-
题名预测小波神经网络智能控制系统仿真研究
被引量：4
- 1
-
-
作者
刘经纬
周瑞
赵辉
朱敏玲
孟祥花
张宇豪
-
机构
首都经济贸易大学信息学院
北京中医药大学中药学院
清华大学信息技术研究院
北京信息科技大学计算机学院
北京信息科技大学理学院
首都经济贸易大学计算交通研究中心
-
出处
《系统仿真学报》
CAS
CSCD
北大核心
2018年第10期3770-3780,共11页
-
基金
国家自然科学基金(71371128
11402006)
+1 种基金
北京社科基金研究基地(16JDYJB028)
首经贸学术骨干培养计划(00791754840263)
-
文摘
针对高危险高污染环境中控制系统参数在线整定和优化的需求,提出了一种结合向量时间序列预测方法和小波神经网络方法的控制参数在线整定智能控制系统,即通过增设小波神经网络作为控制系统的智能整定机制和自回归移动平均向量时间序列算法预测输出替代根据实时输出进行计算。采用理论分析和对多个方法进行计算机仿真对比实验等方式,验证了上述方法和智能控制系统具有可行性、工程应用稳定性、更好的快速性、更低的稳态误差等特性,给出了稳定性保证方法。
-
关键词
向量自回归移动平均
向量时间序列预测控制
控制参数在线整定
小波神经网络
智能控制系统仿真
-
Keywords
VARMA
vector time series predictive control
control parameters online tuning
waveletneural network
intelligent control system simulation
-
分类号
U621
[交通运输工程—船舶及航道工程]
TP273
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于时序分析的电网合并单元电平预测
被引量：2
- 2
-
-
作者
张朝辉
罗炜
林康照
秦冠军
金岩磊
丁笠
周宇
-
机构
中国南方电网有限责任公司超高压输电公司广州局
南京南瑞继保电气有限公司
南京航空航天大学计算机科学与技术学院
-
出处
《数据采集与处理》
CSCD
北大核心
2022年第5期1169-1178,共10页
-
基金
江苏省自然科学基金(BK20201292)
江苏高校“青蓝工程”项目。
-
文摘
合并单元设备监控依赖于现场工作人员记录、实践经验以及预设告警阈值,缺少对系统监视数据的分析和挖掘,不能实现设备状态预测。鉴于此,根据监视合并单元电平数据的时序性特征,将传统时序模型差分整合移动平均自回归(Autoregressive integrated moving average,ARIMA)和长短期记忆网络(Long short-term memory,LSTM)构建组合模型,并采用蛙跳算法(Shuffled frog leaping algorithm,SFLA)进行模型优化。优化后的模型应用在合并单元激光器监视的电平数据预测分析,将ARIMA-LSTM优化组合模型和单一模型进行对比,验证了组合模型比单一模型具有更高的准确度。进一步和其他组合模型做对比实验,实验结果表明,组合模型经过SFLA优化后均优于其他组合模型,能够更好挖掘数据中的隐藏信息和趋势,提高时序数据预测精度和故障排查效率。将SFLA优化的组合ARIMA-SVM模型和ARIMA-LSTM模型对比,实验结果表明,所提出的ARIMA-LSTM模型优于ARIMA-SVM模型,可以更好地分析和掌握设备状态信息,实现对合并单元设备的电平数据预测。
-
关键词
合并单元
时序分析
差分整合移动平均自回归-支持向量机
长短期记忆网络
蛙跳算法
-
Keywords
merging unit
time series analysis
autoregressive integrated moving average-support vector machine(ARIMA-SVM)
long short-term memory(LSTM)
shuffled frog leaping algorithm(SFLA)
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
