为了更好调控冷连轧板厚参数,设计了一种冷连轧轧制力深度神经网络模型,增强了冷连轧模型的控制效果。选择2030冷连轧结构进行研究,对多输入多输出(MIMO)深度神经网络(DNN)进行预处理,针对多线程CPU与GPU实施了优化,对比了神经网络模型和冷连轧系统Siemens模型误差。研究结果表明L-M算法表现出了更优的收敛稳定性、测试和验证性能、梯度下降趋势,并且收敛速度也更快。以随机方式选择200个数据并测定泛化性能测试得到,L-M算法获得了比SCG算法更大的相关系数。都是随着隐含层数的增加,获得了性能更优的神经网络模型,并且都会增加训练时间。从各项模型指标分析,L-M算法都比SCG算法的性能更优。构建神经网络轧制力模型总共包含二个隐含层、节点数介于17~30、通过L-M算法进行训练。采用神经网络轧制力模型得到的结果与实测值之间的误差比Siemens机理...

四旋翼无人机上搭载的低成本MEMS传感器易受安装、测量、信号传输等误差的影响,导致姿态输出精度不足。为此,提出一种基于Levenberg-Marquardt (L-M)算法的三轴加速度计18个位置和三轴陀螺仪联合校正方法。在考虑传感器误差的基础上,采集并筛取3种传感器有效的输出数据,利用L-M算法对各传感器误差模型的待求参数进行最优估计。实验结果表明:校正补偿后,加速度计校正指标相比下降了98.96%,陀螺仪校正指标下降了74.33%,磁力计数据模值相比校正前与当地磁场强度差值大幅减小。此校正方法能够实现四旋翼机载MEMS传感器误差的有效补偿,具有良好的工程应用价值。