基于经验模态分解-灰色关联度分析-蒲公英优化器改进Elman网络的锂离子电池健康状态估计

准确、可靠的锂离子电池健康状态(state-of-health,SOH)估计有助于提高电池设备的安全和稳定运行。针对目前SOH无法直接测量、健康特征难以提取和估计方法不足等问题,提出了一种基于经验模态分解-灰色关联度分析-蒲公英优化器(empirical mode decomposition-dandelion optimizer,EMDDO)Elman的锂离子电池SOH估计方法。基于NASA Ames研究中心公开的锂离子电池老化测试数据和实际实验测试数据,提出利用经验模态分解(empirical mode decomposition,EMD)对电池老化数据进行信号分解,从而得到反映电池SOH的特征分量,然后利用灰色关联度分析(grey relation analysis,GRA)对特征分量进行相关性分析来选择模型输入。最后,应用蒲公英优化器(dandelion optimizer,DO)对Elman网络的参数进行优化来提高神经网络的估计性能。实验结果表明,该方法能够准确地估计出锂离子电池的SOH,其估计结果的R2始终大于98%,此外,通过对电池数据在不同训练集数量情况下的SOH估计验证,进一步证明了所提出的估计模型有着良好的泛化性和鲁棒性。

基于模糊Elman网络的避障机器人全局路径规划

为了进一步提高避障效率,设计了一种基于模糊Elman网络的避障机器人全局路径规划方法,并开展增加临时障碍物时路径规划仿真分析。研究结果表明,模糊Elman网络路径规划方法相比于Elman神经网络模型成功概率更高,平均路径长度及最优路径长度依次减少7.8%和4.2%,能最有效的避让障碍物。通过模糊Elman网络对障碍物的避障目的可更好实现,针对工作空间环境不同机器人还可灵活完成调整。该研究有助于提高机器人在众多工业领域的应用效率,具有很高的拓宽价值。

考虑运行条件的Elman网络丝杠驱动系统热误差建模

研究了建立滚珠丝杠副热误差模型的方法,以进一步提高半闭环丝杠驱动系统的定位精度。分析了滚珠丝杠副的热源和温度场的动态特性并考虑丝杠驱动系统运行条件提出了基于Elman神经网络的热误差建模方法。首先,根据滚珠丝杠副的结构特点,确定其内部热源及温度场分布特性。然后,基于丝杠温度分布函数,研究丝杠热变形与其内部热源之间的动态非线性函数关系。最后,综合考虑丝杠驱动系统运行条件对其热误差的影响,建立了基于Elman神经网络的热误差预测模型。实验结果表明,当丝杠驱动系统的运行条件较为复杂时,采用文中提出的预测模型得到的热变形估计残差为-3.1μm^2.4μm。结果显示:考虑运行条件的Elman神经网络比BP和Elman网络(仅考虑温升数据)具有更好的预测精度和鲁棒性,有较强的工程应用前景。

基于EMD和Elman网络的人民币汇率时间序列预测

为了改进神经网络的预测性能,更精确地预测人民币汇率,提出一种新的汇率时间序列预测方法,即利用基于经验模态分解(EMD)的Elman网络进行预测.首先对人民币兑美元的汇率序列做了非线性检验和非平稳性检验,然后对该序列进行经验模态分解,将得到的固有模态函数作为神经网络的输入变量,并在确定神经网络的关键参数后进行预测.实证结果表明,利用基于EMD的Elman网络进行人民币汇率预测能够取得更好的效果.

改进Elman网络在发动机齿轮箱故障诊断中的研究

针对发动机齿轮箱故障诊断系统,在Elman网络的理论框架的基础之上,分析了Elman网络用于故障诊断的不足,提出了改进Elman网络,并应用于发动机齿轮箱故障的故障诊断。本文采取经典的"频域"分析方法对齿轮箱进行故障诊断,并建立了基于改进Elman神经网络的齿轮箱故障诊断模型,结果表明:该方法具有精度高、收敛快、可以避免局部最小的优点,从而为发动机齿轮箱故障诊断提供了一种更有效的方法。

基于改进Elman网络的动态系统测量数据检验方法

为了提高动态系统测量数据的准确性,提出了基于改进Elman网络的动态系统测量数据检验方法.采用一步前预测方法构造网络的训练样本,用带自适应学习率的动态BP算法进行网络的训练,通过训练后的网络对各测量参数进行估计,实现测量数据的在线检验.对某电厂CCS系统进行了仿真试验,结果表明该方法可避免形成简单的一一对应映射,能正确获取系统动态特性,具有较强的降噪能力,能够正确辨识出测量数据中存在的不良值,提高了系统监测的可靠性和健壮性.

基于Elman网络的非线性系统增强式学习控制

针对具有连续状态和未知系统模型的非线性系统控制问题,提出一种基于Elman神经网络的Q学习控制策略.利用Elman网络良好的动态特性及泛化能力,对状态-动作对的Q值进行在线估计,解决状态空间泛化中易出现的“维数灾”问题.借鉴TD(λ)算法中状态的资格迹机制,通过对权值向量定义对应的资格迹来加速神经网络的学习过程.将所提方法应用于具有连续状态的小车爬山控制问题,学习系统在经过大约60多次学习后即能获得小车爬山控制策略,仿真结果表明所提方法能够有效解决具有连续状态的非线性系统的无模型增强学习控制.

改进的Elman网络与机理模型的互补建模方法

利用一种改进的Ｅｌｍａｎ动态神经网络，并结合系统的机理模型，给出了一种适用于在线仿真的互补建模方法。工程实际应用结果表明，用该方法建立的模型可以实时、准确地反映系统的动态特性。本方法为实现复杂大系统的在线仿真提供了一个理想的建模途径。

基于ANFIS和Elman网络的信用评价研究

BP神经网络用作信用等级分类可取得较好的效果,但在过分要求输出信用分值时效果不佳。针对该缺陷,本文采用自适应神经网络(ANFIS)和Elman网络研究公司信用评分。文中提出了一套甄选方法准则,用于建立适合我国企业的信用评分指标体系;然后依据该指标体系建立了基于Elman网络和ANFIS的信用评估模型;采用V foldCross validation技巧,利用样本公司实际指标数据对该模型的评分效果进行了实证研究。

采用模拟退火算法的Elman网络及在热工过程建模中的应用

文中采用了模拟退火算法对Elman网络的前馈和反馈权值进行优化,避免了其陷入局部最小值,在网络的训练过程中无需人为的反复调整反馈权植,并将其应用于建立热工过程的非线性模型。仿真研究表明,无需复杂的网络结构,采用SA算法的Elman网络模型能够很好的适配热工过程对象,并有较好的泛化能力。

PID型Elman网络及在动态系统辨识中的应用研究

首先介绍普通改进E lm an动态递归神经网络的结构,重点讨论一种具有P ID特性的E lm an神经网络及其学习算法,并将改进E lm an网络和P ID型E lm an网络分别用于动态系统的辨识.无论是理想的数学模型还是实际工业模型,计算机仿真结果均证明,将P ID型网络用于动态系统辨识具有更好的逼近效果.

基于Elman网络LM算法的异步电机故障诊断

电机故障诊断问题在生产安全运行中非常重要,但难以建立准确数学模型,而神经网络能较好地解决故障诊断问题,Elman网络是一种动态递归神经网络,具有适应时变特性的能力,训练速度快、精度高,识别能力强。针对电机转子故障样本应用Elman网络并采用LM算法训练,将其训练效果与BP网络训练效果进行比较,显示了Elman网络和LM算法的优越性。

基于Elman网络的无人直升机航向的预测建模

为了实现无人直升机的自主飞行,需要首先建立起准确的动力学模型,文中设置了无人直升机的飞行试验平台,采集了大量试验数据。通过对数据的分析,抽取其中有效的数据对,提出了应用Elman网络来建立无人直升机的航向预测模型的方法,并同其它的分析方法进行了对比。最后运用实验仿真验证了方法的可行性和优越性。

基于混合Elman网络的非线性自适应逆控制

针对Elman动态递归神经网络的特点,在现有结构的基础上提出一种隐层包含径向基函数的混合Elman神经网络,给出了网络结构和训练算法,并将其应用于非线性自适应逆控制系统中。仿真实验表明该动态神经网络自适应性强,动态特性优异。此方法为实现非线性系统自适应逆控制提供了理想的途径。

基于Elman网络的齿轮箱载荷识别研究

为了提高E lm an网络的动态性能,有效地解决高阶系统的辨识问题,对E lm an网络的结构及学习算法进行了改进,提出了一种新的E lm an网络,建立了相应的神经网络载荷识别模型,并用于齿轮箱的载荷识别研究。试验结果表明,该网络模型具有收敛速度快、识别精度高的特点,为载荷识别研究提供了一种新的思路,具有一定的实用价值。

基于ELMAN网络的河流健康复杂系统综合评价

结合河流健康系统的特点及Elman网络的优点,建立了河流健康复杂系统综合评价的Elman网络模型,有效地处理了评价过程中各单项指标的不相容性、非线性、不精确性和不确定性问题。将Elman网络模型应用于澜沧江流域结果表明,与RBF网络模型相比,Elman网络模型的评价结果精度更高、收敛速度更快、过程更为稳定,从而为河流健康复杂系统评价提供了一种新的有效的方法。

基于Elman网络的黄河源区径流评估模型

黄河源区来水量对黄河上游乃至整个流域供水有重要影响,研究黄河源区汛期径流变化规律和来水趋势,对黄河流域水量持续利用和优化配置有重要作用。针对黄河唐乃亥水文站近48 a(1959～2006年)径流流量及年降雨情况,利用反馈Elman网络,尝试建立了黄河源区汛期径流评估模型。并利用matlab7所提供的神经网络工具箱对其进行了仿真实验。预报结果表明,该模型能较好地反映唐乃亥水文站汛期径流量的规律。

基于改进的Elman网络的内模控制及其应用

为了使基于神经网络的内模控制更好地适用于高阶对象 ,本文提出一种基于改进的Elman网络的内模控制系统 ,并以循环流化床锅炉中的床层温度为对象进行仿真研究 。

变风量空调末端室温滞后Elman网络预测控制方法

对比分析了压力相关型和压力无关型变风量空调末端室温控制原理,阐述了压力相关型末端室温预测控制的研究意义。描述了时滞系统周期性预测控制基本原理,提出了基于Elman网络多步预测模型的室温预测控制方法。试验研究结果显示:在满足末端负荷需求的前提下,提出的基于压力相关型末端的室温预测控制方法改变了变风量末端的调节方式,有利于提高变风量空调系统室温控制回路的稳定性。

改进ELMAN网络的Q学习温度切换控制

在水泥生料分解过程中,由于生料边界条件频繁变化且生料流量波动大,使过程处于正常工况或异常工况,致使分解炉温度和预热器C5出口温度很难控制在工艺要求的范围内传统的控制方法经常导致预热器C5下料管堵塞为了解决上述问题,本文提出了一个带有前馈补偿的温度智能切换控制策略,由基于T-S的模糊控制器、基于改进的ELMAN网络的Q学习异常工况控制器和切换机制组成实际应用结果表明,所提出的控制策略能够根据当前工况的变化选择正确的控制器。