5.2 SISO-CMAC的非线性逆滤波改善传感器动态特性的研究
5.2.1 SISO-CMAC的非线性逆滤波补偿理论
5.2.2 实验与仿真
5.3 在水轮发电机组低频振动信号测量中的应用
5.3.1 惯性式速度传感器(绝对振动传感器)
5.3.2 惯性式速度传感器的神经网络补偿
5.3.3 仿真结果
5.4 本章小结
第六章 提高光栅传感器测量精度与分辨率的研究
6.1 光栅传感器
6.1.1 光栅传感器的结构分析
6.1.2 提高光栅传感器测量精度的研究成果与动态
6.2 神经网络算法实现光栅传感器的高精度细分研究
6.2.1 神经网络算法的细分方法
6.2.2 测量系统工作过程
6.2.3 实验和结果
6.3 减小光栅测量系统随机误差的研究
6.3.1 多项式预测滤波器
6.3.2 传感器信号滤波处理
6.3.3 实验和仿真
6.4 本章小结
第七章 总结与展望
7.1 总结
7.2 展望
参考文献
致谢
附录 在读博士期间发表论文、参加研究的课题以及获奖情况
发布时间: 2005-04-25
相关论文
- [1].PSO优化神经网络算法的研究及其应用[D]. 涂娟娟.江苏大学2013
- [2].灰色系统与神经网络分析方法及其应用研究[D]. 姜波.华中科技大学2004
- [3].遗传算法与小波神经网络中若干问题的研究[D]. 刘守生.南京航空航天大学2005
- [4].神经网络理论研究及在舰船运动预报中的应用[D]. 沈艳.哈尔滨工程大学2005
- [5].人工神经网络及其在地学中的应用研究[D]. 张治国.吉林大学2006
- [6].人工神经网络的结构学习算法及问题求解研究[D]. 朱大铭.中国科学院研究生院(计算技术研究所)1999
- [7].人工神经网络的泛化性能与降水预报的应用研究[D]. 林开平.南京信息工程大学2007
标签:神经网络论文; 算法改进论文; 微粒群算法论文; 遗传算法论文; 水利测量论文; 传感器特性改善论文; 误差论文; 补偿论文;