10.3969/j.issn.1001-2303.2007.09.012
基于BP算法的逆变点焊电源模糊神经网络控制研究
引入动量因子对常规BP学习算法进行了改进.在分析模糊神经网络控制模型的基础上,针对模糊神经网络规则多、训练时间长的缺点,采用了给模糊控制规则增加阈值,减少网络训练运算量的优化方法.最后将此优化方法和改进的训练算法应用到逆变点焊电源模糊神经网络(FNN)恒电流控制系统中,通过使用MATLAB语言编程,对该系统进行了仿真分析.仿真结果表明,动量因子的引入不但减小了BP算法学习过程的振荡趋势,加快了收敛速度,而且较好解决了BP网络容易陷入局部极小点的缺陷.模糊规则阈值的引入,有效减少了网络的训练时间.
逆变点焊、FNN、BP算法、动量因子
37
TG438.2(焊接、金属切割及金属粘接)
2007-11-19(万方平台首次上网日期,不代表论文的发表时间)
共5页
48-51,64