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.

新型Elman混沌神经网络的流量预测

根据实际网络中测量得到的网络流量数据,提出一种改进型Elman神经网络模型——季节性输入多层反馈Elman网络。在网络权值的训练过程中引入混沌搜索机制,利用Tent映射的遍历性进行混沌变量的优化搜索,以减少数据冗余,解决局部收敛问题。实验结果表明,该模型及其算法有效提高了网络的训练速度及网络流量的预测精度。

基于Elman型回馈神经网络的流域降雨-径流动态过程建模的研究

本文将Elman回馈型神经网络与水文系统的特点相结合 ,建立了流域降雨 -径流动态模型。文中用较简单的方法解决了神经网络模型难以直接描述水文系统前期状态的难题 ,并以福建沙县流域的降雨 -径流过程为研究对象 ,通过完整的分析 ,表明Elman型神经网络与水文系统概念相结合的动态过程模型是一种能够保证较高的预报准确性的模型 ,同时又具有良好的适应性、健壮型和外延性 ,显示出良好的应用前景。

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Elman网络的鲁棒型广义预测控制方法研究

提出一种基于Elman动态回归神经网络模型的鲁棒型广义预测控制(GPC).该算法首先用Elman网络对非线性系统进行辨识,建立预测模型,然后在控制中将模型输出值与测量输出值进行综合,代替量测输出用于控制中,从而降低辨识器与控制器对未建模动态的敏感性,加强控制器的适应能力和鲁棒性.仿真结果证明:将本算法应用于非线性系统预测控制,对未建模动态具有很强的鲁棒性和很好的控制能力.

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.

基于改进型Elman神经网络和遗传算法的锅炉在线燃烧优化

目前,电站锅炉燃烧优化要求在保证燃烧效率的基础上降低NOx的排放,即同时满足电站经济性和环保的要求。利用改进型Elman网络结构简单、计算量小、容易收敛和动态学习的特点,建立锅炉燃烧预测模型,并结合遗传算法的寻优特性,在线地搜寻出一定工况下可操作量的最优控制方案,可实时地指导运行人员。仿真试验结果表明,该预测模型实现了锅炉高效低氮燃烧优化寻优,且满足实时性的要求。

基于Elman神经网络模型的IGBT寿命预测

建立了Elman神经网络模型来实现绝缘栅双极型晶体管(IGBT)的寿命预测。分析了IGBT的结构及其失效原因,结合NASA埃姆斯中心的加速热老化试验数据,确定了以集电极-发射极关断电压尖峰峰值作为失效预测依据。利用高斯滤波的方法对试验数据进行预处理,构建了单、多隐层Elman神经网络寿命预测模型,并构建了广义回归神经网络(GRNN)寿命预测模型作为对比模型。采用均方误差、平均绝对误差、最大相对误差作为各模型预测性能的评估指标。结果表明,提出的Elman神经网络模型比GRNN模型有更好的预测效果。二隐层的Elman神经网络模型均方误差为0.202 0%,平均绝对误差为0.387 6%,最大相对误差为3.023 0%,可以更好地实现IGBT寿命的预测。

采用序贯学习的改进型Elman神经网络预测研究

针对石油化工领域监测系统中,广泛存在的非线性时间序列预测问题,将Elmann神经网络方法引入化工过程监测的在线预测。并在其理论框架基础之上,改进了Elman神经网络的内部结构,引入了串行学习机制,可以根据实时数据对网络进行在线训练,提高网络预测精度。通过对某芳烃厂实时数据在线预测仿真,表明该方法能够准确地在线预测未来数据,同时具有训练速度快、结构简单、适应性强的优点。

结直肠侧向发育型肿瘤可能发病机制研究

目的:结直肠侧向发育型肿瘤(LST)检出率逐年升高,但其发病机制尚不明确。本研究将通过生物信息学方法分析该疾病mRNA表达数据集,探讨其发病机制。方法:利用差异基因分析,明确GSE77635中LST与正常对照组差异基因表达的情况,并对差异基因进行GO及KEGG分析。利用差异基因建立蛋白相互作用网络后选取关键基因进行分析。结果:共有1194个差异基因,其中包括469个上调基因及725个下调基因。其中PI3K-Akt信号通路可能参与LST的发生及发展。建立PPI网络后共选取5个关键差异基因(TP53、FN1、MYC、CD44、KRAS)。结论:LST的发生可能与PI3K-Akt通路密切相关。

基于改进型Elman神经网络预测模糊神经网络控制的变风量空调设计

由于空调控制系统具有非线性、大滞后、时变性等特点,提出了一种基于改进型Elman神经网络的模糊神经网络控制算法,其预测输出与实际输出的差值作为模糊神经网络控制器的输入,使空调控制系统具有较高的控制精度和良好的动态特性和鲁棒性。仿真结果表明:与传统PID控制相比,基于Elman神经网络的模糊神经网络控制具有较强的鲁棒性,学习能力强,控制精度高,控制效果好,并具有自适应能力,应用前景十分广泛。

Elman型回归神经网络在裂解深度软测量系统中的研究与应用

本文提出了运用Elman型回归神经网络来建立裂解深度先进控制中深度模型的软测量方法,解决控制参数测量中在线分析表的滞后问题.通过仿真结果表明,该方法能取得非常良好的效果.

三相变流器的模糊PI神经网络控制研究

提出了一种神经网络电流内环控制加混合模糊PI电压外环控制的双环控制结构。对三相电压型可逆变流器系统而言,神经网络电流内环控制使系统具有更强的鲁棒性,混合模糊PI电压外环控制加快了系统的响应速度。为了增强系统的抗扰性能还引入了电流前馈控制。最后通过仿真及试验验证了控制方案的正确性与可行性。

Elman动态递归神经网络在树木生长预测中的应用

该文充分考虑树木生长所特有的动态性、随机性和非线性,以及Elman动态递归模型的结构特点,获取北京山区油松解析木生长数据,分别建立了Elman型树木胸径生长和树高生长的神经网络动态模型.研究表明,Elman动态递归模型对非线性问题建模具有很好的拟和性和仿真性,其中,用于胸径生长建模时,其拟和精度达到99.45%,仿真精度达到99.42%;用于树高生长建模时,拟和精度达到97.30%,仿真精度达到97.29%,而且其拟和和仿真曲线均为"S"形,符合树木生长规律.进一步对Elman动态模型和常规BP静态模型比较发现,Elman模型具有更好的拟和性、预测性和稳定性.

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。

基于Elman网络的过程质量智能化控制研究

利用Elman型反馈神经网络对过程质量进行预测和诊断以克服前向型神经网络的缺陷,同时针对目前预测与诊断相分离的现象提出将两者相结合以实现质量的实时控制。仿真结果表明基于此网络的系统能有效预测质量特性值,识别异常变动模式并提高控制精度。

Elman神经网络在热工辨识中的应用研究

介绍了一种Elman动态递归神经网络结构,讨论了它的DBP学习算法,并将具有比例积分特性的Elman网络应用于动态系统的辨识。计算机仿真结果表明,Elman网络对热工动态系统辨识有很好的逼近效果。

一种基于ELMAN神经网络的最优中制导律

对于中远程导弹,为得到最优中制导弹道,提出了一种基于ELMAN神经网络的最优中制导律。研究和仿真分析表明这种基于ELMAN神经网络的最优中制导律与其它末制导律配合,可有效提高导弹拦截机动目标的性能。

供暖热网神经网络预测模型的研究

将人工神经网络应用于供热网实时预报,建立起可用于热网供暖预报的外时延反馈型BP网络模型,及内时延反馈型Elman网络。且利用实际热网数据对所建立的网络进行训练和检验,结果表明两种预报模型均具有较好的动态跟踪能力和预报特性。而Elman网络在节点结构上比外时延反馈型BP网络更简单,在确定网络节点结构上更快捷,更具有实际推广和应用价值。

应用Elman神经网络的混沌时间序列预测

利用改进的 Elman神经网络对 3个典型的混沌时间序列在不同的噪声水平下进行预测 ,探讨了神经网络学习与泛化之间的关系 ,通过试凑法给出了 Elman最优的隐节点个数。并利用3种指标对预测结果进行了评估 ,结果显示