摘要：本文提出新型布线算法，集李氏迷宫法与线搜索法的长处为一体，以饱和带法进行动态排序，以线搜索法确定借孔位置，然后用李氏法进行单层布线，获得最佳路径，从而达到线型好，布通率高的效果。

摘要：利用mATlAB环境建立一个用于变压器故障诊断的BP网络模型。首先利用具有全局寻优功能的遗传算法对BP神经网络的初始权值和阈值进行优化,然后采用l-m(levenberg-marquardt)优化算法对BP神经网络进行训练,从而达到加快网络训练速度,避免训练过程陷入局部极小点的目的。最后,详细记录网络的实际输出,并与期望输出做对比研究,最终证实了此网络达到了设计要求,可用于变压器的故障诊断。

摘要：针对基于传统BP算法的神经网络训练中收敛速度较慢的缺点,提出一种基于l-m(levenberg-marquardt)算法的磨削淬硬层厚度预测,并开发了基于l-m算法的磨削淬硬神经网络预测系统。仿真结果表明:该系统模型显著缩短了训练时间,具有较高的准确性。通过网络训练和网络检验,得出该神经网络系统的预测值与实测值十分接近的结论,可充分证明l-m法BP神经网络对于磨削淬硬参数预测具有很好的效果。

摘要：针对基于虚拟现实的遥操作Stewart平台设计了虚拟系统.介绍了虚拟系统的驱动算法的原理.该算法首先建立合适的坐标系,通过一系列的空间坐标变换,解决了平台和6根杆的运动一致问题.采用基于l-m(levenberg-marquardt)算法的BP(Backpropagation Al-gorithm)神经网络来解决平台位置正解的问题,经过检验,证明该网络具有很好的泛化性能.采用了层次化的包围盒技术,每个节点建立轴向包围盒,来解决虚拟环境中的虚拟模型的碰撞检测问题.设计了一种简单的控制策略来解决大时延的稳定性问题.在机器人本地控制器的设计中采用离散化的微分跟踪器来保证机器人本地控制的稳定性和良好的动态性能,最后通过试验验证了本系统的有效性.

摘要：为提高大型接地网故障诊断算法的收敛效果和准确度,降低算法的复杂程度,针对根据电网络理论建立大型接地网故障诊断模型,考虑到其高维度、高度欠定、非线性的特点,提出一种确定性算法与随机性算法相结合的混合算法。确定性算法部分由l-m(levenberg-marquardt)和微量处理法组成,此部分集成了l-m高精度、高收敛速度的性能,以及微量处理法的逐步寻优特点,可以快速锁定真实解的范围,减少随机性算法部分的无效搜索;随机性算法部分基于粒子群算法建立,在确定性算法部分的引导下,此部分可运用自身全局寻优能力对解进行深入优化。仿真分析的结果表明,所提出的混合算法具有高精度、高收敛性的优点,可应用于不同拓扑结构的大型接地网故障诊断。

摘要：为实现对股票价格的短期预测,本文在laguerre正交基神经网络(lOBNN)模型的基础上,提出了一种新的组合预测模型来预测短期股价的变化。该模型先通过改进lOBNN模型的权值求解算法,用以增强模型的通用性。接着在其基础上设计新的迭代算法,进一步提高模型的预测精度,进而得到新的lOBNN模型。之后将股价数据分别代入AR-GARCH模型和改进后的lOBNN模型,得到输入数据的两组预测值。最后通过不同的权重来组合两种预测结果,生成最终股价的预测结果。文末的仿真结果表明该组合模型在预测精度与通用性上较原始模型有较大的提升,是一种高效的预测模型。

摘要：基于BP人工神经网络的l m算法 ,建立了磨合磨损的分形参数预测模型。将该模型用于销 盘磨合磨损试验 ,对最佳分形维数进行了准确预测。该模型收敛速度快、误差小 。

摘要：为了更好调控冷连轧板厚参数,设计了一种冷连轧轧制力深度神经网络模型,增强了冷连轧模型的控制效果。选择2030冷连轧结构进行研究,对多输入多输出(mImO)深度神经网络(DNN)进行预处理,针对多线程CPU与GPU实施了优化,对比了神经网络模型和冷连轧系统Siemens模型误差。研究结果表明:l-m算法表现出了更优的收敛稳定性、测试和验证性能、梯度下降趋势,并且收敛速度也更快。以随机方式选择200个数据并测定泛化性能测试得到,l-m算法获得了比SCG算法更大的相关系数。都是随着隐含层数的增加,获得了性能更优的神经网络模型,并且都会增加训练时间。从各项模型指标分析,l-m算法都比SCG算法的性能更优。构建神经网络轧制力模型总共包含二个隐含层、节点数介于17~30、通过l-m算法进行训练。采用神经网络轧制力模型得到的结果与实测值之间的误差比Siemens机理模型和测试值的误差更低。

摘要：为了使光纤光栅在实际工程中得到更广泛的应用,文章提出了一种基于FPGA(现场可编程门阵列)的光纤光栅高速解调算法及关键技术的实现方法。采用FPGA设计了信号解调硬件平台,通过低复杂度的l-m拟合算法,实现了光纤光栅反射光谱峰值的精确定位,对l-m算法进行简化处理提高了解调处理速度。实验结果表明,该算法具有较好的稳定性和重复性,在满足高精度测量的同时,还能满足高速实时的要求。

摘要：为消除高空气象探测等领域中温度传感器的沾水误差,提出了一种新颖的双加热温度传感器,利用温度测量元件交替加热测量的方法获得不同风速及降水强度条件下沾水误差与时间常数的变化。通过拟合对应的函数关系可实现沾水误差修正和降水强度测量功能。实验结果表明,在一定的风速及降水强度范围内,该传感器能使沾水引起的误差从±0.3℃降低至±0.1℃以下,降水强度测量误差低于±0.2 mm/min。与传统探空仪温度传感器相比,该双加热温度传感器不但精度高,具有消除沾水误差的能力,亦可初步实现降水强度的测量。