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
共找到9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：
基于DRNN的非线性模型预测控制研究 被引量：3
1
作者 李军 张宇 王纪森 《计算机仿真》 CSCD 北大核心 2010年第8期9-13,共5页
针对飞机液压系统某地面试验装置具有非线性、慢时变的特征,常规的控制算法难于实现精确控制。为了提高系统的实时性和精度,提出了基于DRNN神经网络的非线性模型预测控制算法。控制算法应用对角递归神经网络DRNN作为非线性系统的预测模... 针对飞机液压系统某地面试验装置具有非线性、慢时变的特征,常规的控制算法难于实现精确控制。为了提高系统的实时性和精度,提出了基于DRNN神经网络的非线性模型预测控制算法。控制算法应用对角递归神经网络DRNN作为非线性系统的预测模型,同时采用了具有全局优化能力的启发式遗传算法作为滚动优化工具。将这一控制算法进行仿真试验,仿真试验结果表明,基于DRNN的NMPC对于装置具有自适应能力,控制精度较传统的PID控制有明显的提高。 展开更多
关键词 非线性系统 对角递归神经网络 启发式遗传算法 非线性模型预测控制
在线阅读 下载PDF
基于DRNN的多变量解耦控制系统 被引量：10
2
作者 杨青 党选举 《自动化技术与应用》 2004年第3期14-17,共4页
本文针对一类有强耦合带时延的多变量系统 ,采用对角递归神经网络 (DRNN)与带动量项的PID梯度优化算法 (PIDGDM) ,自适应调整PID控制器的三项参数 ,并行完成系统的解耦与控制工作。仿真结果表明 。
关键词 多变量控制系统 解耦控制 对角递归神经网络 drnn PID梯度优化算法 PIDGDM
在线阅读 下载PDF
基于DRNN神经网络的造纸过程定量水分解耦控制分析 被引量：2
3
作者 郑敏 《集成电路应用》 2024年第1期365-367,共3页
阐述造纸过程定量水分的控制技术,利用Matlab建立定量水分数学模型,分别采用常规PID算法和DRNN神经网络算法对定量水分耦合模型进行解耦控制,探讨神经网络来整定PID控制器参数,不依赖控制对象的数学模型就可以实现解耦控制。仿真结果表... 阐述造纸过程定量水分的控制技术,利用Matlab建立定量水分数学模型,分别采用常规PID算法和DRNN神经网络算法对定量水分耦合模型进行解耦控制,探讨神经网络来整定PID控制器参数,不依赖控制对象的数学模型就可以实现解耦控制。仿真结果表明,DRNN神经网络算法响应速度更快,自适应能力显著增强,可进一步改善系统的动态性能。 展开更多
关键词 智能控制 定量水分数学模型 drnn神经网络算法
在线阅读 下载PDF
基于GA的DRNN-PID算法在多电机系统中的应用
4
作者 王智琳 李彦 刘金保 《电子设计工程》 2012年第1期54-56,59,共4页
对于多变量非线性强耦合的多电机同步控制系统,难以建立精确数学模型并施加有效控制的缺陷,文中采用基于遗传算法的对角递归神经网络(DRNN)的PID控制算法,以3台电机的速度张力系统为对象,对其进行控制。通过实验表明,该算法没有一般的... 对于多变量非线性强耦合的多电机同步控制系统,难以建立精确数学模型并施加有效控制的缺陷,文中采用基于遗传算法的对角递归神经网络(DRNN)的PID控制算法,以3台电机的速度张力系统为对象,对其进行控制。通过实验表明,该算法没有一般的神经网络PID控制算法易陷入局部极值等缺陷,控制效果良好。 展开更多
关键词 对角递归神经网络(drnn) 遗传算法(GA) 实数编码 张力控制
在线阅读 下载PDF
基于TSA-DRNN模型的年径流预测研究 被引量：4
5
作者 崔东文 杨琼波 《华北水利水电大学学报（自然科学版）》 北大核心 2021年第6期35-41,共7页
为了解决深度递归神经网络(DRNN)权值和阈值难以选取的问题,有效提高DRNN径流预测精度,提出了被囊群算法(TSA)与DRNN相融合的预测方法。选取4个标准测试函数对TSA进行仿真验证,并与粒子群优化(PSO)算法的仿真结果进行比较;通过主成分分... 为了解决深度递归神经网络(DRNN)权值和阈值难以选取的问题,有效提高DRNN径流预测精度,提出了被囊群算法(TSA)与DRNN相融合的预测方法。选取4个标准测试函数对TSA进行仿真验证,并与粒子群优化(PSO)算法的仿真结果进行比较;通过主成分分析(PCA)对数据样本进行降维并构建DRNN_(2)(双隐层DRNN)、DRNN_(3)(三隐层DRNN)、DRNN_(4)(四隐层DRNN)模型,利用TSA优化DRNN权值和阈值,建立了TSA-DRNN_(2)、TSA-DRNN_(3)、TSA-DRNN_(4)径流预测模型,并构建TSA-Elman、Elman、DRNN_(2)、DRNN_(3)、DRNN_(4)、TSA-SVM模型作对比;利用云南省姑老河站年径流预测实例对TSA-DRNN_(2)、TSA-DRNN_(3)、TSADRNN_(4)、TSA-Elman、Elman、DRNN_(2)、DRNN_(3)、DRNN_(4)、TSA-SVM模型进行检验。结果表明:在不同维度条件下,TSA仿真效果优于PSO算法,具有较好的寻优精度和全局搜索能力;TSA-DRNN_(2)、TSA-DRNN_(3)、TSADRNN_(4)模型对实例年径流预测的平均相对误差分别为3.63%、2.81%、2.50%,预测精度优于TSA-Elman等其他6种模型,且随着隐含层数的增加,预测精度呈提高趋势。TSA-DRNN模型用于径流预测是可行的,模型及DRNN权、阈值优化方法可为相关预测研究提供参考。 展开更多
关键词 径流预测 深度递归神经网络(drnn) 被囊群算法(TSA) 仿真验证 数据降维 权、阈值优化
在线阅读 下载PDF
气动人工肌肉主动悬架系统的可变自整定离散PID控制 被引量：4
6
作者 沈伟 施光林 《系统仿真学报》 EI CAS CSCD 北大核心 2005年第9期2226-2230,共5页
构建以气动人工肌肉为新型执行器的车用主动悬架系统实验平台,为简化的基于1/4悬架模型的主动悬架系统设计了基于DRNN神经网络的可变自整定离散PID控制算法,分析了可变自整定离散PID算法的控制性能,为提高气动人工肌肉主动悬架系统的减... 构建以气动人工肌肉为新型执行器的车用主动悬架系统实验平台,为简化的基于1/4悬架模型的主动悬架系统设计了基于DRNN神经网络的可变自整定离散PID控制算法,分析了可变自整定离散PID算法的控制性能,为提高气动人工肌肉主动悬架系统的减震性能提供理论依据。 展开更多
关键词 主动悬架 气动人工肌肉 PID 可变自整定算法 drnn神经网络
在线阅读 下载PDF
基于混合麻雀搜索算法海洋管线内腐蚀速率预测
7
作者 骆正山 张轩博 王小完 《热加工工艺》 北大核心 2023年第16期32-37,共6页
为提高海洋管线腐蚀速率预测精度,建立基于混合策略麻雀搜索算法(HSSA)优化的深度脊波神经网络(DRNN)腐蚀预测模型。首先通过种群初始化,改进发现者、加入者和侦查者位置更新公式的混合策略提高麻雀搜索算法(SSA)的模型性能。随后利用H... 为提高海洋管线腐蚀速率预测精度,建立基于混合策略麻雀搜索算法(HSSA)优化的深度脊波神经网络(DRNN)腐蚀预测模型。首先通过种群初始化,改进发现者、加入者和侦查者位置更新公式的混合策略提高麻雀搜索算法(SSA)的模型性能。随后利用HSSA对DRNN的权值和阈值进行迭代寻优,降低随机选取参数对模型性能的影响,提高模型预测精度,采用核主成分分析法(KPCA)提取出原始数据中的主要特征。最后,以中国海南东部某海底管道数据进行验证,并与其余4个模型对比。结果表明:HSSA-DRNN模型预测结果较其余模型更接近实际值,且MRE、RMSE指标均优于对比模型,证明所提模型能更准确可靠的预测海底管道腐蚀速率。 展开更多
关键词 海洋管线 内腐蚀速率 核主成分分析法 混合麻雀搜索算法 深度脊波神经网络
原文传递
基于深度递归神经网络的电力系统短期负荷预测模型 被引量：41
8
作者 于惠鸣 张智晟 +1 位作者 龚文杰 段晓燕 《电力系统及其自动化学报》 CSCD 北大核心 2019年第1期112-116,共5页
针对电力负荷非线性动态特性导致的负荷预测困难、预测精度低等问题,本文构建了深度递归神经网络短期负荷预测模型。在深度神经网络多隐层结构的基础上,深度递归神经网络增设了关联层,并以改进粒子群算法作为网络的优化学习算法,对模型... 针对电力负荷非线性动态特性导致的负荷预测困难、预测精度低等问题,本文构建了深度递归神经网络短期负荷预测模型。在深度神经网络多隐层结构的基础上,深度递归神经网络增设了关联层,并以改进粒子群算法作为网络的优化学习算法,对模型权值空间进行深度优化。对某地区电网实际负荷进行预测仿真,结果表明与BP网络、深度神经网络相比,深度递归神经网络的平均绝对误差的周平均值分别降低1.61%和0.56%,验证了深度递归神经网络能够融合前馈与反馈连接,提高网络泛化能力,有效提高负荷预测精度。 展开更多
关键词 深度神经网络 深度递归神经网络 改进粒子群优化算法 短期负荷预测 电力系统
在线阅读 下载PDF
基于动态RPROP算法的对角递归神经网络
9
作者 王晓燕 杨富龙 《科技创新与应用》 2021年第14期24-27,共4页
在训练对角递归神经网络(Diagonal Recurrent Neural Network,DRNN)时,为了避免网络权值的学习过程发生振荡、收敛速度慢,得到更好的收敛速度和辨识精度,文章提出一种动态RPROP(resilient back-propagation,RPROP)算法可以使上次的网络... 在训练对角递归神经网络(Diagonal Recurrent Neural Network,DRNN)时,为了避免网络权值的学习过程发生振荡、收敛速度慢,得到更好的收敛速度和辨识精度,文章提出一种动态RPROP(resilient back-propagation,RPROP)算法可以使上次的网络连接权值改变量对本次权值改变量产生影响。并将基于该算法的对角递归神经网络用于非线性时变系统的辨识,仿真结果表明该算法可以有效提高辨识效果、网络的收敛速度和辨识精度。 展开更多
关键词 动态RPROP算法 对角递归神经网络 非线性时变系统辨识
在线阅读 下载PDF
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
使用帮助 返回顶部