简介:BP神经网络分类器在信号识别领域得到了比较广泛的应用,针对其低信噪比环境下识别率相对较低的问题,引入人工蜂群算法(ABC),将求解BP神经网络各层权值、阂值的过程向蜜蜂寻找最优蜜源的过程转变,最后阐述了一种以人工蜂群算法为基础的神经网络分类器设计方法(ABCBP算法),并以2ASK,2FSK,2DPSK信号为例,对信号进行小波包分解后,将信号各频段的能量值数据作为实验样本,对其进行了信号分类。仿真结果表明:基于人工蜂群算法的优化BP神经网络分类器,即使在5dB的信噪比环境下,仍可达到94%以上的识别率,并具有较好的稳定性,这为信号识别领域中分类器的设计提供了一个很好的理论依据。
简介:将分支前馈神经网络(BFNN)运用于数字字符的模式识别问题中,其某些性能优于标准反向传播(BP)网络。BFNN的隐层神经元与输出神经元之间为分组对应关系,采用的学习算法与标准BP算法类似。BFNN可以根据样本的可分性构建最适宜的网络结构。在对大规模、分类复杂的样本进行识别时,性能优于标准BP网络。
简介:本文叙述了检测感应电机笼型转子中断条的技术。一台30马力带有深导条笼型转子的四极感应电机是从加拿大通用电气公司获得的。安装了用于试验目的的定子磁轭,齿尖与外探查线圈,以及热电偶。将轴转矩传感器与直流负载电机安装成一条直线。用有限元来模拟该电机的横截面,并用非线性多元的稳态技术来计算场分布及机械性能。断条的出现产生局部的高气隙磁场并降低了机械性能。磁场的波动与断条有关,通过机械加工有意地使其与端环分开,波动的磁场在探查线圈感应的电压中产生低频分量与谐波并产生振荡力矩,而它又引起噪声与机械振动。实验结果表明对外探查线圈中感应的电压的分析足以检测断条的存在与否。