简介:摘要:对于目前现有的智能语音机器人来说,为了其更加适应各种各样复杂的作业环境,在执行作业时具有更多的自主选择性,需要对其运行路径、速度等进行自动化控制研究,这在侧面提高了机器人控制的难度。分析当运行轨迹不同时智能语音机器人左、右轮速的函数关系,保证运行过程中效率最大化;凭借短时能量、短时平均过零率将语音命令从背景中分离,明确命令帧长度,通过不断修改BP神经网络算法的阈值和权值,尽可能地缩减控制误差,提高网络模型的收敛速度;机器人在接收到语音指令后,及时调整左、右轮速,自主化完成作业任务。将所提方法与其他方法展开对比实验测试,结果表明,所提方法可有效规避障碍物,并且在起始点与目标点之间选择一条最短路径,同时保证控制时间和控制误差为最低。
简介:摘要当前,我国能源紧缺问题越来越严重,在这样的情况下,社会各个领域越来越着重关注可再生能源的开发和利用,以此来有效缓解全球范围内的能源危机,在这样的背景下,可再生能源的地位也得到显著的提升,特别是太阳能被社会各界广泛关注,太阳能光伏发电技术也有了不断的发展和优化,应用范围越来越广,人们的接受度和认可度也越来越高。因为光伏发电系统故障诊断对于发电系统的正常运行有着关键性的影响,要想对其进行科学合理的维护和监测需要付出极大的人力、物力和财力,特别是人工资源,所以寻找到更有效的监测和维护网络是至关重要的。结合这样的情况,本文有针对性的分析和探究BP神经网络在光伏发电系统故障诊断中的应用,希望通过本文的分析能够为相关从业者提供某种程度上的参考。
简介:摘要电网电力系统的安全稳定并且实现可实现经济运营,与其对负荷的准确预测具有较为重要的关系,基于多分辨分析思想为基础的小波分析结合BP神经网络构建模型,对电网短期符合进行预测。首先,采用正交小波变换的塔式结构快速算法对电网负荷数据序列实现小波分解过程,剔除负荷中的非有价值历史数据,获得真实规律性电力负荷数据;然后,通过小波分解后,根据分解后的各层分量选取阈值,获得符合其特点的分量数据后输入神经网络,经过小波算法的重构过程得到预测日期的负荷数据。仿真结果显示,运用文中构建的改进BP神经网络模型预测较人工网络预测精度具有明显优势,该预测方法能够更好地对电网进行有效的负荷预测。
简介:摘要电网电力系统的安全稳定并且实现可实现经济运营,与其对负荷的准确预测具有较为重要的关系,基于多分辨分析思想为基础的小波分析结合BP神经网络构建模型,对电网短期符合进行预测。首先,采用正交小波变换的塔式结构快速算法对电网负荷数据序列实现小波分解过程,剔除负荷中的非有价值历史数据,获得真实规律性电力负荷数据;然后,通过小波分解后,根据分解后的各层分量选取阈值,获得符合其特点的分量数据后输入神经网络,经过小波算法的重构过程得到预测日期的负荷数据。仿真结果显示,运用文中构建的改进BP神经网络模型预测较人工网络预测精度具有明显优势,该预测方法能够更好地对电网进行有效的负荷预测。