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。

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。

基于改进Elman网络的发动机点火系统故障诊断

在Elman网络理论的基础上,分析了Elman网络用于故障诊断的不足,提出了改进Elman网络,并应用于发动机点火系统故障的诊断。结果表明:该方法具有精度高、可以避免局部最小的优点,试验测试结果表明:测试误差由改进前的1.634%减小为0.0452%。

改进Elman网络在锂离子电池容量预测中的应用

为了准确估算锂离子电池的荷电状态(SOC),在分析影响锂离子电池剩余容量时变特性的基础上,综合国内外几种常用的预测锂离子电池方法,将改进Elman网络应用到锂离子电池的容量预测和模型建立中。实验结果表明:该网络不仅局部泛化能力好,而且有较好的动态性能和逼近能力,能够满足电池容量预测的误差要求。

基于改进Elman网络的自适应预测函数控制

基于改进Elman网络的自适应预测函数控制算法,使用网络作被控对象的预测模型,按实际输入输出数据建立对象的网络预测模型(NPM)。当预测误差大于规定值时,在线修正对象数据NPM权值,使其准确反映对象的动态特性,将预测误差控制在规定范围。以电液伺服舵机为对象仿真,选择合适网络结构、权值初值和学习速率,自动修正网络权值以适应变化的被控对象,实现了快变过程的鲁棒控制。

基于改进Elman网络的X-Y定位平台力/位置控制

利用X-Y定位平台进行抛光、磨削等作业时,需要在精确位置跟踪的同时对接触表面施加一定的期望力。针对此种受限X-Y平台系统,提出了一种基于改进Elman网络的力/位置控制器。将改进Elman网络用于X-Y定位平台的力控制回路中,利用改进Elman网络学习力控制中的不确定上界,并与反馈控制器结合,进一步确保了控制系统的稳定性,有效地提高了系统的精度和自适应能力。仿真结果表明了该控制方法在X-Y定位平台力/位置控制中的有效性。

改进Elman网络及其在水轮发电机组故障诊断中的应用

针对水轮发电机组故障诊断系统，分析了改进 BP 网络在故障诊断中的不足，提出了利用改 进 Elman 网络进行水轮发电机组故障诊断的方法。该方法具有精度高、收敛快、可以避免局部最 小的优点，从而为水轮发电机组故障诊断提供了一种更有效的方法。

基于改进Elman网络的软测量建模方法

针对静态前馈网络和Elman网络在软测量建模中的不足,提出了一种新的改进的Elman网络模型,并将此模型应用于精馏塔出口成分含量的软测量建模中。实验模拟结果表明:改进的Elman网络模型具有更高的预测精度和较快的收敛速度,能够更好地实现精馏塔出口成分含量的软测量建模,为进一步实现产品质量控制提供了保证。

基于改进Elman网络的精馏塔建模及仿真

针对前馈网络的不足,提出利用改进的Elman神经网络模型对兰州石化某厂600kt乙烯精馏塔出口成分含量进行建模和预测,并采用主元分析法对高维输入变量进行预处理,以简化网络建模的结构。实例分析表明:改进的Elman神经网络收敛速度快、预测精度高,能够更好的实现对乙烯精馏塔出口成分含量的建模和预测。

基于改进Elman神经网络的轧辊磨削形位精度预测

轧辊磨削形位精度(辊形、圆度)与工艺参数间存在较强非线性关系,传统线性回归难以对形位精度进行有效拟合。针对上述问题,提出了基于改进Elman神经网络的辊形误差和圆度误差预测方法。在Elman神经网络训练过程中采用Sine混沌映射使得种群分布更均匀,同时利用麻雀搜索算法获得Elman神经网络的最优参数。验证结果表明,预测模型对于辊形精度和圆度的预测误差均小于10%,准确度高于85%,满足实际应用需求,证明了所提出方法的有效性。

基于改进的Elman神经网络的中长期径流预报

径流中长期预报长期以来一直都是人们关注的热点研究问题。现行的径流预报方法很多,传统的有时间序列法,多元回归分析法等,这些方法虽然简单易用,但是如果预报对象提供的样本容量偏小或者因子选择不够合理,都会造成预报精度偏差过大,难于有效的指导工程应用。鉴于此,本文提出一种改进的采用局部回归的Elman神经网络方法。并应用到凤滩水库优化调度的径流预报中。结果表明,与回归分析法、BP网络相比较,该方法不仅提高了算法的效率,而且提高了预报的精度,在径流预报中具有有效性和优越性。

改进的Elman神经网络在WSNs距离预测中的应用

节点定位是无线传感器网络应用的关键技术之一,而测距的精度很大程度决定了定位的精度。为了提高定位的精度,对测距精度的提高进行了研究。根据实验获取的RSSI值与对应的距离值,先对实验数据进行滤波处理,以滤波后的数据作为样本,建立改进的Elman神经网络预测模型,利用改进的El-man神经网络的稳定性高和预测精度高等特性,对样本进行训练,得出预测的距离值,距离精度达到1 m以内。

基于改进型Elman神经网络的短期电力负荷预测

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。

基于EEMD和改进Elman神经网络的地球变化磁场短时预测

针对地球变化磁场时间序列的混沌特性,提出了一种集成经验模态分解(ensemble empirical mode decomposition,EEMD)和改进Elman神经网络的地球变化磁场预测模型.首先,利用EEMD将非平稳的地球变化磁场时间序列分解为一系列具有不同特征尺度的本征模态函数(intrinsic mode function,IMF);然后,针对每一个IMF分别建立改进Elman神经网络模型,选择各自适合的最优模型参数;最后,以地磁台站实测的地球变化磁场数据为研究对象,并与基于单一Elman神经网络预测模型相比较,结果表明,EEMD-改进Elman神经网络模型的预测值能紧跟地球变化磁场的变化趋势,且明显优于基于单一Elman神经网络的模型,体现出更好的预测效果.在地磁Kp<3时,预测3h平均绝对误差为1.74nT.

永磁直线伺服系统的自适应改进Elman神经网络积分反推控制

针对永磁直线同步电动机(PMLSM)伺服系统存在的参数变化、外部扰动和摩擦力等不确定性因素,该文采用了积分反推控制和自适应改进Elman神经网络相结合的控制方案。首先,针对PMLSM伺服系统的非线性特性,利用积分反推控制方法,通过逐步修正算法来设计虚拟控制函数,实现系统的全局调节和位置跟踪;其次,设计自适应改进Elman神经网络来估计系统中存在的不确定性,且利用基于Lyapunov函数的自适应律推导出神经网络的在线参数学习律,使系统具有适应时变特性的能力,克服不确定性对系统的影响,从而提高系统的鲁棒性;最后,实验结果表明所提出的控制方案是有效的,明显提高了系统的跟踪性能和鲁棒性能。

基于改进Elman神经网络的语音情感识别技术研究

语音情感特征从时间粒度的角度可分为全局统计特征和瞬时特征。针对语音情感的动态特性,提出一种改进Elman神经网络模型实现语音情感识别。网络模型将全局特征信号与时序信号作为输入,并根据输入信号特征自动修改网络结构,不仅实现全局特征信号与时序信号的融合,还提供系统整体识别率。

基于改进Elman神经网络的石膏纤维板厚度控制建模

针对石膏纤维板厚度控制系统的非线性、时变性及不确定性,采用改进的Elman神经网络对其建立动态模型,介绍了改进Elman网络的结构及学习算法;分析了影响石膏纤维板厚度控制精度的主要因素,并根据实际情况确定了输入层和中间隐层的维数,从而确定了模型的结构.由于改进的Elman网络具有适应时变特性的能力,而且学习精度高、学习速度快,与传统的BP网络相比,收敛速度有明显提高.通过对现场采集的数据进行仿真,得到了令人满意的结果.

基于改进Elman神经网络的齿轮箱故障诊断研究

总结分析了Elman神经网络用于故障诊断的不足,将改进的Elman神经网络应用于齿轮箱故障诊断。选取齿轮箱常发生的五种故障模式,建立改进前后Elman两种网络模型并进行测试。经过验证表明:改进后的Elman网络可以应用在实际工程故障诊断中,它在稳定性及收敛速度等方面有明显优势。

改进型Elman神经网络在电石炉控制系统中的应用

借鉴神经网络理论的研究成果,将其用于具有典型非线性、大滞后特性的电石炉控制系统.利用改进型El-man神经网络模型,通过系统仿真,与目前大量采用的PID控制系统比较,Elman神经网络在系统仿真中系统超调、调节时间等指标均优于PID控制,为电石炉控制系统控制环节的升级换代提供了现实可行的解决方案.

基于改进Elman神经网络的氧化铝浓度控制建模

铝电解过程是一个非常复杂的非线性、时变和大滞后的工业过程体系,因而采用常规的控制方法很难达到良好的控制效果。针对此问题本文提出了采用改进的Elman神经网络对其进行建模,介绍了改进Elman神经网络结构及其学习算法;分析了影响氧化铝浓度的主要因素,并根据实际情况确定了输入层和中间隐层的维数,从而确定了模型的结构。通过对现场采集的数据进行了仿真,仿真结果表明:与常规Elman相比,神经网络收敛速度和稳定性上都有明显提高,得到了令人满意的结果。