机械科学与技术
機械科學與技術
궤계과학여기술
MECHANICAL SCIENCE AND TECHNOLOGY
2006年
12期
1454-1457,1515
,共5页
神经网络%振动响应%预测
神經網絡%振動響應%預測
신경망락%진동향응%예측
将Levenberg-Marquardt BP人工神经网络应用于复杂的非线性振动响应的趋势预测,避免了时序分析复杂的数据预处理、模型识别、参数估计和模型适用性检验过程.通过对样本预测效果的比较,全面考虑了网络的输入层、隐层和输出层的神经元节点数和各层之间的传递函数对预测精度的影响,引入Box-Cox变换改善了网络的收敛性并加快了网络的收敛速度,同时采用重复训练法来提高网络的稳定性和预测精度.预测实例表明,相比于传统的时间序列分析方法,这种预测方法能对振动响应的趋势进行更准确的预测.
將Levenberg-Marquardt BP人工神經網絡應用于複雜的非線性振動響應的趨勢預測,避免瞭時序分析複雜的數據預處理、模型識彆、參數估計和模型適用性檢驗過程.通過對樣本預測效果的比較,全麵攷慮瞭網絡的輸入層、隱層和輸齣層的神經元節點數和各層之間的傳遞函數對預測精度的影響,引入Box-Cox變換改善瞭網絡的收斂性併加快瞭網絡的收斂速度,同時採用重複訓練法來提高網絡的穩定性和預測精度.預測實例錶明,相比于傳統的時間序列分析方法,這種預測方法能對振動響應的趨勢進行更準確的預測.
장Levenberg-Marquardt BP인공신경망락응용우복잡적비선성진동향응적추세예측,피면료시서분석복잡적수거예처리、모형식별、삼수고계화모형괄용성검험과정.통과대양본예측효과적비교,전면고필료망락적수입층、은층화수출층적신경원절점수화각층지간적전체함수대예측정도적영향,인입Box-Cox변환개선료망락적수렴성병가쾌료망락적수렴속도,동시채용중복훈련법래제고망락적은정성화예측정도.예측실례표명,상비우전통적시간서렬분석방법,저충예측방법능대진동향응적추세진행경준학적예측.
