碧波液压网 欢迎你,游客。 登录 注册

基于改进Elman神经网络的综采装备协同控制研究

作者: 樊占文 刘波 来源:工矿自动化 日期: 2021-07-08 人气:189
针对现有综采装备控制方法大多是针对单一设备的控制,没有对综采装备进行协同控制,为了提高综采工作面采煤机、液压支架和刮板输送机的生产能力,基于Elman神经网络建立了综采装备滚动预测模型,使用多电动机进行控制,对采煤机、液压支架和刮板输送机工作状态进行预测,实现多电动机输出值平衡。通过分析采煤机、液压支架和刮板输送机运行时的参数关系,在专家经验所得数据和预测结果的基础上,使用产量/能耗比作为评判标准,实现了不同状态下的采煤机、液压支架和刮板输送机的优化协同控制,提高了综采装备运行时的稳定性。

基于IBAS-Elman网络的滚动轴承故障诊断研究

作者: 瞿红春 许旺山 郭龙飞 朱伟华 高鹏宇 来源:机床与液压 日期: 2021-04-15 人气:118
为了提高民航发动机滚动轴承故障诊断正确率,提出基于改进天牛须搜索算法优化Elman神经网络的诊断模型。针对天牛须搜索算法易早熟等缺陷,对天牛质心位置和步长更新操作进行改进,并用改进算法优化Elman网络的学习率、权重和阈值。使用IBAS-Elman模型对滚动轴承故障和正常状态进行诊断,并分析Elman网络延迟向量比例因子对滚动轴承故障诊断率的影响。为了验证IBAS-Elman模型的有效性,将天牛须搜索算法、萤火虫算法和遗传算法作为对比算法。实验结果表明:改进天牛须搜索算法收敛精度优于对比算法。

基于Elman神经网络的液压起竖系统故障诊断研究

作者: 周大星 瞿军 来源:液压气动与密封 日期: 2020-01-11 人气:115
基于Elman神经网络的液压起竖系统故障诊断研究
液压起竖系统故障机理复杂、故障现象隐蔽,依靠传统方法难以及时准确地诊断故障。因此,提出采用Elman神经网络来对液压起竖系统实施故障诊断。利用Elman神经网络建立了故障诊断模型,通过典型特征故障的学习训练后,应用于液压起竖系统的故障诊断。结果表明该诊断方法运行速度快、诊断准确且容易实现。

冷轧机HAGC系统非线性模型辨识

作者: 贺尚红 陈耿彪 陈慧勇 来源:长沙理工大学学报:自然科学版 日期: 2019-09-09 人气:127
冷轧机HAGC系统非线性模型辨识
分析了冷轧机液压自动厚控系统(HAGC)的非线性动力学模型特性.采用改进的Elman网络,建立了某冷轧平整机HAGC系统的动态模型.试验结果表明,Elman网络利用内部状态反馈描述系统的非线性动力学行为,适合于高阶非线性动态系统的实时辨识.

改进的Elman网络在系统辨识中的应用

作者: 陈耿彪 陈慧勇 贺尚红 来源:机械工程与自动化 日期: 2019-09-09 人气:123
改进的Elman网络在系统辨识中的应用
介绍了Elman网络在非线性动力学模型辨识中的应用原理,采用改进的Elman动态递归网络实现对某平整机液压自动厚控系统(HAGC)的模型辨识.实验表明,Elman网络利用内部状态反馈来描述系统的非线性动力学行为,提高了学习速度,适合于动态系统的实时辨识.

基于Elman神经网络的液压泵故障诊断模型研究

作者: 张琦 邵立福 来源:机床与液压 日期: 2019-08-29 人气:173
基于Elman神经网络的液压泵故障诊断模型研究
针对传统BP网路进行液压泵故障诊断时,网络学习具有收敛速度慢和学习、记忆不稳定的缺陷,提出了将El-man神经网络应用于液压泵故障诊断的新方法,建立了Elman神经网络的应用结构模型,介绍了该网络的训练算法,阐明了液压泵故障诊断的实现过程.通过试验验证了该神经网络收敛速度快,学习记忆稳定,具有很好的学习功能;测试结果表明该诊断方法具有高可靠性,达到了预期的效果,可以用于液压泵故障诊断.

一种基于Elman神经网络的液压泵故障诊断技术

作者: 张琦 邵立福 李焕良 郑慧娟 来源:中国制造业信息化(学术版) 日期: 2019-08-26 人气:120
一种基于Elman神经网络的液压泵故障诊断技术
针对传统BP网络进行液压泵故障诊断时,网络学习具有收敛速度慢和学习、记忆不稳定的缺陷,提出将Elman神经网络应用于液压泵故障诊断,建立Elman神经网络的结构模型,介绍了该网络的训练算法,阐明了液压泵故障诊断的实现过程.通过试验验证了该神经网络收敛速度快,学习记忆稳定,具有很好的学习功能;测试结果表明该诊断方法具有高可靠性,达到了预期的结果,可以用于液压泵故障诊断.

基于小波包和Elman神经网络的液压泵故障诊断

作者: 刘红梅 王少萍 欧阳平超 来源:北京航空航天大学学报 日期: 2019-02-03 人气:84
基于小波包和Elman神经网络的液压泵故障诊断
针对液压泵出口故障检测信号信噪比低、难以进行故障特征提取的特点,及传统的BP网络进行故障诊断时网络学习具有收敛速度慢和学习、记忆不稳定的缺陷,提出了一种将小波包变换和改进Elman神经网络相结合,进行液压泵故障诊断的新方法.利用具有紧支结构的小波函数对信号进行分解,削减小波系数以滤除信号中的噪声;单支重构以有效提取各频带的故障特征,并以频带能量作为识别故障的特征向量;应用改进的Elman神经网络建立从特征向量到故障模式之间的映射,实现液压泵故障分类.试验结果表明,采用小波包和改进Elman神经网络相结合的方法可有效的实现液压泵故障的诊断.
    共1页/8条