机械设计与制造
機械設計與製造
궤계설계여제조
MACHINERY DESIGN & MANUFACTURE
2012年
8期
69-71
,共3页
电动助力转向(EPS)%助力特性曲面%径向基神经网络(RBFNN)%最优停止法
電動助力轉嚮(EPS)%助力特性麯麵%徑嚮基神經網絡(RBFNN)%最優停止法
전동조력전향(EPS)%조력특성곡면%경향기신경망락(RBFNN)%최우정지법
针对电动助力转向(EPS)助力特性的非线性问题,提出应用径向基(RBF)神经网络强非线性能力进行电动助力转向(EPS)助力特性曲面拟合方法,并做出改进.应用改进均值聚类方法(kmeans)对数据进行聚类,获取基函数参数,再用梯度下降法训练网络权值,并利用最优停止法对网络进行了优化.实验结果表明,该改进方法避免了过拟合现象,提高了网络的泛化能力,并且具有网络训练时间短,拟合的曲面精度高,预测能力强等优点.
針對電動助力轉嚮(EPS)助力特性的非線性問題,提齣應用徑嚮基(RBF)神經網絡彊非線性能力進行電動助力轉嚮(EPS)助力特性麯麵擬閤方法,併做齣改進.應用改進均值聚類方法(kmeans)對數據進行聚類,穫取基函數參數,再用梯度下降法訓練網絡權值,併利用最優停止法對網絡進行瞭優化.實驗結果錶明,該改進方法避免瞭過擬閤現象,提高瞭網絡的汎化能力,併且具有網絡訓練時間短,擬閤的麯麵精度高,預測能力彊等優點.
침대전동조력전향(EPS)조력특성적비선성문제,제출응용경향기(RBF)신경망락강비선성능력진행전동조력전향(EPS)조력특성곡면의합방법,병주출개진.응용개진균치취류방법(kmeans)대수거진행취류,획취기함수삼수,재용제도하강법훈련망락권치,병이용최우정지법대망락진행료우화.실험결과표명,해개진방법피면료과의합현상,제고료망락적범화능력,병차구유망락훈련시간단,의합적곡면정도고,예측능력강등우점.
