《灌浆压力的非线性建模预测》PDF+DOC
作者:李凤玲,申群太,徐力生
单位:北京仿真中心;中国仿真学会
出版:《系统仿真学报》2008年第23期
页数:4页 (PDF与DOC格式可能不同)
PDF编号:PDFXTFZ2008230570
DOC编号:DOCXTFZ2008230579
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于BP神经网络的传感器非线性建模》PDF+DOC2010年第29期 张君,邢璐
《基于神经网络的气体预警穿戴系统的温度补偿》PDF+DOC2016年第15期 于浩,许武军,袁方红,范红
《基于BP神经网络模型的压力传感器温度补偿》PDF+DOC2019年第04期 乔维德
《基于BP神经网络的钢轴表面硬度磁巴克豪森噪声定量检测技术》PDF+DOC2020年第01期 张传栋,何存富,刘秀成,吴斌,张秀
《基于BP神经网络与概率神经网络的汽车发动机故障识别方法及对比分析》PDF+DOC2020年第05期 李雯,喻菲菲,杜灿谊,李锋,龚永康
《基于信息融合的滚动轴承故障诊断》PDF+DOC2005年第02期 杨帆,浦昭邦,庄严,赵玉刚
《基于神经网络的传感器非线性校正方法》PDF+DOC2004年第04期 李增芳,傅彩云
《神经网络在校正传感器非线性度方面的研究》PDF+DOC2003年第12期 黄天戍,倪效勇,张红剑,任清珍
《基于神经网络脉冲激励的SRM无位置检测研究》PDF+DOC2010年第06期 周永勤,宋岩,王哈力,吴晓刚
《基于多信息融合理论的MIG焊机器人焊接质量控制》PDF+DOC2009年第09期 岳建锋,张翠宣,李亮玉
实际灌浆压力控制过程中,由于灌浆液的密度、粘度和地层等因素的影响,使得灌浆压力的变化具有不确定性、时变性和非线性特征。为了辨识、预测灌浆系统压力,提出了一种基于神经网络的多传感器数据融合技术。通过对灌浆工艺与机理分析得到该BP神经网络输入变量。该方法首先利用灌浆过程中采集的数据离线训练BP神经网络,获得一收敛的神经网络模型,然后用此神经网络模型实时预测所灌地层的灌浆压力。最后实验仿真结果表明,BP神经网络预测模型能够运用到灌浆系统中,模型的最大预测误差不超过15%,平均均方根误差仅为0.186。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。