期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
5
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于支持向量机的非线性动态系统辨识方法
被引量:
13
1
作者
吴德会
《系统仿真学报》
EI
CAS
CSCD
北大核心
2007年第14期3169-3171,3187,共4页
讨论了辨识一类非线性系统模型的方法。先假设原非线性动态系统可由静态非线性子环节和动态线性子环节串联——H模型来表示。将H模型的非线性方程转换为类线性形式,从而建立线性过渡模型。对原始测量数据进行组合运算获得线性中间模型...
讨论了辨识一类非线性系统模型的方法。先假设原非线性动态系统可由静态非线性子环节和动态线性子环节串联——H模型来表示。将H模型的非线性方程转换为类线性形式,从而建立线性过渡模型。对原始测量数据进行组合运算获得线性中间模型的训练样本集,并通过支持向量机线性回归算法求取过渡模型参数。最后再建立过渡模型与H模型系数之间的关系,从而反推出非线性模型参数,实现非线性动态系统辨识。仿真结果表明了该方法的有效性。
展开更多
关键词
H模型
非线性动态系统辨识
支持向量机
回归算法
下载PDF
职称材料
一种用于非线性动态辨识的新型神经网络
2
作者
张剑
林瑞昌
毕天昊
《控制工程》
CSCD
北大核心
2024年第8期1383-1391,共9页
为提高非线性动态系统辨识(NDSI)的效果,在结合自建型模糊神经网络(SCFNN)和多层神经元神经网络(MLPNN)的基础上,提出一种自建递归型模糊神经网络(SCRFNN)。SCRFNN相较于前者,多了一个递归通道与抑制模糊规则产生机制;相较于后者,增加...
为提高非线性动态系统辨识(NDSI)的效果,在结合自建型模糊神经网络(SCFNN)和多层神经元神经网络(MLPNN)的基础上,提出一种自建递归型模糊神经网络(SCRFNN)。SCRFNN相较于前者,多了一个递归通道与抑制模糊规则产生机制;相较于后者,增加了模糊推论与一个递归通道。为验证SCRFNN在系统辨识中的有效性,设计一个新的NDSI在线学习模型与代码设计流程图,并以此作为在线学习架构,将以上3个神经网络模型对4个串-并型非线性动态系统进行辨识分析。经过仿真表明,新提出的SCRFNN通过存储内部状态,具备了映射动态特征的功能,从而使系统具有适应时变特性的能力,更适合于非线性动态系统的辩识。且在模糊规则数、学习收敛速度、学习与预测误差均方根值、预测精准度方面也取得了良好的效果。
展开更多
关键词
自建递归型模糊神经网络
自建型模糊神经网络
多层神经元神经网络
非线性动态系统辨识
下载PDF
职称材料
基于L—M网络的涡扇发动机动态过程辨识
被引量:
4
3
作者
刘小锋
雷勇
《航空计算技术》
2000年第4期10-15,共6页
介绍了多层前馈网络的Levenberg -Marquardt(L -M)算法 ,对涡扇发动机动态过程的数学模型进行了分析和简化 ,运用多层前馈网络L -M算法对涡扇发动机进行加力推力变换时的非线性MIMO动态过程的数学模型进行了辨识 ,辨识所用样本数据和测...
介绍了多层前馈网络的Levenberg -Marquardt(L -M)算法 ,对涡扇发动机动态过程的数学模型进行了分析和简化 ,运用多层前馈网络L -M算法对涡扇发动机进行加力推力变换时的非线性MIMO动态过程的数学模型进行了辨识 ,辨识所用样本数据和测试数据均为试飞实测数据。辨识结果表明 ,这种方法收敛快精度高 ,非常适合于涡扇发动机非线性动态过程的建模。
展开更多
关键词
涡扇发动机
神经网络
LEVENBERG-MARQUARDT算法
非线性
系统
辨识
动态
过程
下载PDF
职称材料
基于在线强化学习的风电系统自适应负荷频率控制
被引量:
17
4
作者
杨丽
孙元章
+2 位作者
徐箭
廖思阳
彭刘阳
《电力系统自动化》
EI
CSCD
北大核心
2020年第12期74-83,共10页
大规模风电接入给系统带来新的不确定性,影响系统频率响应特性,从数据驱动的角度出发,提出了一种基于自适应动态模型的在线强化学习方法,用于系统的负荷频率控制。建立低秩自编码器特征提取网络,从所量测的低维数据中发现隐藏特征;基于...
大规模风电接入给系统带来新的不确定性,影响系统频率响应特性,从数据驱动的角度出发,提出了一种基于自适应动态模型的在线强化学习方法,用于系统的负荷频率控制。建立低秩自编码器特征提取网络,从所量测的低维数据中发现隐藏特征;基于特征网络,建立非线性动态系统稀疏辨识学习模型,感知系统动态模型的潜在物理状态,提升模型在线学习效率;通过结合模型预测控制,进行实时决策控制。所提出方法能够有效解决传统模型预测控制对系统全局模型准确性的依赖问题,加强控制器对系统动态模型的自适应性,且能有效跟踪风电输出功率的随机波动。最后,以接入四型风机的负荷频率控制模型为例,验证所提方法的有效性。
展开更多
关键词
负荷频率控制
低秩自编码器
非线性
动态
系统
稀疏
辨识
模型预测控制
在线强化学习
下载PDF
职称材料
混沌蚂蚁群算法设计T-S模糊系统
被引量:
6
5
作者
李丽香
彭海朋
杨义先
《物理学报》
SCIE
EI
CAS
CSCD
北大核心
2008年第2期703-708,共6页
介绍了混沌蚂蚁群算法,然后利用该算法设计T-S模糊系统,给出了具体的设计过程,并成功地将其应用于非线性动态系统辨识和自适应模糊控制,最后给出了数值仿真,数值仿真表明该方法是有效的.
关键词
混沌蚂蚁群算法
T-S模糊
系统
非线性动态系统辨识
自适应控制
原文传递
题名
基于支持向量机的非线性动态系统辨识方法
被引量:
13
1
作者
吴德会
机构
九江学院电子工程系
合肥工业大学仪器科学与光电工程学院
出处
《系统仿真学报》
EI
CAS
CSCD
北大核心
2007年第14期3169-3171,3187,共4页
基金
国家自然科学基金项目(70272032)
文摘
讨论了辨识一类非线性系统模型的方法。先假设原非线性动态系统可由静态非线性子环节和动态线性子环节串联——H模型来表示。将H模型的非线性方程转换为类线性形式,从而建立线性过渡模型。对原始测量数据进行组合运算获得线性中间模型的训练样本集,并通过支持向量机线性回归算法求取过渡模型参数。最后再建立过渡模型与H模型系数之间的关系,从而反推出非线性模型参数,实现非线性动态系统辨识。仿真结果表明了该方法的有效性。
关键词
H模型
非线性动态系统辨识
支持向量机
回归算法
Keywords
Hammerstein model
nonlinear dynamic system identification
support vector machine(SVM)
regression algorithm
分类号
TP27 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
一种用于非线性动态辨识的新型神经网络
2
作者
张剑
林瑞昌
毕天昊
机构
广州番禺职业技术学院智能制造学院
台湾云林科技大学工程学院
出处
《控制工程》
CSCD
北大核心
2024年第8期1383-1391,共9页
文摘
为提高非线性动态系统辨识(NDSI)的效果,在结合自建型模糊神经网络(SCFNN)和多层神经元神经网络(MLPNN)的基础上,提出一种自建递归型模糊神经网络(SCRFNN)。SCRFNN相较于前者,多了一个递归通道与抑制模糊规则产生机制;相较于后者,增加了模糊推论与一个递归通道。为验证SCRFNN在系统辨识中的有效性,设计一个新的NDSI在线学习模型与代码设计流程图,并以此作为在线学习架构,将以上3个神经网络模型对4个串-并型非线性动态系统进行辨识分析。经过仿真表明,新提出的SCRFNN通过存储内部状态,具备了映射动态特征的功能,从而使系统具有适应时变特性的能力,更适合于非线性动态系统的辩识。且在模糊规则数、学习收敛速度、学习与预测误差均方根值、预测精准度方面也取得了良好的效果。
关键词
自建递归型模糊神经网络
自建型模糊神经网络
多层神经元神经网络
非线性动态系统辨识
Keywords
Self-constructing recurrent fuzzy neural network
self-constructing fuzzy neural network
multi-layer perceptron neural network
nonlinear dynamical system identification
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于L—M网络的涡扇发动机动态过程辨识
被引量:
4
3
作者
刘小锋
雷勇
机构
中国飞行试验研究院
西北工业大学
出处
《航空计算技术》
2000年第4期10-15,共6页
文摘
介绍了多层前馈网络的Levenberg -Marquardt(L -M)算法 ,对涡扇发动机动态过程的数学模型进行了分析和简化 ,运用多层前馈网络L -M算法对涡扇发动机进行加力推力变换时的非线性MIMO动态过程的数学模型进行了辨识 ,辨识所用样本数据和测试数据均为试飞实测数据。辨识结果表明 ,这种方法收敛快精度高 ,非常适合于涡扇发动机非线性动态过程的建模。
关键词
涡扇发动机
神经网络
LEVENBERG-MARQUARDT算法
非线性
系统
辨识
动态
过程
Keywords
turbofan engine
nueral network
Levenberg-Marquardt algorithm
nonlinear system identification
分类号
V235.13 [航空宇航科学与技术—航空宇航推进理论与工程]
下载PDF
职称材料
题名
基于在线强化学习的风电系统自适应负荷频率控制
被引量:
17
4
作者
杨丽
孙元章
徐箭
廖思阳
彭刘阳
机构
武汉大学电气与自动化学院
出处
《电力系统自动化》
EI
CSCD
北大核心
2020年第12期74-83,共10页
基金
国家重点研发计划资助项目(2018AAA0101501)。
文摘
大规模风电接入给系统带来新的不确定性,影响系统频率响应特性,从数据驱动的角度出发,提出了一种基于自适应动态模型的在线强化学习方法,用于系统的负荷频率控制。建立低秩自编码器特征提取网络,从所量测的低维数据中发现隐藏特征;基于特征网络,建立非线性动态系统稀疏辨识学习模型,感知系统动态模型的潜在物理状态,提升模型在线学习效率;通过结合模型预测控制,进行实时决策控制。所提出方法能够有效解决传统模型预测控制对系统全局模型准确性的依赖问题,加强控制器对系统动态模型的自适应性,且能有效跟踪风电输出功率的随机波动。最后,以接入四型风机的负荷频率控制模型为例,验证所提方法的有效性。
关键词
负荷频率控制
低秩自编码器
非线性
动态
系统
稀疏
辨识
模型预测控制
在线强化学习
Keywords
load frequency control
low rank autoencoder
sparse identification of nonlinear dynamic system
model predictive control
online reinforcement learning
分类号
TM614 [电气工程—电力系统及自动化]
TM761 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
混沌蚂蚁群算法设计T-S模糊系统
被引量:
6
5
作者
李丽香
彭海朋
杨义先
机构
北京邮电大学信息安全中心
出处
《物理学报》
SCIE
EI
CAS
CSCD
北大核心
2008年第2期703-708,共6页
基金
国家重点基础研究发展计划(973)项目(批准号:2007CB310704)
国家自然科学基金(批准号:60673098)
+2 种基金
国家自然科学基金委员会与香港研究资助局联合科研基金(批准号:60731160626)
教育部科学技术研究重点项目(批准号:205033)
北京市自然科学基金(批准号:4062025)资助的课题.~~
文摘
介绍了混沌蚂蚁群算法,然后利用该算法设计T-S模糊系统,给出了具体的设计过程,并成功地将其应用于非线性动态系统辨识和自适应模糊控制,最后给出了数值仿真,数值仿真表明该方法是有效的.
关键词
混沌蚂蚁群算法
T-S模糊
系统
非线性动态系统辨识
自适应控制
Keywords
chaotic ant swarm algorithm, T-S fuzzy system, nonlinear dynamical system identification, adaptive control
分类号
O231 [理学—运筹学与控制论]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于支持向量机的非线性动态系统辨识方法
吴德会
《系统仿真学报》
EI
CAS
CSCD
北大核心
2007
13
下载PDF
职称材料
2
一种用于非线性动态辨识的新型神经网络
张剑
林瑞昌
毕天昊
《控制工程》
CSCD
北大核心
2024
0
下载PDF
职称材料
3
基于L—M网络的涡扇发动机动态过程辨识
刘小锋
雷勇
《航空计算技术》
2000
4
下载PDF
职称材料
4
基于在线强化学习的风电系统自适应负荷频率控制
杨丽
孙元章
徐箭
廖思阳
彭刘阳
《电力系统自动化》
EI
CSCD
北大核心
2020
17
下载PDF
职称材料
5
混沌蚂蚁群算法设计T-S模糊系统
李丽香
彭海朋
杨义先
《物理学报》
SCIE
EI
CAS
CSCD
北大核心
2008
6
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部