基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
由于配料误差具有多因素非线性的特点,采用自适应平滑预测等传统模型实现误差补偿,难以保证计量精度。利用神经网络的学习能力,可提高预测的可靠性。在分析饲料自动配料系统的误差及控制的基础上,讨论了配料误差动态控制的主体--空中料柱量及其影响因素。依据BP神经网络模型的结构原理,建立了饲料配料自适应误差补偿BP神经网络模型,阐明了模型计算与应用的方法,并对应用结果进行了检验分析,取得了满意的效果。
推荐文章
基于BP神经网络的定位系统的误差补偿
定位误差
误差补偿
BP神经网络
基于BP神经网络的数控机床综合误差补偿方法
BP神经网络
陡度因子
放大因子
误差补偿
基于BP神经网络的超声测压温度补偿模型
超声测压
BP神经网络
温度补偿
基于BP神经网络的超声波测距非线性误差校正
超声波测距
BP神经网络
非线性误差
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于BP神经网络饲料配料误差补偿模型
来源期刊 制造业自动化 学科 工学
关键词 BP神经网络 误差补偿 自动配料 饲料加工
年,卷(期) 2011,(13) 所属期刊栏目 检测与监控
研究方向 页码范围 44-47
页数 分类号 TH39|TP273+.2
字数 3274字 语种 中文
DOI 10.3969/j.issn.1009-0134.2011.07s.14
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘超 江西师范大学计算机信息工程学院 53 202 7.0 11.0
2 程国华 7 15 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (11)
共引文献  (32)
参考文献  (11)
节点文献
引证文献  (4)
同被引文献  (6)
二级引证文献  (13)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(1)
  • 二级参考文献(1)
2001(2)
  • 参考文献(2)
  • 二级参考文献(0)
2002(3)
  • 参考文献(1)
  • 二级参考文献(2)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(6)
  • 参考文献(2)
  • 二级参考文献(4)
2008(2)
  • 参考文献(2)
  • 二级参考文献(0)
2011(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(0)
  • 二级引证文献(1)
2016(5)
  • 引证文献(0)
  • 二级引证文献(5)
2017(5)
  • 引证文献(1)
  • 二级引证文献(4)
2019(2)
  • 引证文献(0)
  • 二级引证文献(2)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
BP神经网络
误差补偿
自动配料
饲料加工
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
制造业自动化
月刊
1009-0134
11-4389/TP
大16开
北京德胜门外教场口1号
2-324
1979
chi
出版文献量(篇)
12053
总下载数(次)
12
总被引数(次)
59694
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导