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。

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。

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。

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.

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.

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.

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.

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．