导读:本文包含了小波神经论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:神经网络,小波,算法,误差,永磁,函数,故障诊断。
小波神经论文文献综述
林振荣,黎嘉诚,杨冬芹,伍军云[1]（2019）在《改进微分进化和小波神经网络的网络流量预测》一文中研究指出针对网络流量的非线性和复杂性等特性以及传统网络流量预测模型精准度低的缺点,提出自适应微分进化算法(ADE)优化小波神经网络(WNN)的短期网络流量预测方法。以小波神经网络为基础,在神经网络训练过程中增加动量项,采用自适应微分进化算法优化小波神经网络原有的初始化参数的过程,有效解决小波神经网络中传统梯度下降算法易陷入局部极小解和对初始值敏感的缺陷,提高学习精度和收敛速度。仿真结果表明,相比对比模型,该方法具有良好的准确性、收敛性以及稳定性,是一种有效可靠的短期网络流量预测方法。(本文来源于《计算机工程与设计》期刊2019年12期）
孙建华[2]（2019）在《基于小波神经网络的水文地质参数计算与应用分析》一文中研究指出在BP神经网络的基础上引入小波分析函数对其进行改进,并应用于邹庄煤矿某采区水文地质参数计算和疏放水降深预测,再将小波神经网络与其它传统计算方法对比,结果表明:小波神经网络在水文地质参数计算和水文地质分析时具有极强的优势。(本文来源于《西部探矿工程》期刊2019年12期）
李彬,张云,王立平,李学昆[3]（2019）在《基于遗传算法优化小波神经网络数控机床热误差建模》一文中研究指出数控机床的热误差已经成为影响其加工精度的一个关键因素,为最大限度提高数控机床热误差补偿的精度和效率,结合遗传算法自适应全局优化搜索能力和小波神经网络良好的时频局部特性的优点,提出一种基于遗传算法优化小波神经网络的机床热误差补偿模型。以某型号五轴摆动卧式加工中心为试验对象,以机床温度变量和热误差为数据输入样本,建立小波神经网络模型热误差预测模型,然后用遗传算法优化小波神经网络权值、阈值,最终建立热误差预测模型。通过与传统人工神经网络和普通小波神经网络进行对比分析及试验论证表明,该补偿模型具有精度高、抗扰动能力和鲁棒性强等优点,有望在实际加工场合的数控机床的热误差预测和补偿研究中得到更大的推广应用。(本文来源于《机械工程学报》期刊2019年21期）
江文超,张兴,谢东,李明[4]（2019）在《基于小波变换与BP神经网络的光伏电站孤岛检测研究》一文中研究指出随着光伏电站规模不断增大,并网光伏系统对原有供电网络的影响越来越大,孤岛检测成为光伏电站必须深入研究的问题。针对现有孤岛检测方法的不足,提出了一种基于小波变换与BP神经网络的新型被动式孤岛检测法。该法通过小波变换获得有关信号孤岛发生前后的特征信息,再由BP神经网络根据这些特征信息实施孤岛检测和孤岛保护行为。仿真研究的结果表明,所述新型被动式孤岛检测方法检测速度快,检测盲区小,在多个负载品质因数、谐波等扰动情况下,不会出现孤岛检测的误判行为。(本文来源于《电力建设》期刊2019年12期）
汪淼,李冉,孟乐[5]（2019）在《基于连续小波神经网络的华北型煤田底板破坏深度预测研究》一文中研究指出根据全国典型煤矿底板破坏深度的实测资料,应用Matlab软件的分析功能,对煤层采深、倾角、采厚、工作面斜长、底板抗破坏能力五个在底板破坏中发挥主要作用的影响因子进行全面分析[1],利用小波神经网络对华北型煤田底板破坏深度进行了预测,发现基于连续小波神经网络的预测模型与实测结果更接近,能够在底板破坏深度预测中发挥借鉴作用。(本文来源于《山东煤炭科技》期刊2019年11期）
冯浩[6]（2019）在《基于小波神经网络的二次再热汽温建模》一文中研究指出二次再热机组再热汽温模型精度对其稳定控制有着重要的影响。由于二次再热系统多变量、强耦合、大迟延的特性,传统机理建模或数学模型辨识的效果并不理想。本文提出了一种小波神经网络、动量梯度法、粒子群和免疫算法相结合的二次再热机组再热汽温建模方法,在免疫粒子群开始时使用动量梯度法优化初始种群,在免疫粒子群算法收敛缓慢时使用动量梯度法进行局部细调。与其他几种网络权值优化算法进行仿真对比表现良好,改善了小波神经网络权值系数易陷入局部最优的缺陷,提高了网络性能,最后用于二次再热汽温建模中。(本文来源于《仪器仪表用户》期刊2019年12期）
霍召晗,许鸣珠[7]（2019）在《基于小波神经网络PID的永磁同步电机转速控制》一文中研究指出提出了基于小波神经网络PID的永磁同步电机(PMSM)转速控制策略。根据系统运行参数的变化,采用叁层前馈式人工神经网络,基于梯度下降纠正误差法在线训练实时更新PID参数值。采用小波神经网络和增量式PID共同构成转速环控制器。建立PMSM数学模型,设计PMSM速度环控制器,构建S函数,对控制算法进行仿真试验,验证了该控制算法的先进性。试验结果表明,所提控制策略比传统PID转速控制具有更好的动态性能和抗干扰能力。(本文来源于《电机与控制应用》期刊2019年11期）
郝玲玲,朱永利[8]（2019）在《改进萤火虫算法与小波神经网络相结合的变压器故障诊断》一文中研究指出为了解决变压器故障诊断中诊断效率低的问题,对萤火虫算法(FA)进行了改进,并与小波神经网络(WNN)相结合应用于变压器故障诊断中。小波神经网络结构简单、预测精度高、收敛速度快,但是网络参数不好选择,易陷入局部最优。结合混沌算法、粒子群算法、可变步长的思想来改进萤火虫算法,用于优化小波神经网络的参数,再将处理后的数据代入神经网络中进行训练与诊断。实验结果表明,该算法与BP神经网络、支持向量机、小波神经网络、遗传算法改进的小波神经网络和粒子群算法改进的小波神经网络相比诊断正确率均有所提高。(本文来源于《科学技术与工程》期刊2019年31期）
岳强,袁洁,胡涛[9]（2019）在《基于小波分析和灰色BP神经网络的滑坡位移预测》一文中研究指出滑坡位移时间序列预测对滑坡灾害预警和防治具有重要意义。滑坡位移时间序列具有高度的非线性特征,含有大量噪音且采用常规非线性模型难以准确预测。对此,提出基于小波分析(WA)—灰色BP神经网络的滑坡位移预测模型。该模型先采用小波分析法将滑坡位移时间序列分解为不同频率分量的滑坡子位移,然后采用灰色BP神经网络对各滑坡子位移进行预测,在此基础上将预测得到的各子位移值相加,最终得到预测出的滑坡位移值。以GPS监测获得的郑家大沟滑坡#1监测点的位移时间序列为例,采用WA-灰色BP神经网络模型对其位移进行预测,并与WA-BP神经网络模型及未进行小波分析的单独灰色BP神经网络模型进行对比分析。结果表明,WA-灰色BP神经网络模型准确预测出郑家大沟滑坡#1监测点的位移值,且具有比WA-BP神经网络模型和单独灰色BP神经网络模型更高的预测精度。(本文来源于《水电能源科学》期刊2019年10期）
张超,郑晓琼,王娣,石玮佳[10]（2019）在《基于遗传算法进化小波神经网络的电力变压器故障诊断研究》一文中研究指出针对电力变压器故障诊断这一问题,小波神经网络常用的反向传播算法存在着易陷入局部极小点和对初值要求较高的缺点,往往给故障诊断带来困难。因此,基于遗传算法进化小波神经网络的电力变压器故障诊断方法研究,构建了基于小波神经网络故障诊断方法,利用遗传算法来进行优化,针对性的神经网络权值问题,使网络性能得到改善。在整个学习过程中,网络的复杂度、收敛性和泛化能力得到了较好的综合。最后通过MATLAB软件的平台来实现编写程序图形,搭建神经网络模拟电路故障诊断的系统界面,实现诊断过程的可视化及操作简易化。最后通过实例证明该方法能有效地对电力变压器单故障和多故障样本进行分类,提高了诊断准确率。(本文来源于《自动化与仪器仪表》期刊2019年10期）
小波神经论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在BP神经网络的基础上引入小波分析函数对其进行改进,并应用于邹庄煤矿某采区水文地质参数计算和疏放水降深预测,再将小波神经网络与其它传统计算方法对比,结果表明:小波神经网络在水文地质参数计算和水文地质分析时具有极强的优势。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
小波神经论文参考文献
[1].林振荣,黎嘉诚,杨冬芹,伍军云.改进微分进化和小波神经网络的网络流量预测[J].计算机工程与设计.2019
[2].孙建华.基于小波神经网络的水文地质参数计算与应用分析[J].西部探矿工程.2019
[3].李彬,张云,王立平,李学昆.基于遗传算法优化小波神经网络数控机床热误差建模[J].机械工程学报.2019
[4].江文超,张兴,谢东,李明.基于小波变换与BP神经网络的光伏电站孤岛检测研究[J].电力建设.2019
[5].汪淼,李冉,孟乐.基于连续小波神经网络的华北型煤田底板破坏深度预测研究[J].山东煤炭科技.2019
[6].冯浩.基于小波神经网络的二次再热汽温建模[J].仪器仪表用户.2019
[7].霍召晗,许鸣珠.基于小波神经网络PID的永磁同步电机转速控制[J].电机与控制应用.2019
[8].郝玲玲,朱永利.改进萤火虫算法与小波神经网络相结合的变压器故障诊断[J].科学技术与工程.2019
[9].岳强,袁洁,胡涛.基于小波分析和灰色BP神经网络的滑坡位移预测[J].水电能源科学.2019
[10].张超,郑晓琼,王娣,石玮佳.基于遗传算法进化小波神经网络的电力变压器故障诊断研究[J].自动化与仪器仪表.2019
论文知识图
