首页> 中文学位 >基于粒子群优化神经网络算法的车辆动态称重系统
【6h】

基于粒子群优化神经网络算法的车辆动态称重系统

代理获取

目录

声明

摘要

第一章 绪论

1.1 课题背景和研究意义

1.2 车辆动态称重系统的相关研究

1.2.1 国内的相关研究

1.2.2 国外的相关研究

1.3 论文研究的主要内容及工作

第二章 动态称重系统

2.1 动态称重系统的硬件构成

2.1.1 称重平台

2.1.2 车辆检测器

2.1.3 称信号转换电路

2.1.4 车辆分离器

2.2 动态称重系统工作原理

2.3 车辆整体运动分析

2.4 动态称重影响因素分析

2.4.1 静态影响因素分析

2.4.2 动态影响因素分析

2.5 动态称重系统抑制干扰设计

2.6 本章小结

第三章 基于BP算法的车辆动态称重系统

3.1 神经网络概述

3.2 BP神经网络

3.2.1 BP神经网络结构

3.2.2 BP神经网络学习算法

3.3 BP神经网络在动态称重系统中的应用

3.3.1 BP神经网络模型

3.3.2 BP神经网络的参数设置

3.3.3 实验数据采集

3.3.4 基于BP神经网络的仿真实验

3.4 BP神经网络算法的不足及改进

3.4.1 BP神经网络算法的不足

3.4.2 BP神经网络算法的改进

3.5 群智能算法在优化神经网络中的应用

3.6 本章小结

第四章 粒子群优化神经网络

4.1 粒子群优化算法

4.1.1 粒子群优化算法的概念

4.1.2 粒子群优化算法的原理

4.1.3 粒子群优化算法的特点

4.2 粒子群优化BP神经网络的分析

4.3 粒子群优化BP神经网络

4.3.1 PSO-BP的网络设计

4.3.2 PSO-BP的算法流程

4.4 粒子群优化BP神经网络仿真实验

4.4.1 PSO-BP的参数设置

4.4.2 实验结果分析

4.5 本章小结

第五章 总结与展望

参考文献

致谢

攻读学位期间发表的学术论文

展开▼

摘要

近年来,公路运输业在各国都得到了快速发展,给人们带来方便的同时也带来了很多压力,如车辆超载导致公路寿命缩短。随着车辆的日益增多,使得交通运输的管理和车辆检测成为社会的一个重要问题。
  在我国运输物资主要依靠公路,因而造成我国车辆超载现象十分严重,因此为了减少车辆超载现象的发生,需要严格检测车辆的重量。为了快速并高效检测车辆的重量,动态称重的研究受到越来越多的关注。目前,车辆动态称重系统的硬件设计已日趋完善,只能通过软件系统的设计来提高称重精度。软件系统数据处理中误差反向传播(BP)算法较为普遍,但是基于梯度下降的BP算法存在诸多缺陷,如易陷入局部极小值和收敛速度慢等,从而影响动态称重最后测量的精度。
  为了解决BP算法存在的问题,本文在神经网络的基础上引入具有全局优化思想的粒子群优化(PSO)算法,建立PSO—BP神经网络模型来优化网络。将神经网络中需要调整的权值和阈值与粒子群算法中的粒子建立起映射关系,通过粒子之间的配合和竞争来完成网络训练。仿真结果表明,基于PSO的神经网络学习方法收敛速度快,预测精度高。不过该动态称重系统仍有些方面需要改进。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号