• 1
  • 2
新闻中心
联系我们
  • 公司名称:广东省恒越升降车租赁有限公司  
    联系方式:136 0000 1358  138 23423455
    投诉建议:020 32210175   QQ:594933949
    业务范围:全中国任何区域均可提供
    公司网址:www.chuzushengjiangche.com
新闻详细
  • http://www.foshanludengchechuzu.com/ 江门升降车租赁,    基于小波神经网络的升降车动态称重系统预测建模仿真研究
    新闻分类:公司新闻   作者:admin    发布于:2018-05-074    文字:【】【】【


          江门升降车租赁,  基于小波神经网络的升降车动态称重系统预测建模仿真研究   江门升降车出租,  升降车租赁     升降车是一种用途广泛的高效工程机械,由于它自重大,轴距短,且始终处于流动作业状态,难以用固定位置的衡器对它所载物进行称量。在称重系统中,称重精度是首要的技术指标。采用小波神经网络预测技术, 建立输入和输出的动态非线性模型预测物重,使精度能 够达到 ±1%。
    1


         升降车数学模型:  升降车工作装置几何参数,根据动臂所受合力矩∑M =0,即MgL cosα + MaL = FL sinθ (1) 2其中 M = m m +, L = L L+。L L三种运动是错综交替进行的,加速度 是时刻变化的, 因此无法获取某时刻加速度的确切值,难以直接套用数 学模型式(2)来计算。如果直接忽略掉加速度影响则 会使误差偏大,达不到预期的称重精度。并且随着动臂 逐渐上升,斗的重力势能增大,液压传感器的值一直变 大,不能完全真实反应货物重量,因此直接依靠液压值 来计算比例系数,误差很大。



       人工神经网络的预测方法用于非线性预测的效果很 好。从理论上来说,神经网络可以任意精度逼近任意非 线性序列,但缺点在于:网络的结构难以科学地确定。 要用模型进行预测,首先要训练模型,而训练的速度不 高,容易陷入局部次优点,全局最小点难以找到。神经 网络与小波方法的结合有两种方式:一种是先通过小波 对液压传感器值进行小波分解, 得到小波变换尺度系 数序列和小波系数序列, 然后输入到一个神经网络中 加以训练,进行预测。这种小波和神经网络结合的方法, 虽然有较好的预测效果,但本质上还是神经网络预测, 只是通过小波变换得到最佳的训练数据,并没有从本质 上改善神经网络训练速度慢, 容易陷入局部次优点, 难以找到全局最小点的缺点。另一种结合方法是把用小 波函数代替神经网络隐含层的传输函数,改变了预测模 型的结构,在确保预测精度前提下,训练时间缩短了, 训练的速度大大提高, 解决了神经网络陷入局部次优 点的问题, 且用小波函数代替神经网络隐含层的传输函数, 算法易实现。



       江门升降车租赁,  江门升降车出租,  升降车租赁  www.gdgkzyc.com/



        2 小波神经网络仿真模型:  小波神经网络预测模型采用三层的小波神经网络结 构,之所以选用三层结构, 因为大部分实际的时间序 列是一个非线性序列, 少于三层结构是无法逼近这样为升降车结构参数,可实测。α 由角度传感器测得,F = kP( P 为油压传感器值), a 为臂运动线加速度。由图 1 几何、γ ,这里就不详细给出。 M=kPL2sinθ (gcosα+a)L关系可求出角 根据式(1)可求得斗重和物重表达式如下:θ速度又等于角速度变化率 dw ∆α ,因此可根据角度 ε=dt ∆t2 传感器值得到动臂线加速度,即 ∆α。但一般L2) + 情况下,升降车动臂举升过程中匀加速、变加速及匀a=∆t2(L1  当动臂匀速上扬时,角加速度ε = a ,而角加 (L1 + L2 )液压缸的非线性曲线的。当层数大于三层时, 当然也可以逼 近这样的曲线,但增加了计算的复杂度,而对于 BP 神 经网络来说,当采用三层结构时,该模型就能逼近任何 形式的曲线,故采用三层结构即输入层、隐含层、输出层。在输入层中有 p 个输入,即一次输入含有 p 个元素 的输入序列,这 p 个元素是 p 个时间序列值, p 表示预测序列值与它之前的相关步数。隐含层包含 n 个神经 元。输出层有 1 个神经元,输出为第   个时间序列 的预测值。   表示从m - 1层的神经元i到第m层的神经元 j 之间的权值,αm 表示第 m 层神经元 j 的第 jkk 次输入, φm 表示第 m 层的转移函数,   表示第 m 层的相应输出数, 本文采用共轭梯度下降法计算误差函数的最小值。



          3 仿真与实验结果: 仿真算法流程:   第一步:用 Morlet 小波作为隐含层的传递函数建立 预测模型;   第二步:设定误差目标值,初始化参数;   第三步:输入去噪后的学习样本到神经网络中,得 出预测值。第四步:计算预测值均方误差梯度。第五步:用梯度最速下降法调整网络参数,当误差 小于设定值时,保存神经网络参数,用于预测模型。根据现场采集的大量试验数据,在 MATLAB 环境 下仿真察看通过上述各处理方法改善系统精度的效果。 传感器称重范围 0 ~ 5t 。隐含层的转移函数采用 morlet 小波,即针 对 采 用 的 三 层 网 络 结 构,

      
        4 结论:  隐含层的传输函数而建立起来的,从小波神经网络模型用θ 表示上式中所有参数的集合,网络的输入为 为个序列值为元素的一个时间序列,即本文小波神经预测模型是用小波函数代替神经网络 的预测仿真结果来看,该模型是可行的。



           江门升降车租赁,  江门升降车出租,  升降车租赁 

    分享到:
    点击次数:668  更新时间:2018-05-07  【打印此页】  【关闭
广东省恒越升降车租赁有限公司
联系方式:136 0000 1358   138 23423455