为提高光伏发电系统短期出力预测的精度,提出了一种和声搜索(Harmony Search,HS)算法与回声状态网络(Echo State Network,ESN)算法相结合的预测模型。该模型以光伏电站的历史发电量数据和气象数据为基础。首先通过相似日选择算法挑选出...为提高光伏发电系统短期出力预测的精度,提出了一种和声搜索(Harmony Search,HS)算法与回声状态网络(Echo State Network,ESN)算法相结合的预测模型。该模型以光伏电站的历史发电量数据和气象数据为基础。首先通过相似日选择算法挑选出预测日的相似日,将相似日的气象特征向量和预测日的气象特征向量的差值作为预测模型的输入变量;然后选择训练样本,并用和声搜索算法优化后的回声状态网络模型(HS-ESN)对样本进行训练和预测;最后以甘肃某光伏电站为例进行实例验证。实证分析表明,利用和声搜索算法优化回声状态网络预测模型的储备池参数可有效提高回声状态网络的预测精度,因此该模型具有较好的实用价值。展开更多
操纵舒适性是人机系统研究的重要内容之一。针对操纵舒适性评价的不确定性和模糊性,构建基于贝叶斯的多核回声状态网络(Echo state network,ESN)模型,对站立姿态下的操纵舒适性进行评价。通过实验,收集不同操纵位置对用户的舒适性影响...操纵舒适性是人机系统研究的重要内容之一。针对操纵舒适性评价的不确定性和模糊性,构建基于贝叶斯的多核回声状态网络(Echo state network,ESN)模型,对站立姿态下的操纵舒适性进行评价。通过实验,收集不同操纵位置对用户的舒适性影响。15名被试者参与了本次实验,每个被试者需要完成100个操纵任务,实验过程中被试者的操纵姿势、目标位置、脚底压力、被试人体尺寸和主观舒适性的数据将被记录下来。选取了10%的实验数据对所提出的方法进行了验证,并与BP神经网络预测模型进行比较,结果表明T-S FNN模型具有较小的均方根误差。最后随机选取了10组操纵任务与快速上肢评估方法(RULA)进行比较,结果表明该方法和实际值相关性系数为0.97(p<0.05),与RULA结果的相关性为0.66(p<0.05),说明该方法能够较好地反应真实结果。展开更多
This paper investigated the implementation of an adaptive predictive controller using nonlinear dynamic echo state neural （ESN） model for a rotary crane system by the visual servo method. The control sequences withi...This paper investigated the implementation of an adaptive predictive controller using nonlinear dynamic echo state neural （ESN） model for a rotary crane system by the visual servo method. The control sequences within the control horizon were described using cubic spline interpolation to enlarge the predictive horizon. Verification of the proposed scheme in the face of exogenous disturbances and modeling error with inaccurate string length was demonstrated by both simulations and experiments.展开更多
回声状态网络(Echo State Network,ESN)能够极好地逼近非线性系统,在非线性混沌时间序列的预测中取得了良好的效果。但是,由于ESN的训练和预测过程是1个高维权值矩阵的运算过程,往往不能获得更好的预测速度。文章提出了一种基于主元分...回声状态网络(Echo State Network,ESN)能够极好地逼近非线性系统,在非线性混沌时间序列的预测中取得了良好的效果。但是,由于ESN的训练和预测过程是1个高维权值矩阵的运算过程,往往不能获得更好的预测速度。文章提出了一种基于主元分析与回声状态网络相融合的非线性混沌时间序列预测模型。该模型通过主元分析降低输入向量的维数,以减小ESN输入权值矩阵的规模,降低运算的复杂度,从而达到减小ESN训练时间、提高预测速度的目的。利用仿真数据对ESN和文中模型进行了精度和预测时间对比实验,表明该模型是一种有效模型。展开更多
针对污水处理过程高度非线性、大滞后等特征,提出了一种基于回声状态网络(echo state network,ESN)模型的多变量自适应预测控制系统.首先,利用ESN建立污水处理过程的智能预测模型,该模型能够预测污水处理的输出;其次,设计污水处理过程的...针对污水处理过程高度非线性、大滞后等特征,提出了一种基于回声状态网络(echo state network,ESN)模型的多变量自适应预测控制系统.首先,利用ESN建立污水处理过程的智能预测模型,该模型能够预测污水处理的输出;其次,设计污水处理过程的ESN辨识器,将辨识器输出与实际输出的差对主控制器进行误差补偿;最后,以仿真基准模型(BSM1)为平台,采用提出的多变量自适应控制方法对溶解氧浓度和硝态氮浓度进行控制,实验结果表明,该控制方法提高了系统的自适应性和抗干扰能力,能够对溶解氧浓度和硝态氮浓度实现快速、准确跟踪.展开更多
燃煤电厂的锅炉燃烧系统是一个复杂而又重要的系统,建立其精确、普适的模型很困难。首先对现场采集的锅炉燃烧系统输入输出数据进行处理和优选,以用于燃烧系统的建模;然后将一种新型的递归神经网络———回声状态网络(echo state networ...燃煤电厂的锅炉燃烧系统是一个复杂而又重要的系统,建立其精确、普适的模型很困难。首先对现场采集的锅炉燃烧系统输入输出数据进行处理和优选,以用于燃烧系统的建模;然后将一种新型的递归神经网络———回声状态网络(echo state network,ESN)进行改进,提高了网络的精度和适应性,并且将改进的回声状态网络应用于燃烧系统静态建模,与其他4种神经网络建立的静态模型比较,前者适应性更强;最后将改进的回声状态网络应用于锅炉燃烧系统的动态建模,与静态建模相比,模型的适应性更好,能够进行长时间的预测。展开更多
提出一种利用回声状态网络(echo state network,ESN)建立复杂分布参数系统模型的灰箱建模方法。此建模方法可以充分利用已知机理模型的结构信息和回声状态网络的逼近能力,可更好地描述和解释出系统各变量之间的因果关系,使模型的"...提出一种利用回声状态网络(echo state network,ESN)建立复杂分布参数系统模型的灰箱建模方法。此建模方法可以充分利用已知机理模型的结构信息和回声状态网络的逼近能力,可更好地描述和解释出系统各变量之间的因果关系,使模型的"灰箱"化程度更高。首先,根据系统方程和先验知识将初始系统特征团引入ESN储备池中,赋予网络节点实际物理意义,并以此建立结构逼近神经网络模型;然后,通过逐步回归分析方法,结合递归最小二乘算法选择最优系统特征团,并对网络结构进行优化,建立起描述系统特性关系的灰箱模型。本文以实验室规模的管式聚合反应过程作为实验对象,建立以温度分布为输出的数学模型,结果表明所提出的灰箱建模方法行之有效。展开更多
文摘为提高光伏发电系统短期出力预测的精度,提出了一种和声搜索(Harmony Search,HS)算法与回声状态网络(Echo State Network,ESN)算法相结合的预测模型。该模型以光伏电站的历史发电量数据和气象数据为基础。首先通过相似日选择算法挑选出预测日的相似日,将相似日的气象特征向量和预测日的气象特征向量的差值作为预测模型的输入变量;然后选择训练样本,并用和声搜索算法优化后的回声状态网络模型(HS-ESN)对样本进行训练和预测;最后以甘肃某光伏电站为例进行实例验证。实证分析表明,利用和声搜索算法优化回声状态网络预测模型的储备池参数可有效提高回声状态网络的预测精度,因此该模型具有较好的实用价值。
文摘操纵舒适性是人机系统研究的重要内容之一。针对操纵舒适性评价的不确定性和模糊性,构建基于贝叶斯的多核回声状态网络(Echo state network,ESN)模型,对站立姿态下的操纵舒适性进行评价。通过实验,收集不同操纵位置对用户的舒适性影响。15名被试者参与了本次实验,每个被试者需要完成100个操纵任务,实验过程中被试者的操纵姿势、目标位置、脚底压力、被试人体尺寸和主观舒适性的数据将被记录下来。选取了10%的实验数据对所提出的方法进行了验证,并与BP神经网络预测模型进行比较,结果表明T-S FNN模型具有较小的均方根误差。最后随机选取了10组操纵任务与快速上肢评估方法(RULA)进行比较,结果表明该方法和实际值相关性系数为0.97(p<0.05),与RULA结果的相关性为0.66(p<0.05),说明该方法能够较好地反应真实结果。
基金supported by“MOST”for the support under Grants No.MOST 104-2632-B-468-001,No.MOST 103-2221-E-468-009-MY2,No.MOST 104-2221-E-182-008-MY2,No.MOST 105-2221-E-468-009,No.MOST 106-2221-E-468-023,No.MOST 106-2221-E-182-033Chang Gung Memorial Hospital under Grant No.CMRPD2C0053
文摘This paper investigated the implementation of an adaptive predictive controller using nonlinear dynamic echo state neural （ESN） model for a rotary crane system by the visual servo method. The control sequences within the control horizon were described using cubic spline interpolation to enlarge the predictive horizon. Verification of the proposed scheme in the face of exogenous disturbances and modeling error with inaccurate string length was demonstrated by both simulations and experiments.
文摘回声状态网络(Echo State Network,ESN)能够极好地逼近非线性系统,在非线性混沌时间序列的预测中取得了良好的效果。但是,由于ESN的训练和预测过程是1个高维权值矩阵的运算过程,往往不能获得更好的预测速度。文章提出了一种基于主元分析与回声状态网络相融合的非线性混沌时间序列预测模型。该模型通过主元分析降低输入向量的维数,以减小ESN输入权值矩阵的规模,降低运算的复杂度,从而达到减小ESN训练时间、提高预测速度的目的。利用仿真数据对ESN和文中模型进行了精度和预测时间对比实验,表明该模型是一种有效模型。
文摘针对污水处理过程高度非线性、大滞后等特征,提出了一种基于回声状态网络(echo state network,ESN)模型的多变量自适应预测控制系统.首先,利用ESN建立污水处理过程的智能预测模型,该模型能够预测污水处理的输出;其次,设计污水处理过程的ESN辨识器,将辨识器输出与实际输出的差对主控制器进行误差补偿;最后,以仿真基准模型(BSM1)为平台,采用提出的多变量自适应控制方法对溶解氧浓度和硝态氮浓度进行控制,实验结果表明,该控制方法提高了系统的自适应性和抗干扰能力,能够对溶解氧浓度和硝态氮浓度实现快速、准确跟踪.
文摘燃煤电厂的锅炉燃烧系统是一个复杂而又重要的系统,建立其精确、普适的模型很困难。首先对现场采集的锅炉燃烧系统输入输出数据进行处理和优选,以用于燃烧系统的建模;然后将一种新型的递归神经网络———回声状态网络(echo state network,ESN)进行改进,提高了网络的精度和适应性,并且将改进的回声状态网络应用于燃烧系统静态建模,与其他4种神经网络建立的静态模型比较,前者适应性更强;最后将改进的回声状态网络应用于锅炉燃烧系统的动态建模,与静态建模相比,模型的适应性更好,能够进行长时间的预测。
文摘提出一种利用回声状态网络(echo state network,ESN)建立复杂分布参数系统模型的灰箱建模方法。此建模方法可以充分利用已知机理模型的结构信息和回声状态网络的逼近能力,可更好地描述和解释出系统各变量之间的因果关系,使模型的"灰箱"化程度更高。首先,根据系统方程和先验知识将初始系统特征团引入ESN储备池中,赋予网络节点实际物理意义,并以此建立结构逼近神经网络模型;然后,通过逐步回归分析方法,结合递归最小二乘算法选择最优系统特征团,并对网络结构进行优化,建立起描述系统特性关系的灰箱模型。本文以实验室规模的管式聚合反应过程作为实验对象,建立以温度分布为输出的数学模型,结果表明所提出的灰箱建模方法行之有效。
