-
题名基于混沌神经网络预测模型的最优控制决策及应用
被引量：8
- 1
-
-
作者
窦春霞
张淑清
-
机构
燕山大学电气工程学院
-
出处
《动力工程》
CAS
CSCD
北大核心
2004年第1期68-72,共5页
-
基金
国家自然基金项目(No.60102002)
河北省基金项目(No.6011224)
霍英东基金项目(No.81057)
-
文摘
为了实现非线性、大时滞系统的自适应控制,首先根据具有混沌特性的非线性、大时滞系统的时序列重构相空间,计算出相空间的饱和嵌入维数和最大Lyapunov指数,并以此为指导,建立混沌神经网络预测模型,该模型即便在网络输入不完整或发生变异的情况下,仍能对系统作高精度的短期预测;在此基础上,将预测模型的输出通过反馈校正,再将校正误差和控制增量引入性能函数最优,最后得到最优控制决策,实现了对非线性、大时滞系统高精度的自适应控制。最后将预测控制决策应用到非线性、大时滞的锅炉过热汽温控制中,仿真结果表明了该控制的有效性、快速性和鲁棒性。
-
关键词
自动控制理论
最优预测控制决策
混沌神经网络预测模型
非线性大时滞系统
适应控制
鲁棒性
-
Keywords
automatic control theory
optimal forecast control
chaos neural network forecast model
nonlinear big-lagged system
adaptive control
robustness
-
分类号
O211.61
[理学—概率论与数理统计]
TP273
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名小波和混沌神经网络在大坝变形预测中的应用
被引量：10
- 2
-
-
作者
康传利
陈洋
张临炜
时满星
顾峻峰
-
机构
广西空间信息与测绘重点实验室
桂林理工大学测绘地理信息学院
-
出处
《人民黄河》
CAS
北大核心
2020年第3期101-104,116,共5页
-
基金
国家自然科学基金资助项目(41461089,41541032)
广西空间信息与测绘重点实验室基金项目(桂科能1638025-26,163802515,151400720)
+1 种基金
广西高校科学技术研究项目(KY2015YB126)
广西研究生教育创新计划项目(YCSW2017155)
-
文摘
大坝是复杂的变形系统,其变形表现为动态非线性,也存在混沌现象。为充分利用大坝变形监测位移时间序列,实现位移单变量情况下的准确预测,提出了一种小波和混沌神经网络预测新方法,首先对大坝位移变形监测数据进行小波分解,其次对分解后的平滑信号进行傅里叶函数拟合预测,再对细节信号进行软阈值去噪和混沌神经网络预测,最后将预测信号进行小波重构。通过工程实例对比分析了小波和混沌神经网络预测新方法、神经网络模型、多元回归模型在大坝位移变形预测中的精度。结果表明,小波和混沌神经网络预测方法的预测精度最高,可以应用于大坝变形预测。
-
关键词
相空间重构
LYAPUNOV指数
小波分解和重构
小波去噪
混沌神经网络预测
大坝变形
-
Keywords
phase space reconstruction
Lyapunov index
wavelet decomposition and reconstruction
wavelet denoising
chaotic neural net⁃work prediction
dam deformation
-
分类号
TV698.1
[水利工程—水利水电工程]
-
-
题名混沌理论支持下的桥梁变形监测研究
被引量：7
- 3
-
-
作者
许章平
栾元重
刘中华
崔腾飞
相涛
-
机构
山东科技大学测绘科学与工程学院
-
出处
《测绘通报》
CSCD
北大核心
2019年第6期41-46,共6页
-
基金
山东省重点研发计划(2017GSF220010)
-
文摘
针对桥墩的非线性下沉问题,引入了混沌理论。采用改进的C-C算法计算时间序列的时间延迟τ,采用改进的G-P算法计算最佳嵌入维数m,进行相空间重构,并与传统算法对比抗干扰性,计算效率等得到了改善,运用Lvyapunov指数判别该时间序列的混沌特性;最后根据所求参数建立加权一阶局域预计模型和RBF神经网络混沌预计模型,分别对观测数据进行预计分析,将混沌时间预测结果与指数平滑法预测结果进行对比分析。得出混沌时间预测精度高于指数平滑法预测精度,RBF神经网络混沌预计模型的预计精度最高,证明混沌时间序列预计精度可靠,能够实时对桥身变形进行监测,避免灾害的发生。
-
关键词
混沌时间序列
混沌识別
加权一阶局域预测
RBF神经网络混沌预测
-
Keywords
chaotic time series
chaotic identification
weighted first order local
RBF neural network model
-
分类号
P258
[天文地球—测绘科学与技术]
-
