停车诱导系统中车位预测模型的研究 摘 要 研究城市停车诱导系统的停车车位占有率预测问题。首先提出墓于B P神经网络的车位占有预测模型， 同时将自适应 学习速率调整法和加入动量项方法用于改善基本B P神经网络， 优化了学习速率， 减少了训练过程的震荡趋势， 改善了网络的收效 隆。以此为基础实现了停车位的智能预测 0最后， 进行了多种方法比对实验
上传时间： 2013-12-17
上传用户：GavinNeko
通过c++b代码编写实现bp神经网络的实现
标签： BP神经网络
上传时间： 2017-01-17
上传用户：zhoubang
BP 神经网络的基本思想：信号的正向传播+误差的反向传播。 ¡ 信号的正向传播：输入样本从输入层传入，经各隐层逐层处理后，传向输出层。 ¡ 误差的反向传播：将输入误差以某种形式通过隐层向输入层逐层反传，并将误差分摊给各层的所有单元，从而获得各层单元的误差信号来作为修正各单元权值的依据。 BP算法属于δ学习规则类，这类算法被称为误差的梯度下降（Gradient Descent）算法。 在此分类器中，本文选择3层BP神经网络算法。隐含层节点数为3。
上传时间： 2017-05-31
上传用户：jplalala
本文拟借助于神经网络良好的逼近能力，实现永磁同步电机的无位置传感器控制。 人工神经网络(Neural Network)可以逼近任意复杂非线性映射，具有很强的自学习自适应能力，十分适合于解决复杂的非线性控制问题。其中，BP神经网络是目前广泛应用的神经网络之一，得到了较为深入的研究，其结构简单，需要离线确定的参数少、泛化能力强、逼近精度高、实时性强，采用BP神经网络实现永磁同步电机的调速控制具有重要意义。 文中提出了基于BP神经网络的永磁同步电机自适应调速控制策略，建立了一种包含辨识网络和控制网络的双神经网络结构控制系统。辨识网络在线动态辨识系统输出并对控制网络参数进行调整，控制网络与PI控制方法相结合实现永磁同步电机自适应转速控制。仿真结果表明，该系统动态响应快、实时性较强、精度较高。 文中提出了一种基于混合训练算法的BP神经网络永磁同步电机无位置传感器控制方法。采用混沌优化和梯度下降法相结合的混合算法对BP神经网络进行离线训练后，将其用于永磁同步电机的转子位置角在线估计。结果表明，该训练算法可以有效地加快神经网络收敛速度，且估计的转子位置角误差较小、精度较高。 文中建立了以TMS320F2812芯片为核心的永磁同步电机调速控制系统，并进行了相应的软硬件设计，为实现永磁同步电机的各种控制策略奠定了实验基础。DSP控制系统为神经网络训练提供样本，为研究永磁同步电机的自适应调速控制和转子位置角估计创造了条件。
上传时间： 2013-05-23
上传用户：1101055045
无刷直流电机(BLDCM)是随着电机控制技术、电力电子技术和微电子技术的发展而出现的一种新型电机。它是在有刷直流电机的基础上发展起来的。无刷直流电机具有交流电机的结构简单、运行可靠、维护方便等一系列特点，又具有直流电机的运行效率高、无励磁损耗以及调速性能好等诸多优点，在很多场合有广泛的应用前景，成为了国内外研究的热点。无刷直流电机传统的理论部分分析和设计方法已经比较成熟，因此对无刷直流电机控制策略的研究就显得十分重要。 PID控制以其结构简单、可靠性高、易于工程实现等优点至今仍被广泛应用。在系统模型参数变化不大的情况下，PID控制性能优良。但在工业上有许多无法建立精确数学模型的复杂控制对象和非线性控制对象，若采用传统的PID进行控制的话，那么很难获得比较理想的控制效果。 对于无刷直流电机而言，它是一个多变量、强耦合的非线性系统，固定参数的PID调节器无法得到很理想的控制性能指标。基于以上原因，本文以无刷直流电机为控制对象，通过分析无刷直流电机的数学模型，以BP神经网络为基础，设计了应用于无刷直流电机的神经网络PID控制器。 在MATLAB平台上，先利用神经网络PID控制器，给出相应的控制算法，对典型的参数时变非线性系统的控制进行了仿真研究。仿真结果表明，同传统PID控制器相比，神经网络PID控制器对模型、环境具有较好的适应能力与较强的鲁棒性，有效的改善了系统的控制结果，达到了预期的目的。随后利用SIMULNK建立了无刷直流电机控制系统的仿真模型。分别采用普通PID控制器和神经网络PID控制器对电机的不同运行状况进行了仿真分析。仿真结果验证了所建模型的正确性，并证明了神经网络控制的优越性。
上传时间： 2013-08-04
上传用户：YYRR
永磁同步电机(Permanent Magnet Synchronous Motor)因功率密度大、效率高、过载能力强、控制性能优良等优点，在中小容量调速系统和高精度调速场合发展迅速。但由于永磁同步电机的磁场具有独特的交叉耦合和交叉饱和现象，且其控制系统是一个强非线性、时变和多变量系统，要实现高精度调速就需对其控制策略进行深入研究。 永磁同步电机调速系统中，位置传感器的存在使得系统成本增加、结构复杂、可靠性降低，所以永磁同步电机的无位置传感器控制成为一个新的研究热点。本文拟借助于神经网络良好的逼近能力，实现永磁同步电机的无位置传感器控制。 人工神经网络(Neural Network)可以逼近任意复杂非线性映射，具有很强的自学习自适应能力，十分适合于解决复杂的非线性控制问题。其中，BP神经网络是目前广泛应用的神经网络之一，得到了较为深入的研究，其结构简单，需要离线确定的参数少、泛化能力强、逼近精度高、实时性强，采用BP神经网络实现永磁同步电机的调速控制具有重要意义。 文中提出了基于BP神经网络的永磁同步电机自适应调速控制策略，建立了一种包含辨识网络和控制网络的双神经网络结构控制系统。辨识网络在线动态辨识系统输出并对控制网络参数进行调整，控制网络与PI控制方法相结合实现永磁同步电机自适应转速控制。仿真结果表明，该系统动态响应快、实时性较强、精度较高。 文中提出了一种基于混合训练算法的BP神经网络永磁同步电机无位置传感器控制方法。采用混沌优化和梯度下降法相结合的混合算法对BP神经网络进行离线训练后，将其用于永磁同步电机的转子位置角在线估计。结果表明，该训练算法可以有效地加快神经网络收敛速度，且估计的转子位置角误差较小、精度较高。 文中建立了以TMS320F2812芯片为核心的永磁同步电机调速控制系统，并进行了相应的软硬件设计，为实现永磁同步电机的各种控制策略奠定了实验基础。DSP控制系统为神经网络训练提供样本，为研究永磁同步电机的自适应调速控制和转子位置角估计创造了条件。
上传时间： 2013-07-03
上传用户：kakuki123
·基于BP神经网络的字符识别
上传时间： 2013-06-16
上传用户：brucewan
·基于PCA和BP神经网络算法的车牌字符识别
上传时间： 2013-04-24
上传用户：maizezhen
基于BP神经网络的PID控制器的研究与实现:
上传时间： 2013-11-25
上传用户：SimonQQ
小麦在储藏阶段由于各种灾害导致损失巨大，并降低了面粉质量，及时检测并分离小麦的受损颗粒迫在眉睫。文章以提取4类小麦碰撞声信号为基础，使用数字信号处理方法对小麦完好粒、虫害粒、霉变粒及发芽粒的碰撞声信号提取有效特征，最后利用BP神经网络进行分类，对于3类小麦类型的识别取得了较好的识别率。应用结果表明BP神经网络能够较好地实现区分受损小麦颗粒与完好小麦颗粒。
上传时间： 2014-12-28
上传用户：lxm
