请选择 目标期刊

基于FOA优化SOM-RBF的压力传感器温度补偿研究 下载:10 浏览:439

杨松1 李开林1 胡国清1 周永宏2 邹崇2 《传感器研究》 2018年7期

摘要:
硅压阻式差压传感器受硅片和封装介质温度特性的影响,温变时,传感器输出呈现明显的非线性。文中提出一种全新温度补偿方法,采用基本RBF网络确定网络隐含层节点数,建立自适应SOM网络得到RBF网络中心值,采用FOA对RBF网络扩展参数进行寻优得到最终优化RBF网络,最后将测试数据输入网络得到补偿输出。结果表明:补偿精度随着RBF网络的优化逐步提升,补偿后平均最大相对误差精度为9.642 7×10-4,相对均方误差精度为2.476 2×10-7。模型输出结果验证了算法用于硅压力传感器温度补偿的有效性,抑制了温度对传感器输出的影响。

基于MFOA-GRNN模型的年电力负荷预测 下载:79 浏览:476

李冬辉 尹海燕 郑博文 《电网技术研究》 2018年9期

摘要:
精确的年电力负荷预测为电力建设和电网运行提供可靠的指导。受多种因素的影响,年电力负荷曲线呈现出非线性特性,因此年电力负荷预测问题的解决需要建立在非线性模型的基础之上。广义回归神经网络(GRNN)已被证明在处理非线性问题上是非常有效的。该网络只有一个扩展参数,如何确定适当的扩展参数是使用GRNN进行预测的关键点。提出了一种将多种群的果蝇优化算法(MFOA)和GRNN相结合的混合年电力负荷预测模型,用以解决上述问题。其中,MFOA用作为GRNN电力负荷预测模型选择适当的扩展参数。最后通过模拟实验数据分析,MFOA-GRNN模型的年电力负荷预测平均绝对百分比误差为0.510%,均方误差为0.281。并且将其结果与差分进化的支持向量机模型(DE-SVM)、粒子群优化的GRNN模型(PSO-GRNN)、以及果蝇优化的GRNN模型(FOA-GRNN)的预测结果进行了比较。最终得出,文中所提出的MFOA-GRNN模型在年电力负荷预测中的预测性能优于上述3种模型。

基于MFU和FOA-BPNN的变压器油密度检测 下载:97 浏览:496

余鹏程1 刘喆1 吴国卿1 郭栩翔2 周渠3 《电气学报》 2018年1期

摘要:
研究一种基于多频超声(MFU)技术和果蝇优化BP神经网络(FOA-BPNN)的变压器油密度检测方法,将基于超声波原理测得的变压器油多频超声数据作为BP神经网络输入,密度计滴定法测定的变压器油密度作为输出,训练BP神经网络建立多频超声数据与变压器油密度的映射关系,同时为避免传统BP神经网络进行预测存在泛化能力弱,易陷入局部最优解的缺点,提出运用果蝇优化算法FOA对BP神经网络的拓扑结构、权值和阈值进行寻优,使用寻优结果建立基于FOA-BPNN的变压器油多频超声波图谱与油密度的映射关系模型。实例验证结果表明,相比于传统的BPNN模型,使用FOA对BPNN进行寻优后的模型的识别准确度更高,测量误差更小,将该模型用于基于多频超声波检测技术的变压器油密度识别是可行的。

基于OpenFOAM的桩基透空堤结构尺度其透射系数的影响 下载:40 浏览:310

夏曦 张可新 桂劲松 《中国水产学报》 2022年3期

摘要:
为探讨透空堤相对堤宽和挡板相对入水深度在工程中的合理取值范围,本文采用某交通码头改扩建工程物理模型试验与开源软件OpenFOAM数值模拟,进行了透空式防波堤相对堤宽和挡板相对入水深度对透射系数的影响研究,并分析了透空堤流场变化机理。结果表明:随着相对堤宽(B/L,B为堤宽,L为波长)增大,透空堤透射系数减小,当相对堤宽比大于0.35L后透射系数趋于稳定;随着挡板入水深度(Δ)增加,透射系数减小,当挡板相对入水深度(Δ/H,H为透射波高)大于1.0H时,透射系数趋于稳定;透空堤流场图显示,随着相对堤宽的增大,波浪发生紊乱,震荡空间变大使得波浪耗散增加,随着挡板入水深度增大,波浪与结构物作用面积增大使得波浪耗散增加。研究表明,结合港口现行规范,在实际工程中相对堤宽适宜范围应为0.25~0.35L,挡板相对入水深度适宜范围应大于1.0H。
[1/1]
在线客服::点击联系客服
联系电话::400-188-5008
客服邮箱::service@ccnpub.com
投诉举报::feedback@ccnpub.com
人工客服

工作时间(9:00-18:00)
官方公众号

科技成果·全球共享