导读:本文包含了变结构神经网络论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:神经网络,结构,递归,永磁,稳定,无人机,区段。
变结构神经网络论文文献综述
苏运,刘思怡,张焰[1]（2019）在《基于分层结构神经网络的10kV配电网单相接地故障区段定位方法》一文中研究指出针对10kV配电网单相接地短路故障发生位置难以确定的问题,提出利用配电网中的多源数据,通过构建分层结构神经网络进行故障区段定位的方法。首先提取各种类型10kV配电网的固有特征,在分层结构神经网络的聚类层根据配电网的这些固有特征,利用自组织映射神经网络进行聚类分析,得到不同类别配电网;然后在分层结构神经网络的训练层对各类配电网分别用广义回归神经网络对故障定位条件特征与结果特征进行训练,得到各类配电网的故障定位模型;最后将发生单相接地短路故障的配电网下属各区段故障定位条件特征输入至所对应的故障定位模型中,判断各区段故障情况,实现故障定位。实际算例分析表明,所提出的方法能快速、准确地找出10kV配电网单相接地故障发生的区段,且具有较好的容错性。(本文来源于《水电能源科学》期刊2019年11期）
强浩,戴巧云,吴柯,杜健,殷新博[2]（2019）在《基于大数据的变结构BP神经网络反窃电技术研究》一文中研究指出随着经济的发展,人们对电力的需求逐渐增大,用户的窃电行为成为不容忽视的问题。基于大数据,开展了变结构BP神经网络窃电用户识别技术的研究:首先,根据用户所在线路参数、用户用电参数等建立用户用电评价指标体系;其次,基于不同线路用户的实际采集数据构建BP神经网络,实现对该用户的用电评价;最后,通过算例验证该方法能有效提高窃电疑似用户的识别效率。(本文来源于《江苏理工学院学报》期刊2019年02期）
田猛,张波文,周腊吾,杨宏智,龙燕[3]（2019）在《基于RBF神经网络滑模变结构独立变桨控制研究》一文中研究指出为降低大型风电机组由风剪切、风切变和塔影效应在叶片上产生的不平衡载荷,根据风力机气动力学、风剪切、风切变和塔影效应,提出一种基于RBF神经网络滑膜变结构独立变桨控制策略。滑模变结构控制抗干扰强、鲁棒性强和响应速度快,缺点是滑模变结构控制易产生抖动。利用RBF神经网络的在线学习能力,实时调整滑膜变结构控制器增益,使滑模函数趋于切换面,有效降低滑模变结构控制的抖动,提高独立变桨控制系统的动态性能。利用Matlab/Simulink和GH-blade软件搭建了5 MW风电机组的联合仿真模型。仿真实验表明采用所提出的独立变桨控制方案能有效降低桨叶根部不平衡载荷,还能提高风电机组运行在额定风速以下的功率性能。通过试验平台的测试,也验证了所提出的独立变桨控制策略的合理性。(本文来源于《电力系统保护与控制》期刊2019年04期）
王欣,陈振威[4]（2019）在《3-RPS并联机构神经网络滑模变结构控制》一文中研究指出针对并联机构强耦合、非线性、多变量的控制系统特征,基于3-RPS并联机构提出了一种神经网络滑模变结构控制策略.根据3-RPS并联机构的空间运动特性和动力学方程,采用RBF神经网络算法来逼近滑模变结构控制器;同时,基于Lyapunov函数稳定性的设计理论,将有界控制律、鲁棒控制律与神经网络控制律相结合,共同组成闭环控制系统的控制律.最后,对机构的轨迹跟踪误差进行了Matlab实时控制仿真分析.结果表明:神经网络滑模变结构控制能实现较高的轨迹跟踪精度,且鲁棒稳定性强,可满足并联机构控制精度的要求.(本文来源于《中国工程机械学报》期刊2019年01期）
鲁延娟,李明秋[5]（2018）在《陀螺稳定平台神经网络滑模变结构控制》一文中研究指出主要针对陀螺稳定平台的单轴控制系统的快速性和鲁棒性进行研究。采用滑模变结构与神经网络结合的方法对陀螺稳定平台进行控制。由于传统滑模变结构方法的模型估计不准确,会导致抖振问题。提出了采用RBF神经网络逼近模型未知部分的神经网络滑模变结构控制方法。实验证明,采用该方法可以有效提高系统的快速性和鲁棒性。针对陀螺稳定平台单轴控制系统,该方法对角位置跟踪的时间为0.3 s,角速度跟踪时间为0.6 s。其中,角位置跟踪的最大误差为0.007 3,且在1 s时,误差收敛到零的一个邻域内。(本文来源于《电光与控制》期刊2018年10期）
闻辉[6]（2018）在《核自适应学习的RBF混合结构神经网络分类器研究》一文中研究指出分类是人类活动中最常见的决策任务之一。当前,用于分类的神经网络算法及模型已经广泛应用于科学、工业和医学等不同领域中。尽管各种神经网络算法及模型已经取得了较大发展,但由于算法及模型的差异性,以及不同的非线性问题所呈现出的多样性和复杂性,传统的神经网络分类器在某些复杂问题上其网络性能往往有限。典型的深度学习中的卷积神经网络,在网络结构上增加多个不同类型的隐藏层,可以实现对复杂问题的分类处理。一般的做法是先将输入样本经过卷积核的映射,其输出经过一系列的处理后,再与多层感知器(MLP)相级联,然后利用反向传播(BP)算法实现各层权值的更新。然而,将径向基核函数(RBF)与BP网络相级联处理,当前还没有很好地研究。针对有监督分类问题,本文以构造优化的神经网络分类器和相匹配的学习算法为实现目标,主要围绕RBF网络结构及核参数的优化选取、RBF混合结构神经网络分类器设计以及核整体划分思想的分类方法这几项内容展开,以完成不同非线性问题的优化分类。在研究过程中,取得了以下研究成果:1.提出一种前置核的RBF-BP混合结构神经网络。将RBF网络结构与BP网络结构进行级联调整,其中原有的RBF网络隐藏层的输出进行一定处理后与BP网络的隐藏层相级联。在该网络分类器当中,RBF网络用于实现原始样本的局部化核映射,BP网络用于非线性分类。通过这种方式,可以将RBF网络的局部非线性映射能力与BP网络的全局非线性分类能力相结合。实验结果表明,本文所提网络结构可以改善单一的RBF网络及BP网络的分类性能,同时降低了对RBF网络及BP网络隐节点参数选择的依赖。2.提出一种核数自适应学习的RBF-BP混合结构神经网络分类器。充分利用了每类训练样本的空间分布信息,通过引入势函数密度聚类的方式来度量样本空间不同区域的稀疏程度,从而建立相应的RBF隐节点完成对样本空间不同区域的覆盖,可以根据样本空间的分布情况自动增量构建RBF网络隐节点。实验结果表明,该方法可以实现对前置核RBF-BP神经网络分类器中RBF网络隐节点个数及中心的自动估计,并具有较好的分类性能。3.提出一种异类斥力核优化的RBF-BP混合结构神经网络分类器。在所提势函数密度聚类生成初始RBF网络隐节点的基础上,进一步将每个RBF网络隐节点所覆盖区域的邻域信息考虑进来,设计了面向中心的异类样本排斥力模型,完成对RBF网络部分隐节点中心、核宽以及隐节点个数的优化调整,并最终建立起整个网络模型的优化学习算法。理论上分析并证明了样本经过核结构自适应RBF网络后,其可分性增强的量化条件,阐明了核结构自适应RBF网络的优越性。实验结果表明,该方法具有良好的分类能力,尤其当样本空间维数较低且训练样本个数充分的基础上,该方法表现出特有的优势。4.提出一种核整体划分思想的RBF-BP混合结构神经网络分类器。该方法以RBF核作为整体的训练学习目标,从机理上阐述了核整体学习划分的优点。设计了RBF子核内部样本生成及优化筛选机制,以实现对RBF子核整体划分思想的逼近。在生成合适的样本集规模的基础上,再利用已有的网络分类器进行训练分类。实验表明,该方法可以有效改善训练样本集规模较小或维数过高导致的样本空间分布稀疏问题,提高了网络分类器的鲁棒性和泛化能力。5.提出一种核结构自适应的RBF-ELM混合神经网络分类器。该方法是对核自适应RBF混合结构神经网络分类器的推广。通过将异类斥力核优化的RBF网络与ELM网络相级联,其中异类斥力核优化的RBF网络用于实现样本空间不同区域的局部化核映射,ELM网络用于RBF核映射后样本的非线性分类,由此构成一种结构互补的优化网络模型。给出了核结构自适应的RBF-ELM混合神经网络分类器算法步骤。对异类斥力核优化的RBF网络可分性增强的量化条件进行了实验验证。多个数据集上的实验表明,该方法可以明显改善ELM网络的分类性能。(本文来源于《深圳大学》期刊2018-06-30）
吴家齐[7]（2018）在《基于神经网络滑模变结构的永磁同步电机控制器研究》一文中研究指出在《中国制造2025》发布3步走,突破10大领域中指出:“以提升可靠性、精度保持性为重点,开发高档数控系统、伺服电机等主要功能部件及关键应用软件,加快实现产业化。”根据国家发展计划,开发更加高级的伺服电机控制系统已经刻不容缓,众多专家学者都将各种先进控制策略应用于永磁同步电机伺服系统,满足系统的高品质要求。滑模控制鲁棒性强,响应速度快,但学习能力较差,且系统存在不可消除的抖振问题;神经网络能逼近任意非线性系统,学习能力出色,但响应速度较慢。针对两者的特性,论文将这两种先进控制策略相结合,应用于永磁同步电机速度环控制中,提高伺服系统的性能。文中首先由坐标变换原理推演出永磁同步电机的解耦方程。采用id=0的矢量控制策略,结合电压空间矢量脉宽调制技术,搭建了 PMSM的双闭环控制系统。随后本文从算法原理和品质特性两个角度对滑模变结构控制进行介绍,推导了速度环常规滑模控制的算法。文中利用神经网络设计系统辨识器对被控对象参数进行在线辨识,再借助另一个神经网络结合滑模变结构控制器,对PMSM进行控制。使系统的响应速度,收敛性和稳定性都得以提升。最后本文结合神经网络和滑模控制的优势,给出了一个理想滑模面,并利用神经网络不断逼近,使系统处于全程滑动模态。借助神经网络在线调整控制器的参数使系统的抖振有所改善,电机伺服系统的鲁棒性得以加强。(本文来源于《大连交通大学》期刊2018-06-13）
周军超,田建平,汤爱华[8]（2018）在《基于RBF神经网络的翻曲机器人自适应滑模变结构控制》一文中研究指出针对酿酒翻曲机器人关节抖振和控制存在的不确定性等问题,从动力学角度出发,结合机器人部件结构、材料和运动实际情况,提出一种基于RBF神经网络的线性反馈滑模变结构控制策略。通过线性反馈RBF神经网络系统实现对滑模变控制器不确定性的补偿,进一步改善控制效果。研究结果表明,文中提出的基于线性反馈RBF神经网络神经的滑模变结构控制策略,具有良好的位置控制精度和收敛速度,且能有效地削弱抖振。(本文来源于《自动化与仪表》期刊2018年01期）
陈贵平[9]（2018）在《基于递归小波神经网络的UAV姿态变结构优化控制》一文中研究指出无人机的姿态控制易受外界气流干扰和模型参数摄动影响,为了提高其姿态控制的精度和稳定度,提出了将变结构控制与递归小波神经网络相结合的优化鲁棒控制律.构建并分析了无人机的姿态运动模型,采用变结构控制来设计无人机姿态运动的稳定控制律,将递归小波神经网络加入到控制闭环回路中以实现变结构控制律的优化,减弱控制律对模型准确度的依赖性,并在仿真验证中与传统方法进行了比较.结果表明,该控制律能够提高其姿态控制的稳定性,且具有较强鲁棒性、较短收敛时间和较小能量消耗,从而证明了本文方法的有效性和可行性.(本文来源于《沈阳工业大学学报》期刊2018年01期）
房育寰,杨任农,张振兴,俞利新[10]（2017）在《基于动态变结构BP神经网络的目标威胁评估》一文中研究指出针对传统目标威胁估计方法和BP神经网络的不足,在BP神经网络的基础上,建立了基于动态变结构BP神经网络的目标威胁估计模型。该模型通过在权值向量更新公式中引入冲量函数,加快了网络的搜索速度和精度,保证了网络获得全局最优值;通过实时调整隐含层节点数目,可以将网络结构优化,极大地提升了网络的灵活性。仿真结果表明,与传统目标威胁估计方法和BP神经网络相比,动态变结构BP神经网络具有更好的预测能力和收敛速度,可以快速、准确地完成目标威胁估计。(本文来源于《飞行力学》期刊2017年06期）
变结构神经网络论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着经济的发展,人们对电力的需求逐渐增大,用户的窃电行为成为不容忽视的问题。基于大数据,开展了变结构BP神经网络窃电用户识别技术的研究:首先,根据用户所在线路参数、用户用电参数等建立用户用电评价指标体系;其次,基于不同线路用户的实际采集数据构建BP神经网络,实现对该用户的用电评价;最后,通过算例验证该方法能有效提高窃电疑似用户的识别效率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
变结构神经网络论文参考文献
[1].苏运,刘思怡,张焰.基于分层结构神经网络的10kV配电网单相接地故障区段定位方法[J].水电能源科学.2019
[2].强浩,戴巧云,吴柯,杜健,殷新博.基于大数据的变结构BP神经网络反窃电技术研究[J].江苏理工学院学报.2019
[3].田猛,张波文,周腊吾,杨宏智,龙燕.基于RBF神经网络滑模变结构独立变桨控制研究[J].电力系统保护与控制.2019
[4].王欣,陈振威.3-RPS并联机构神经网络滑模变结构控制[J].中国工程机械学报.2019
[5].鲁延娟,李明秋.陀螺稳定平台神经网络滑模变结构控制[J].电光与控制.2018
[6].闻辉.核自适应学习的RBF混合结构神经网络分类器研究[D].深圳大学.2018
[7].吴家齐.基于神经网络滑模变结构的永磁同步电机控制器研究[D].大连交通大学.2018
[8].周军超,田建平,汤爱华.基于RBF神经网络的翻曲机器人自适应滑模变结构控制[J].自动化与仪表.2018
[9].陈贵平.基于递归小波神经网络的UAV姿态变结构优化控制[J].沈阳工业大学学报.2018
[10].房育寰,杨任农,张振兴,俞利新.基于动态变结构BP神经网络的目标威胁评估[J].飞行力学.2017
论文知识图
