隨著人工智能的快速發(fā)展,機器學習已廣泛應用于軍事和民用領域。針對復雜、存在不確定器件且難以用常規(guī)分析方法進行分析的電路網(wǎng)絡。結合BP神經(jīng)網(wǎng)絡和某型號的部分不確定電路網(wǎng)絡的分析需求,提出一種基于神經(jīng)網(wǎng)絡的不確定電路網(wǎng)絡電流分析預測方法。首先采用神經(jīng)網(wǎng)絡對不確定電路網(wǎng)絡進行建模,然后根據(jù)建立的模型對已有電路網(wǎng)絡數(shù)據(jù)進行訓練分析。最后根據(jù)神經(jīng)網(wǎng)絡的分析數(shù)據(jù),完成整個電路網(wǎng)絡在含有不確定器件的情況下,不同位置點的電流極端值范圍。同時,將預測的數(shù)據(jù)與采用Multisim仿真的數(shù)據(jù)進行對比來驗證上述方法的有效性。 

【文章來源】：計算機仿真. 2020,37(01)北大核心

【文章頁數(shù)】：4 頁

【文章目錄】：
1 引言
2 BP神經(jīng)網(wǎng)絡基本原理
3 不確定電路網(wǎng)絡建模
    3.1 不確定電路系統(tǒng)神經(jīng)網(wǎng)絡模型
5 仿真結果與分析
6 結束語


【參考文獻】：
期刊論文
[1]MRA-PCA-PSO組合優(yōu)化BP神經(jīng)網(wǎng)絡模擬電路故障診斷研究[J]. 馬峻,趙飛樂,徐瀟,陳壽宏.  電子測量與儀器學報. 2018(03)
[2]改進遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡的語音情感識別[J]. 陳闖,Ryad Chellali,邢尹.  計算機應用研究. 2019(02)
[3]基于深度學習的裝備故障診斷方法[J]. 鞠建波,胡勝林,祝超,管晗.  電光與控制. 2018(02)
[4]深度學習在控制領域的研究現(xiàn)狀與展望[J]. 段艷杰,呂宜生,張杰,趙學亮,王飛躍.  自動化學報. 2016(05)
[5]基于遞歸小波神經(jīng)網(wǎng)絡的無人機反演控制[J]. 劉斌,王潔,何廣軍,徐啟云.  計算機仿真. 2016(02)
[6]衛(wèi)星電源放電電路最壞情況仿真分析[J]. 李冬輝,王雯淇.  電源技術. 2015(09)
[7]基于組合優(yōu)化BP神經(jīng)網(wǎng)絡的模擬電路故障診斷[J]. 郭陽明,冉從寶,姬昕禹,馬捷中.  西北工業(yè)大學學報. 2013(01)
[8]基于小波分析和遺傳神經(jīng)網(wǎng)絡的模擬電路故障診斷方法[J]. 李小玉,何怡剛,李目,方葛豐.  計算機應用研究. 2011(12)
[9]退火遞歸神經(jīng)網(wǎng)絡極值搜索算法及其在無人機緊密編隊飛行控制中的應用[J]. 胡云安,左斌,李靜.  控制理論與應用. 2008(05)
[10]基于神經(jīng)網(wǎng)絡的故障率預測方法[J]. 李瑞瑩,康銳.  航空學報. 2008(02)

碩士論文
[1]基于遺傳算法和神經(jīng)網(wǎng)絡的模擬電路故障診斷方法研究[D]. 譚檢平.湖南師范大學 2014



本文編號：3025449