《优化极限学习机算法及其在力信息解耦中的应用》PDF+DOC
作者:徐家琪,伍万能,孙炜,王耀南,梁桥康
单位:中国微米纳米技术学会;东南大学
出版:《传感技术学报》2019年第10期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFCGJS2019100100
DOC编号:DOCCGJS2019100109
下载格式:PDF + Word/doc 文字可复制、可编辑
《六维力/力矩传感器静态解耦算法的研究与应用》PDF+DOC2015年第02期 茅晨,宋爱国,高翔,徐国政
《一种无线传感器网络中的目标覆盖优化算法》PDF+DOC 徐梦颖,卢毅,周杰
《基于神经网络的多维力传感器静态解耦的研究》PDF+DOC2002年第24期 姜力,刘宏,蔡鹤皋,高晓辉
《基于粒子群-遗传混合算法的MIMO雷达布阵优化》PDF+DOC2013年第11期 施荣华,朱炫滋,董健,谢羽嘉,郭迎
《《计算机应用研究》第29卷(2012年)总目次》PDF+DOC2012年第12期
《《计算机应用研究》第28卷(2011年)总目次》PDF+DOC2011年第12期
《《计算机应用》2010年第30卷第1~12期总目次》PDF+DOC2010年第12期
《计算机应用2007年第27卷总目次》PDF+DOC2007年第12期
《基于智能算法优化卡尔曼滤波器的电机转速估计》PDF+DOC 张秀国
《基于极限学习机的航空发动机传感器故障诊断》PDF+DOC2014年第08期 孙毅刚,刘静雅,赵珍
高性能解耦算法有助于提高多维力传感器的检测精度。针对传统非线性解耦算法存在精度较低等缺点,对极限学习机算法进行了优化和改进,并将其应用于多维力信息解耦。在基于粒子群和遗传算法两种改进极限学习机算法(PSO-ELM、GA-ELM)的基础上,提出了一种基于天牛须算法的改进极限学习机(BAS-ELM),天牛须算法针对极限学习机隐含层节点参数的每一维进行逐步的优化,使得整体损失函数最小。为验证算法性能,本文以六维力/力矩传感器为实验对象,将各类改进算法应用到力/力矩传感器的非线性解耦中,通过解耦实验可知,与其他算法相比,BAS-ELM解耦精度更高、收敛时间更短,对于非线性解耦具有更强的适应性。
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。