搜索结果: 1-7 共查到“农业机械化 Neural”相关记录7条 . 查询时间(0.192 秒)
基于改进BP神经网络的排种器充种性能预测（Prediction for Performance of Seed-filling Process Based on Improved BP Neural Network）
排种器 充种 性能预测 BP神经网络
2010/12/29
充种性能直接影响排种器排种质量，应用Matlab神经网络工具箱建立了排种器充种单粒率η1和空穴率η2的改进BP神经网络预测模型。选取转速n、种子当量直径d、充种角β和型孔直径D作为试验因素进行充种性能试验，获得64组单粒率和空穴率的试验结果。选取55组结果作为训练样本，采用Levenberg-Marquardt训练方法对建立的网络进行训练，并选取剩余的9组结果对训练好的网络进行仿真预测。其中，n、...
基于神经网络的离心泵能量性能预测（Energy Characteristics Prediction of Centrifugal Pumps Based on Artificial Neural Network）
离心泵 性能预测 神经网络
2010/12/29
总结了BP网络和RBF网络在离心泵能量性能预测中的应用现状，介绍了这两种网络的结构及特点。分别采用BP网络和RBF网络建立了离心泵能量性能预测模型。用57组数据对这两个预测模型进行了训练，并用6组数据对两种网络结构的性能预测模型进行了仿真。研究结果表面：两种网络结果的预测模型预测精度比较接近且预测结果的趋势也相同，BP网络预测精度略高于RBF网络；BP网络扬程平均预测误差为3.85%，效率平均预测...
静液驱动履带车辆转向神经网络PID控制仿真（Steering Neural Network PID Control for Tracked Vehicle with Hydrostatic Drive）
履带车辆 静液驱动 转向 神经网络
2010/12/29
根据履带车辆转向运动学和动力学分析，提出转向控制策略，可在满足系统压力限制以及保证车辆转向安全条件下自动降低平均车速以保证驾驶员期望转向半径的准确实现。转向控制器由神经网络PID控制器和泵马达排量控制器组成。运用Matlab/Simulink对系统进行神经网络转向控制仿真分析，仿真结果表明，与传统PID控制相比较，神经网络控制输出超调量由10.5%降至4.1%，控制响应时间由4.8s降至2.2...
基于改进BP神经网络的复合叶轮离心泵性能预测（Performance Predicting of Centrifugal Pumps with Compound Impeller Based on Improved BP Neural Network）
复合叶轮 BP神经网络 性能预测
2009/9/25
应用Matlab建立了复合叶轮离心泵效率和扬程的BP神经网络预测模型。选取73组试验结果作为样本，采用Levenberg-Marquardt法则对构建的网络进行训练，并随机选取12组训练样本外的数据对训练好的网络进行测试。试验的主要参数为流量Q， 叶片数z，叶片出口安放角β2，短叶片进口直径Di，叶片出口宽度b2，效率η以及扬程H。其中选取Q，z，β2，Di，b2作为网络的输入层，η和H作为输出层...
基于计算机视觉和神经网络的牛肉颜色自动分级（Automatic Color Grading of Beef Lean Tissue Based on BP Neural Network and Computer Vision）
牛肉 颜色 分级 神经网络
2009/5/22
将采集的牛胴体眼肌切面图像人工确定其颜色等级，然后通过计算机图像处理方法，分割出肌肉区域并提取出其在RGB和HIS颜色空间的颜色特征参数。设计一个以牛肉的颜色特征参数为输入、牛肉的颜色等级为输出的BP神经网络模型，通过训练，确定模型的结构参数，用测试样本对该模型进行验证。结果显示，用该模型进行牛肉颜色等级预测的正确率可达95%，耗时仅0.25s。表明利用所设计的模型可以对牛肉的颜色等级进行快速、准...
基于小波变换和BP神经网络的蛋壳破损检测（Crack Detection in Eggs with Multi-level Wavelet Transform and BP Neural Network）
鸡蛋 破损 检测
2009/5/22
提出了一种基于多层小波变换和纹理分析的蛋壳破损检测方法。该方法对获取的鸡蛋透射图像G分量在不同水平上进行小波分解，计算和分析各水平高频细节子图像的纹理特征参数，实验确定最有效的8个特征参数作为BP网络输入，建立结构为8—20—2的BP神经网络蛋壳破损分类模型。实验表明，该方法对无破损蛋、线状破损蛋、网状破损蛋和点状破损蛋的判别正确率分别为95%、90%、95%、80%，平均识别率为90%。
基于RBF神经网络的混合输入机构自适应控制（Adaptive Control of Hybrid Machine Based on RBF Neural Network）
混合输入机构 径向基函数神经网络 自适应控制 轨迹跟踪
2010/5/5
提出一种伺服电动机对常速电动机运动进行闭环跟踪的控制策略，控制伺服电动机的运动，以实现对常速电动机速度波动的补偿。由于系统精确模型难以获得，设计了基于名义模型的径向基函数网络自适应控制器，进行混合输入机构轨迹的跟踪，应用径向基函数(RBF)神经网络对系统中摩擦、外部扰动和动力耦合等不确定因素的和进行逼近，网络输出权值由自适应算法学习确定，并对该控制器进行稳定性分析。仿真结果表明，所设计的控制器稳定...