首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 546 毫秒

1.  基于输入输出回归神经网络的超声马达辨识和速度控制  
   徐旭  梁艳春  时小虎  刘淑芬《自动化学报》,2003年第29卷第4期
   建立了一个新的输入-输出反馈神经网络结构用于超声马达速度辨识.给出了以驱动电压的幅值和驱动频率为控制量的双模式速度控制器,推导了辨识器和控制器的动态递归反传算法.数值模拟结果表明,辨识器能比较精确地描述马达的输入-输出关系,双模式神经网络控制器对多种形式的参考速度,都有很好的控制效果.    

2.  时延Elman递归神经网络及其在PMSM的混沌控制中的应用  
   李静 左斌 胡云安《吉林工业大学学报》,2008年第38卷第2期
   针对Elman递归神经网络存在的高深度、低分辨率问题,提出了一个结构简单的时延Elman递归神经网络模型。通过在Elman递归神经网络中引入多步的时延结构和反馈结构增强网络的记忆深度和分辨率。针对永磁同步电动机(PMSM)中存在的混沌运动,设计了时延Elman递归神经网络控制器和辨识器,推导出时延Elman递归神经网络的动态反传算法。运用离散型Lyapunov稳定判据,推导出此神经网络控制器和辨识器的权值自适应学习速率的取值范围,确保了控制系统的稳定性和快速收敛性。仿真结果表明,作者提出的时延Elman递归神经网络在动态系统的辨识和控制等方面具有良好的性能。    

3.  时延Elman递归神经网络及其在PMSM的混沌控制中的应用  
   李静  左斌  胡云安《吉林大学学报(工学版)》,2008年第38卷第2期
   针对Elman递归神经网络存在的高深度、低分辨率问题,提出了一个结构简单的时延Elman递归神经网络模型。通过在Elman递归神经网络中引入多步的时延结构和反馈结构增强网络的记忆深度和分辨率。针对永磁同步电动机(PMSM)中存在的混沌运动,设计了时延Elman递归神经网络控制器和辨识器,推导出时延Elman递归神经网络的动态反传算法。运用离散型Lyapunov稳定判据,推导出此神经网络控制器和辨识器的权值自适应学习速率的取值范围,确保了控制系统的稳定性和快速收敛性。仿真结果表明,作者提出的时延Elman递归神经网络在动态系统的辨识和控制等方面具有良好的性能。    

4.  延时-回归神经网络及在超声马达控制中的应用  被引次数:1
   徐旭  梁艳春  时小虎《电子学报》,2004年第32卷第11期
    提出了一个结构简单的延时—回归神经网络(Time-delay recurrent neural network,TDRNN)模型.通过在网络中同时引入延时结构和反馈结构来保证网络具有高的记忆"深度"和的记忆"分辨率".建立了TDRNN型的控制器对超声马达进行控制,推导了TDRNN的动态递归反传算法.在离散型Lyapunov稳定性的意义下,导出了权值自适应学习速率的取值范围,保证控制系统的快速收敛.对超声马达速度控制的数值实验表明,本文提出的延时—回归神经网络在动态系统的辨识和控制方面具有很好的性能.    

5.  基于改进Elman神经网络的风速预测  
   张超  常太华  刘欢  胡阳《华东电力》,2012年第8期
   指出风速预测对并网风力发电系统的运行有重要意义。为提高风速预测精度,提出了一种基于改进的Elman神经网络风速预测方法,利用误差反向传播的方法来确定反馈增益γ值。分别采用改进Elman神经网络与BP神经网络建立模型,对实际历史风速数据进行仿真预测。利用风电厂实际数据验证,并阐述了仿真结果。    

6.  Elman神经网络在非线性模拟电路故障诊断中的应用  
   殷时蓉  陈光《电子测量技术》,2007年第30卷第12期
   Elman神经网络把隐层输出反馈回输入层,是一种动态递归神经网络,改进的Elman网络能逼近任意动态非线性系统。本文研究了Elman网络的结构和学习算法,并把改进的Elman网络应用于非线性模拟电路故障诊断激励信号参数优化中,以提高故障正确诊断率。首先用改进的Elman神经网络建立故障电路和无故障电路系统模型,然后用遗传算法搜索电路故障诊断的最佳激励信号参数。    

7.  基于粒子群优化算法的Elman神经网络凝汽器真空模型  
   张海  浦健  张啸澄《热力发电》,2010年第39卷第4期
   将一种动态递归网络--Elman神经网络应用到凝汽器真空预测.通过实例计算,表明该方法能够较准确地预测凝汽器真空,并具有训练速度快、结构简单、精度高的特点,是一种行之有效的预测方法.同时,对反向传播(BP)神经网络算法会出现局部极小值,提出了利用粒子群优化算法的全局寻优能力优化Elman神经网络连接权值系数的方法.仿真结果表明,利用粒子群优化算法的Elman神经网络可以建立精度更高的凝汽器真空预测模型.    

8.  改进Elman网络的污水处理过程建模  
   韩建秋  乔俊飞《计算机与应用化学》,2011年第28卷第7期
   污水处理过程具有多变量、非线性、大滞后和强耦合的特点,建立精确的数学模型十分困难,为了精确的描述污水处理过程,本文将1种改进型的递归神经网络应用在污水处理过程建模中,建立了污水处理过程关键水质参数的智能模型。Elman网络作为1种动态神经网络,网络的动态特性可以很好的反映系统的内部动力学特征,但是标准的Elman网络只对隐含层的输出进行了反馈,并且只反馈给了隐含层的输入,反馈信息较少。针对此问题,本文提出1种改进型的Elman网络(OAF Elman网络),增加了输出层的反馈信息,将反馈信息既传给隐含层输入又传给输出层的输入,同时将隐含层的反馈也作为输入层的输入,使网络的输出包含更多的输入信息,能够更好的反映系统的时变、非线性等特征。采集污水处理厂生化反应过程实际运行数据,取对COD影响较大的MLVSS、进水COD、pH值、氨氮4个种指标作为递归神经网络模型的输入,对污水出水的关键水质参数COD进行建模,网络的训练误差达到0.011,测试误差达到0.4875。实验结果表明:与传统的Elman网络和其他几种改进型的Elman网络相比,本文提出的OAF Elman网络具有更丰富的动力学特性,建立的污水处理模型达到...    

9.  基于Elman神经网络的高速公路限速控制  
   李政  梁新荣《微计算机信息》,2007年第23卷第28期
   限速控制是高速公路交通控制的重要措施和手段,为了提高限速控制精度,提出Elman神经网络建模方法。阐述了Elman神经网络的原理,根据高速公路主线上车辆群状态、路面状况、气象条件等信息,建立交通流速度限制Elman神经网络模型,Elman神经网络的输入层、上下文层、隐含层和输出层的节点数目分别选为2、12、12和1,采用Levenberg—Marquardt算法对Elman神经网络进行训练,并与RBF神经网络进行仿真对比。结果表明。Elman神经网络和RBF神经网络的训练误差分别为9.99769×100和2.38112×10^-4,与RBF神经网络相比较,Elman神经网络自适应能力强、泛化能力好,能准确地建立交通流速度限制模型.具有良好的应用前景。    

10.  基于改进的Elman神经网络的网络流量预测  
   王宏伟  孙志远《计算机与数字工程》,2012年第40卷第9期
   在Elman神经网络的基础上提出了改进的网络,根据实际网络中测量的网络流量数据,建立了基于Elman神经网络的流量模型,分别用Elman神经网络和改进的Elman神经网络对实际网络流量进行预测,仿真实验结果表明,改进的Elman神经网络具有良好的预测效果,改进的Elman神经网络具有更高的预测精度和更好的动态性能.    

11.  基于回归神经网络误差配准算法的仿真实现  
   黄玲芳《计算机仿真》,2010年第27卷第7期
   在网络系统优化问题的研究中,目前广泛使用的BP网络模型不能保证收敛到全局最小点,这给网络传输带来误差.为消除网络误差,提高收敛速度,在BP网络加入反馈信号生成内部递归神经网络的误差配准算法.算法在内部递归神经网络引入上次输出的结果,加入先验知识,提高了收敛速度.同时文中对有偏差单元的递归神经网络的误差反向传播学习规则进行了推导,使得网络的累积误差不大于要求值.通过民用航空领域雷达网系统仿真数据仿真表明,算法在消除雷达网系统误差、提高目标精度,对网络系统优化可以取得较好的效果.    

12.  基于改进型Elman神经网络龋短期电力负荷预测  
   余向前  路民辉  任琳杰  梁颖《电力信息化》,2014年第2期
   精确的短期电力负荷预测对电力系统的生产调度和安全稳定运行起到十分重要的作用。为提高短期电力负荷预测模型的精度。提出了一种基于Elman神经网络的改进模型。通过在输出层和隐含层之间扩展一个新的承接层。增强了Elman神经网络的动态信息处理能力。仿真结果表明,改进型Elman神经网络预测模型的预测精度要高于反向传播、支持向量机和常规Elman,同时也说明了建立改进型Elman模型用于短期电力负荷预测是可行的。    

13.  基于改进型Elman神经网络的短期电力负荷预测  
   余向前  路民辉  任琳杰  梁颖《电力信息化》,2014年第2期
   精确的短期电力负荷预测对电力系统的生产调度和安全稳定运行起到十分重要的作用。为提高短期电力负荷预测模型的精度,提出了一种基于Elman神经网络的改进模型。通过在输出层和隐含层之间扩展一个新的承接层,增强了Elman神经网络的动态信息处理能力。仿真结果表明,改进型Elman神经网络预测模型的预测精度要高于反向传播、支持向量机和常规Elman,同时也说明了建立改进型Elman模型用于短期电力负荷预测是可行的。    

14.  动态递归模糊神经网络及其BP学习算法  被引次数:3
   黄元峰 刘源 胡波《武汉化工学院学报》,2004年第26卷第4期
   提出了一种新型的动态递归模糊神经网络,并根据动态递归神经网络的数学模型推导出其动态反向传播学习算法,仿真结果表明对于动态系统的辨识,动态递归模糊神经网络较传统模糊神经网络在辨识精度和稳定性方面具有更好的效果。    

15.  动态递归模糊神经网络及其BP学习算法  
   黄元峰  刘源  胡波《武汉工程大学学报》,2004年第26卷第4期
   提出了一种新型的动态递归模糊神经网络,并根据动态递归神经网络的数学模型推导出其动态反向传播学习算法,仿真结果表明对于动态系统的辨识,动态递归模糊神经网络较传统模糊神经网络在辨识精度和稳定性方面具有更好的效果.    

16.  无人机涡喷发动机的自适应神经网络控制研究  
   杨育武  马静  王镛根《计算机仿真》,2004年第21卷第7期
   该文介绍了一种新型的神经网络自适应控制方式,它由基于多层BP网络的近似PID构成的神经网络控制器和基于带自反馈的Elman神经网络构成的模型辨识器共同组成。Elman网络是一种新型的动态递归神经网络,具有很好的逼近能力和性能;改进的自反馈网络具有更大的灵活性。为加快收敛速度,文中采用了共轭梯度算法,选择共轭方向作为最小化方向;在用于无人机涡喷发动机的不同状态的控制中被证实是非常有效的,具有鲁棒性好、响应速度快、稳态误差小等优点。    

17.  基于OIF-Elman神经网络的燃气日负荷预测  被引次数:2
   王玲玲  宣大民  徐永生  苏刚《煤气与热力》,2008年第28卷第7期
   与传统的Elman神经网络相比,采用具有输出一输入反馈机制的改进Elman(即OIF-Elman)神经网络对燃气日负荷进行预测,不仅计入了隐层节点的反馈,而且考虑输出层节点的反馈,以便从有限的训练样本中获得更多的信息.预测结果表明,在样本较少时,无论在训练速度上,还是在预测准确度上,OIF-Elman网络明显优于Elman网络.    

18.  进化Elman神经网络模型与非线性系统辨识  被引次数:8
   葛宏伟  梁艳春《吉林大学学报(工学版)》,2005年第35卷第5期
   建立了一种采用改进的自适应遗传算法实现动态递归的进化E lman神经网络模型。提出了对网络的结构、权重、结构单元的初始输入和自反馈增益因子同时进化的学习算法。用初始状态优化的E lman网络集成反馈学习算法和E lman网络在线训练两种动态辨识算法形成的集成化动态递归网络辨识算法,实现了超声马达的速度辨识。模拟结果表明,提出的算法不仅实现了动态递归网络的全自动优化设计,而且明显提高了动态递归网络模型辨识算法的收敛精度,为非线性系统辨识提供了一条新的途径。    

19.  基于状态延迟动态递归神经网络的机器人动态自适应跟踪辨识  被引次数:1
   姜春福  余跃庆《自动化学报》,2003年第29卷第5期
   对一种在Elman动态递归网络基础上发展而来的复合输入动态递归网络(CIDRNN)作了改进,提出一种新的动态递归神经网络结构,称为状态延迟动态递归神经网络(State DelayInput Dynamical Recurrent Neural Network).具有这种新的拓扑结构和学习规则的动态递归网络,不仅明确了各权值矩阵的意义,而且使权值的训练过程更为简洁,意义更为明确.仿真实验表明,这种结构的网络由于增加了网络输入输出的前一步信息,提高了收敛速度,增强了实时控制的可能性.然后将该网络用于机器人未知非线性动力学的辨识中,使用辨识实际输出与机理模型输出之间的偏差,来识别机理模型或简化模型所丢失的信息,既利用了机器人现有的建模方法,又可以减小网络运算量,提高辨识速度.仿真结果表明了这种改进的有效性.    

20.  一种改进的Elman神经网络的模型  
   王常虹 高晓智《电子科学学刊》,1997年第19卷第6期
   本文首先详细地阐述了Elman神经网络的结构、原理和学习算法。为了进一步提高Elman神经网络的逼近能力和动态特性,我们提出了一种改进的Elman神经网络模型。这种新的Elman神经网络在关联节点与输出节点之间又增加了一组可调权值,利用误差回馈原理推导出了其相应的学习算法。仿真实验结果表明,改进的Elman神经网络比原来的网络具有更好的动态性能,对于贯序输入输出数据的逼近收敛速度更快。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号