论文部分内容阅读
基于并联机构单一性能指标的多样性和各单一性能指标之间的非线性关系，将核主成分分析（ Kernel Principal Component Analysis，KPCA）方法与误差反传播（ Back Propagation，BP）神经网络技术相结合，建立一个对可完成不同工作任务的并联机构进行综合性能评价的KPCA-BP神经网络模型。通过合理的系统抽样，利用KPCA对BP神经网络的输入数据进行预处理，既能处理各单一性能指标间的非线性关系，又能简化BP神经网络结构，加快网络学习速度，提高预测精度，进而提出一种基于