基于递归网络的传感器动态建模方法

研究了递归网络模型在传感器动态建模中的应用，给出了递归网络模型的结构及相应的训练算法。该方法避免了传感器模型阶次的选择的困难，试验结果表明，应用递归网络对传感器进行动态建模是一种行之有效的方法。     

基于DRNN的非线性模型预测控制研究

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。     

基于DRNN的多变量解耦控制系统

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控制器的二项参数,并行完成系统的解耦与控制工作。仿真结果表明,系统具有很好的静态和动态性能。     

摆式电容倾角传感器动态特性分析

在分析摆式电容倾角传感器原理及传感器力学模型的基础上,导出传感器动态特性方程和传递函数.理论分析表明,通过适当选取摆的敏感材料及阻尼介质可明显改善其动态性能,采用软件补偿算法同样可提高传感器的动态性能,减少动态误差,从而提高传感器的测量效果.Matlab仿真及实验结果证实了优化方案的可行性,从而满足实际测量对传感器的动态性能要求.     

基于神经网络的传感器冗余方法研究􀀁

本文把传感器硬件冗余技术、BP网络以及串并联Elman递归神经网络结合起来,提出了一种新方法用于构造具有传感器故障检测、分离且具有冗余能力的智能传感器系统。这可以减少硬件冗余技术中使用传感器的个数、消除硬件冗余技术中对冗余传感器应具有相同参数特性的要求,同时可以提高系统预报的准确性,仿真结果验证了这一方法的有效性。     

MRNN:一种新的基于改进型递归神经网络的WSN动态建模方法:应用于故障检测

提出了一种适用于无线传感器网络WSN的故障检测方法,该方法运用改进的递归神经网络MRNN为WSN的节点、节点的动态特性以及节点间的关系建立相关模型,对WSN节点进行识别和故障检测。MRNN的输入选择建模节点的先前输出值及其邻居节点的当前及先前输出值,模型基于一种新的改进的反向传播型神经网络,该神经网络的输入以及传感器网络的拓扑结构基于通用的非线性传感器模型。仿真实验将MRNN方法与卡尔曼滤波法进行了全面的比较。实验表明,MRNN在置信因子较小的情况下与卡尔曼滤波方法相比有较高的故障检测精度。     

基于进化策略的动态递归神经网络建模与辨识

提出一种采用进化策略实现动态递归神经网络结构、权重和自反馈增益同时进化的学习算法,以及自适应进化机制,与改进ＢＰ６算法相结合,各取所长,形成集成化动态递归神经网络建模辨识算法,实际应用结果表明,所提出算法不仅明显提高了动态递是 网络模型辨识自救的收敛速度格精度,而且实现了动态递归网络的全自动优化设计。     

带有改进自适应动量因子的四容水箱DRNN控制系统设计

针对多变量耦合的四容水箱系统,提出一种带有自适应动量因子的对角递归神经网络(DRNN)自学习PID控制方法.首先依据四容水箱实验平台的结构,简要介绍了被控对象的数学模型,并给出了以PID为主控制器,DRNN用于辨识系统动态的总体控制方案;其次,考虑到耦合系统中控制输入与系统输出的之间耦合作用,为了减小整体跟踪误差,给出...     

LM算法在传感器数据融合中的应用

针对压力传感器对温度存在交叉灵敏度这一具体问题,采用LM算法对其进行数据融合,消除温度对压力传感器的影响,大大提高传感器的稳定性及其准确度;针对传感器存在测量误差问题,提出了增加一个噪声来训练网络,增强了网络的容错性。对所提方法进行了仿真研究和简单分析,并与非线性插值(三次多项式插值)作了比较,粗浅地指出:神经网络在数据融合过程中的实现机理。     

传感器非线性误差校正的BP神经网络方法研究

研究了采用BP神经网络实现传感器逆向建摸,用三种神经网络方法(LM算法)计算比较了使用两种不同初始化规则和不同网络结构时对网络性能和计算精度的影响。计算机仿真实验表明:使用NW初始化规则并改进网络结构后,网络的收敛速度更快,精度更高。     

基于动态对角递归网络的变压器故障诊断

本文介绍了动态对角递归网络,并针对BP算法收敛慢的缺点,将递推预报误差学习算法应用到神经网络权值和域值的训练。同时,将动态对角递归网络引入到电力变压器的故障诊断中,通过改良三比值方法来实现故障诊断,提高了神经网络故障诊断收敛性及增量学习能力。最后,仿真诊断实例表明了应用这种方法实现的变压器故障诊断系统的有效性。     

基于动态对角递归网络的变压器故障诊断

本文介绍了动态对角递归网络,并针对BP算法收敛慢的缺点,将递推预报误差学习算法应用到神经网络权值和域值的训练。同时,将动态对角递归网络引入到电力变压器的故障诊断中,通过改良三比值方法来实现故障诊断,提高了神经网络故障诊断收敛性及增量学习能力。最后,仿真诊断实例表明了应用这种方法实现的变压器故障诊断系统的有效性。     

噪声有源控制的递归神经网络方法

使用Filter－X算法研究有源噪声控制问题,存在需要较高阶次的滤波器和当噪声出现非线性时控制效果不佳的缺陷。为此提出一种基于对角递归神经网络的非线性噪声有源自适应控制方法,并给出一种基于误差梯度下降的在线学习算法,同时证明了闭环控制系统在Lyapunov意义下的稳定性。数值仿真表明,基于对解递归神经网络的噪声有源自适应控制是一种非常有效的噪声控制方法。     

循环神经网络建模在非线性预测控制中的应用

基于动态Ｌｅｖｅｎｂｅｒｇ－Ｍａｒｑｕａｒｄｔ（ＬＭ）算法,提出两步ＬＭ方法建立非线性过程的循环神经网络模型。该模型以足够的精度并行于过程运行,并能从过程的输入信息模拟过程未来的响应。研究了基于该模型的扩展ＤＭＣ预测控制策略,仿真结果表明该控制器的性能得到了很大提高。     

基于动态递归神经网络的航煤比重在线估计

针对常压塔航煤比重在线质量仪表存在滞后大、易出现故障的缺点 ,提出了运用动态递归神经网络 ,根据实测的温度、流量、压力等过程参数 ,在线估计航煤比重 ,为比重质量闭环控制提供了基础     

Design of Adaptive Robot Control System Using Recurrent Neural Network

The use of a new Recurrent Neural Network (RNN) for controlling a robot manipulator is presented in this paper. The RNN is a modification of Elman network. In order to solve load uncertainties, a fast-load adaptive identification is also employed in a control system. The weight parameters of the network are updated using the standard Back-Propagation (BP) learning algorithm. The proposed control system is consisted of a NN controller, fast-load adaptation and PID-Robust controller. A general feedforward neural network (FNN) and a Diagonal Recurrent Network (DRN) are utilised for comparison with the proposed RNN. A two-link planar robot manipulator is used to evaluate and compare performance of the proposed NN and the control scheme. The convergence and accuracy of the proposed control scheme is proved.     

对一种递归神经网络算法的修正

本文指出了Ｃｈａｏ－ｃｈｅｅ Ｋｕ等人提出的对角递归神经网络算法中存在的不足，并给出了修正算法，数学分析及仿真结果表明，本文所做的修正是合理的。     

基于回归神经网络自适应快速BP算法

动态递归网络Elman网络结构简单,运算量少,适合于实时系统辨识。以Elman网络结构推导了在线学习算法。针对于传统BP算法会产生局部收敛和收敛速度慢等缺点,提出了一种改进的自适应BP算法,运用到回归神经网络,提高了在线学习的速度与收敛速度,仿真实验表明了此算法的有效性和快速性。     

制糖过程中递归模糊神经网络软测量技术

糖厂澄清工段过程包含复杂的物理和化学反应,具有非线性、大滞后和不确定性的特点,难以建立精确的机理模型.常规神经网络建模是静态映射,实际应用中,权值的调节不能充分利用工业生产现场的动态数据信息,效果不理想.为此,提出了含有递归环节的T-S模糊神经网络(TSRFNN)结构,采用混沌BP学习算法引入非线性自反馈项获得复杂系统的动力学特征,通过与常规T-S模糊神经网络(TSFNN)在糖厂澄清工段过程的建模与仿真试验中进行比较,结果表明,在处理这类时变复杂系统建模方面TSRFNN表现出更加优越的性能,获得了非线性系统的全局最优模型.