分析电阻点焊过程决策和控制依据

《分析电阻点焊过程决策和控制依据》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、http://www.talwhw.cnhttp://www.tsgfmp.cnhttp://www.xintainz.comhttp://www.jxynj.com分析电阻点焊过程的决策和控制依据人工神经网络是用物理模型模拟生物神经网络的基本功能和结构，可以在未知被控对象和业务模型情况下达到学习的目的。建立神经网络是利用神经网络高度并行的信息处理能力，较强的非线性映射能力及自适应学习能力，同时为消除复杂系统的制约因素提供了手段。人工神经网络在足够多的样本数据的基础上，可以很好地比较任意复杂的非线性函数。另外，神经网络的并行结构可用硬件实现的方法进行开发。

2、目前应用最成熟最广泛的一种神经网络是前馈多层神经网络（BP），通常称为BP神经网络。Artificialneuralnetworkistousephysicalmodelsimulationofbiologicalneuralnetworkbasicfunctionandstructure,canbeinthecaseofunknownandbusinessmodeloftheobjecttoachievetheobjectiveofthestudy.Establishneuralnetworkisahighlyparallelneuralnetworki

3、nformationprocessingability,strongabilityofnonlinearmappingandadaptivelearningability,atthesametimetoeliminatetherestrictivefactorsofcomplexsystemsoffersameans.Artificialneuralnetworkonthebasishttp://www.talwhw.cnhttp://www.tsgfmp.cnhttp://www.xintainz.comhttp://www.jxynj.comofeno

4、ughsampledata,isagoodwaytocompareanycomplexnonlinearfunction.Inaddition,theparallelstructureoftheneuralnetworkhardwareimplementationmethodsareavailablefordevelopment.Oneofthemostmatureandmostwidelyusedneuralnetworkisafeedforwardmultilayerneuralnetwork(BP),commonlyreferredtoastheBP

5、neuralnetwork.　　神经网络方法的基本思想是：神经网络模型的网络输入与神经网络输出的数学关系用以表示系统的结构参数与系统动态参数之间的复杂的物理关系，即训练。我们发现利用经过训练的模型进行权值和阈值的再修改和优化（称之为学习）时，其计算速度要大大快于基于其他优化计算的速度。Neuralnetworkmethodthebasicideais:inputofneuralnetworkmodelwithneuralnetworkisappliedtothestructureofthesystemoutputmathematicalrelationsh

6、ipsbetweentheparametersanddynamicparametersofthecomplexphysicalrelationship,namelythetraining.Wefoundthathttp://www.talwhw.cnhttp://www.tsgfmp.cnhttp://www.xintainz.comhttp://www.jxynj.comusingthetrainedmodelweightsandthethresholdvaluewillbemodifiedandoptimized(callit),thecalculat

7、ionspeedismuchfasterthantheotheroptimizationbasedonthespeedofcalculation.　　BP神经网络一般由大量的非线性处理单元——神经元连接组成的。具有大规模并行处理信息能力和极强的的容错性。每个神经元有一个单一的输出，但可以把这个输出量与下一层的多个神经元相连，每个连接通路对应一个连接权系数。根据功能可以把神经网络分为输入层，隐含层（一或多层），输出层三个部分。设每层输入为ui(q)输出为vi(q)。同时，给定了P组输入和输出样本，dp（p=200）。BPneuralnetworkistypi

8、callycomposedofanonlinearprocessi