基于GA與BP結(jié)合的算法研究及其在聯(lián)合收獲機械脫粒性能建模中的應(yīng)用.pdf

1、脫粒裝置是聯(lián)合收獲機械的核心部件，它的改進與完善是以脫粒性能與其影響因素之間的非線性模型為基礎(chǔ)的。脫粒裝置的工作過程極為復(fù)雜，影響脫粒性能的因素很多，除了喂入量、滾筒轉(zhuǎn)速、凹板長度與入口間隙等確定性因素外，還有作物品種、作物含水率以及谷草比等一些不確定性因素，因此脫粒裝置是一個具有不確定性、多輸入多輸出的復(fù)雜非線性系統(tǒng)。建立脫粒裝置性能與其影響因素之間非線性模型的目的就是在不確定環(huán)境下，對影響脫粒性能的各因素進行優(yōu)化使脫粒裝置的各個性能

2、指標達到最佳要求。DP神經(jīng)網(wǎng)絡(luò)不僅具有并行運算、分布式存儲、自學(xué)習(xí)、容錯能力強等特征，還具有無限逼近非線性函數(shù)的能力。本文首先分析了影響脫粒裝置性能的各個因素以及傳統(tǒng)研究脫粒性能的各種方法如單因素法、正交試驗法、方差分析法以及回歸分析法的缺陷，在此基礎(chǔ)上提出了采用BP神經(jīng)網(wǎng)絡(luò)對脫粒裝置性能模型進行優(yōu)化，采用這種方法優(yōu)化脫粒裝置性能模型可以更好地刻劃脫粒裝置所具有的多輸入多輸出、復(fù)雜非線性以及不確定性等特征。目前BP神經(jīng)網(wǎng)絡(luò)采用誤差逆?zhèn)鞑?/p>