帮帮文库

返回

一种基于改进BP神经网络预测T-R组件温度的方法(论文原稿) 一种基于改进BP神经网络预测T-R组件温度的方法(论文原稿)

格式:word 上传:2022-08-17 05:38:00

《一种基于改进BP神经网络预测T-R组件温度的方法(论文原稿)》修改意见稿

1、“.....也应取消所计算的权值变化。其最大误差变化率可以是任何大于或等于的值。训练程序中采用动量法络预测组件温度的方法论文原稿。经典神经网络的缺陷及改良神经网络算法的实质是求解误差函数的最小值问题,由于它采用非线性规划中最速下降方法,按误差函数的负梯度方向修改权值,因而通常存在以下问题学习效率低,收敛速度慢,易陷入局部极小状态种基于改进神经网络预测组件温度的方法论文原稿的实质是求解误差函数的最小值问题,由于它采用非线性规划中最速下降方法,按误差函数的负梯度方向修改权值,因而通常存在以下问题学习效率低,收敛速度慢,易陷入局部极小状态......”

2、“.....每个权值的变化上加以是任何大于或等于的值。训练程序中采用动量法的判断条件为学习速率η决定每次循环训练所产生的权值变化量。大的学习速率可能导致系统的不稳定小的学习速率会导致较长的训练时间,可能收敛速度很慢。般情况下,学习率初始值选取范围为至。在实际训练过程中,经常出现能在很大程度上决定了有源相控阵雷达的性能。组件通常由复杂的电子线路电子元器件构成,对温度有较高的要求,当组件温度超出正常范围,便会对各级功率放大器及各类电子元器件造成损伤,从而引起连锁反应。ηη其中......”

3、“.....陆军装备应用尚处于起步阶段。本文针对有源相控阵雷达前端组件对温度有较高要求这特性,建立基于动量因子和自适应学习率的神经网络预测模型,利用传统系统采集的组件温度修性。同时也对其他设备的状态监测及预测起到定借鉴作用,具有良好的应用前景。参考文献郭衍莹相控阵雷达测试维修技术北京国防工业出版社,周林,赵杰装备故障预测与健康管理技术北京国防工业出版社,刘冰,郭海霞神经网络超级学习手册北京人民邮电。智能预测基于历史数据,利用人工智能方法进行预测。其中,神经网络具有良好非线性拟合能力,并且可以对预测精度,误差进行人为干预......”

4、“.....种基于改进神经网络预测组件温度的方法论文原稿。结束语基于动量因前景。参考文献郭衍莹相控阵雷达测试维修技术北京国防工业出版社,周林,赵杰装备故障预测与健康管理技术北京国防工业出版社,刘冰,郭海霞神经网络超级学习手册北京人民邮电出版社,陈明神经网络原理与实例精解北京清华大学出版社,机后温度都记录下来,丰富训练样本,可进步减少温度预测的误差。由于神经网络具有很强的非线性映射拟合能力,能反映出组件实际工作状态的发展趋势与状态信息之间的关系,因此,当预测程序发出预警,未来时刻组件的温度发生异常......”

5、“.....陈明神经网络原理与实例精解北京清华大学出版社,肖治平,吴丈全遗传网络在机载雷达故障诊断中的应用研究计算机测量与控制,陈明神经网络原理与实例精解北京清华大学出版社,作者单位西安电子工程研究所陕西省西安市。警,未来时刻组件的温度发生异常,偏离了历史温度值或与相邻组件温度值有较大差异时,雷达操作员将做出相应的预防性维修措施,防止组件因温度过高而受到损伤。在雷达装备应用技术起步阶段,此方法能够应用到有源相控阵雷达前端的状态预测,提高装备的可靠性和维,进步完善传统雷达温度监控功能......”

6、“.....关键词神经网络组件温度预测模型组件是构成有源相控阵雷达前端的关键部件。组件的性能在很大程度上决定了有源相控阵雷达的性能。组件通常由复杂的电子线路电子元器件构成,对温度子的自适应学习速率神经网络能够完成组件的温度预测。若将每次开机后温度都记录下来,丰富训练样本,可进步减少温度预测的误差。由于神经网络具有很强的非线性映射拟合能力,能反映出组件实际工作状态的发展趋势与状态信息之间的关系,因此,当预测程序发出预治平,吴丈全遗传网络在机载雷达故障诊断中的应用研究计算机测量与控制,陈明神经网络原理与实例精解北京清华大学出版社......”

7、“.....数学模型预测通过建立数学模型,建立输入输出映射关系,反映未来时刻的预测值较大差异时,雷达操作员将做出相应的预防性维修措施,防止组件因温度过高而受到损伤。在雷达装备应用技术起步阶段,此方法能够应用到有源相控阵雷达前端的状态预测,提高装备的可靠性和维修性。同时也对其他设备的状态监测及预测起到定借鉴作用,具有良好的应用有较高的要求,当组件温度超出正常范围,便会对各级功率放大器及各类电子元器件造成损伤,从而引起连锁反应。种基于改进神经网络预测组件温度的方法论文原稿。结束语基于动量因子的自适应学习速率神经网络能够完成组件的温度预测......”

8、“.....本文针对有源相控阵雷达前端组件对温度有较高要求这特性,建立基于动量因子和自适应学习率的神经网络预测模型,利用传统系统采集的组件温度数据,在平台进行组件温度预测仿真试验,通过对比真实温度值,验证预测模型的可信度的判断条件为学习速率η决定每次循环训练所产生的权值变化量。大的学习速率可能导致系统的不稳定小的学习速率会导致较长的训练时间,可能收敛速度很慢。般情况下,学习率初始值选取范围为至。在实际训练过程中,经常出现训练在达到规定的总步长就已经停止,而误差没有......”

9、“.....每个权值的变化上加上项正比于前次权值变化量的值,并根据反向传播法来产生新的权值变化。ηη其中,η为学习速率,为动量因子,般取左右。根据附加动量项正比于前次权值变化量的值,并根据反向传播法来产生新的权值变化。仿真结果分析预测分钟后温度选择号组件进行分钟后温度预测,输入向量为,目标向量,预测样本,预测第分钟温度。预测模型结构如图所示。预测模型结构及训练误差曲线如图所示。种基于改进神经网训练在达到规定的总步长就已经停止,而误差没有下降到规定精度。因此,需要根据训练误差值调整学习率,调整依据为仿真试验试验方法以有源相控阵雷达为例......”

下一篇
温馨提示:手指轻点页面,可唤醒全屏阅读模式,左右滑动可以翻页。
一种基于改进BP神经网络预测T-R组件温度的方法(论文原稿).doc预览图(1)
1 页 / 共 7
一种基于改进BP神经网络预测T-R组件温度的方法(论文原稿).doc预览图(2)
2 页 / 共 7
一种基于改进BP神经网络预测T-R组件温度的方法(论文原稿).doc预览图(3)
3 页 / 共 7
一种基于改进BP神经网络预测T-R组件温度的方法(论文原稿).doc预览图(4)
4 页 / 共 7
一种基于改进BP神经网络预测T-R组件温度的方法(论文原稿).doc预览图(5)
5 页 / 共 7
一种基于改进BP神经网络预测T-R组件温度的方法(论文原稿).doc预览图(6)
6 页 / 共 7
一种基于改进BP神经网络预测T-R组件温度的方法(论文原稿).doc预览图(7)
7 页 / 共 7
预览结束,喜欢就下载吧!
  • 内容预览结束,喜欢就下载吧!
温馨提示 电脑下载 投诉举报

1、手机端页面文档仅支持阅读 15 页,超过 15 页的文档需使用电脑才能全文阅读。

2、下载的内容跟在线预览是一致的,下载后除PDF外均可任意编辑、修改。

3、所有文档均不包含其他附件,文中所提的附件、附录,在线看不到的下载也不会有。

  • Hi,我是你的文档小助手!
    你可以按格式查找相似内容哟
DOC PPT RAR 精品 全部
小贴士:
  • 🔯 当前文档为word文档,建议你点击DOC查看当前文档的相似文档。
  • ⭐ 查询的内容是以当前文档的标题进行精准匹配找到的结果,如果你对结果不满意,可以在顶部的搜索输入框输入关健词进行。
帮帮文库
换一批

搜索

客服

足迹

下载文档