简介:将分支前馈神经网络(BFNN)运用于数字字符的模式识别问题中,其某些性能优于标准反向传播(BP)网络。BFNN的隐层神经元与输出神经元之间为分组对应关系,采用的学习算法与标准BP算法类似。BFNN可以根据样本的可分性构建最适宜的网络结构。在对大规模、分类复杂的样本进行识别时,性能优于标准BP网络。
简介:针对传统智能算法在无限脉冲响应(IIR)数字滤波器设计面临的收敛速度较慢和容易陷入局部极值等问题,提出了一种基于猫群优化算法的IIR数字滤波器设计方法。猫群优化算法分为搜寻模式和跟踪模式,通过对猫群行为的观察,改进猫群的行为模式并利用该算法设计IIR数字滤波器,经过与利用粒子群算法与自由搜索算法设计的滤波器进行比较,证明用本文算法设计的数字滤波器有更好的效果。
简介:感应电动机的振动问题是极其有害的。它可能导致可靠性的和大大降低。在整个运行和制造加工过程中避免和减小振动问题是迫切必要的,如果问题发生了,就应尽快发现问题根源并予以解决,应用恰当的知识和诊断方法,通常是可以快速正确确定振动原因的。常常也会因为不明了振动的真正原因而下了错误的结论。这导致专注于设法解决一个错误诊断的问题。而在该过程中花费大量的时间和金钱。通过正确的数据收集和分析方法,可以发现真正的振动根源。这包括(但不限于)以下方面,电不平衡;机械不平衡-电动机,联轴器,被驱动设备,机械因数-松动,摩擦,轴承,等等,外部因素-基础,被驱动设备,未对准,等等,共振,临界转速,簧片临界,等等,一旦了解了电动机内机电相互作用以及外部零部件对电机表现振动的影响,对损坏零部件的识别通常就直截了当,本文提供了一个快捷了解和解决这类振动问题的分析方法。