测控技术
測控技術
측공기술
MEASUREMENT & CONTROL TECHNOLOGY
2005年
9期
50-54,58
,共6页
高速列车%动模型试验%系统建模%神经网络%遗传算法%BP算法
高速列車%動模型試驗%繫統建模%神經網絡%遺傳算法%BP算法
고속열차%동모형시험%계통건모%신경망락%유전산법%BP산법
介绍了高速列车动模型试验装置独特的组成结构与原理;在分析弹射系统动模型列车运动状态及其影响因素基础上,构建3层前馈神经网络(ANN)模型,实现从输入试验给定速度、弹射质量和环境温度到控制弹射力输出的复杂非线性映射;采用把遗传算法(GA)与改进的误差反向传播(BP)算法有机结合的混合(GA-BP)优化方法求解ANN模型最佳参数,并提出了模型跟踪系统特性变化的自适应学习规则.检验样本数据验证了GA-BP网络模型良好的学习和泛化能力;重复试验应用结果显示,弹射试验速度控制精度优于2 m/s,表明了系统模型的有效性和稳定性能.
介紹瞭高速列車動模型試驗裝置獨特的組成結構與原理;在分析彈射繫統動模型列車運動狀態及其影響因素基礎上,構建3層前饋神經網絡(ANN)模型,實現從輸入試驗給定速度、彈射質量和環境溫度到控製彈射力輸齣的複雜非線性映射;採用把遺傳算法(GA)與改進的誤差反嚮傳播(BP)算法有機結閤的混閤(GA-BP)優化方法求解ANN模型最佳參數,併提齣瞭模型跟蹤繫統特性變化的自適應學習規則.檢驗樣本數據驗證瞭GA-BP網絡模型良好的學習和汎化能力;重複試驗應用結果顯示,彈射試驗速度控製精度優于2 m/s,錶明瞭繫統模型的有效性和穩定性能.
개소료고속열차동모형시험장치독특적조성결구여원리;재분석탄사계통동모형열차운동상태급기영향인소기출상,구건3층전궤신경망락(ANN)모형,실현종수입시험급정속도、탄사질량화배경온도도공제탄사력수출적복잡비선성영사;채용파유전산법(GA)여개진적오차반향전파(BP)산법유궤결합적혼합(GA-BP)우화방법구해ANN모형최가삼수,병제출료모형근종계통특성변화적자괄응학습규칙.검험양본수거험증료GA-BP망락모형량호적학습화범화능력;중복시험응용결과현시,탄사시험속도공제정도우우2 m/s,표명료계통모형적유효성화은정성능.