期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于MI-Granger-NARX融合模型的铁路网规模测算方法 被引量:3
1
作者 钱名军 李引珍 +1 位作者 何瑞春 曾海军 《铁道学报》 EI CAS CSCD 北大核心 2021年第1期28-38,共11页
铁路网的建设进程应与经济社会发展保持适度匹配,其路网规模受人口资源、经济社会、交通政策和运营组织等因素影响,具有动态、时滞、非线性的复杂特征。首先,在不依赖先验信息的情况下,运用互信息法对人均GDP、全社会货运量、旅客周转量... 铁路网的建设进程应与经济社会发展保持适度匹配,其路网规模受人口资源、经济社会、交通政策和运营组织等因素影响,具有动态、时滞、非线性的复杂特征。首先,在不依赖先验信息的情况下,运用互信息法对人均GDP、全社会货运量、旅客周转量等12项影响铁路网规模的指标进行互信息计算。接着,运用Granger因果检验对初选指标进一步筛选,获得7项最具解释力的指标。然后,利用NARX良好的学习记忆与延迟反馈功能构建测算模型,以筛选所得7项指标作为自变量输入、铁路网里程序列作为因变量自回归输入测算铁路网里程。最后,将本模型与传统BP、NAR和单一NARX等神经网络模型的测算结果进行验证、对比。结果表明本模型解释能力更强、泛化能力更好和结果精度更高。 展开更多
关键词 铁路网规模 互信息 GRANGER因果关系检验 narx 多元时间序列预测
在线阅读 下载PDF
可重构功放的新颖NARX神经网络逆向建模研究 被引量:1
2
作者 南敬昌 臧净 +1 位作者 高明明 胡婷婷 《微波学报》 CSCD 北大核心 2019年第5期51-56,共6页
针对使用CAD软件设计射频微波电路繁琐且耗时长等缺点,提出一种新颖的带外部输入的非线性自回归(NARX)神经网络逆向建模方法。此方法采用具有激励函数的NARX神经网络(DAFNN)为模型以提高网络的泛化能力,利用支持向量机(SVM)替代模型的... 针对使用CAD软件设计射频微波电路繁琐且耗时长等缺点,提出一种新颖的带外部输入的非线性自回归(NARX)神经网络逆向建模方法。此方法采用具有激励函数的NARX神经网络(DAFNN)为模型以提高网络的泛化能力,利用支持向量机(SVM)替代模型的前馈部分完成数据分类,解决设计中的多解问题。然后应用于可以覆盖多个频段的可重构功率放大器中,实验表明,该方法在精度方面分别优于直接逆向建模方法和自适应η逆向建模方法99.86%和81.32%,计算速度方面优于直接逆向建模方法31.72%,可以降低射频微波可重构功率放大器的设计复杂度、缩短其设计时间。 展开更多
关键词 带外部输入的非线性自回归(narx)神经网络 逆向建模 DAFNN神经元模型 支持向量机 可重构功率放大器
在线阅读 下载PDF
基于NARX的SI发动机空燃比非线性模型预测控制
3
作者 赵谨 石屹然 石要武 《吉林大学学报(信息科学版)》 CAS 2016年第2期218-228,共11页
针对SI(Spark Ignition)发动机空燃比(AFR:Air-Fuel Ratio)控制精度低、无法自适应等问题,提出了基于NARX(Nonlinear Auto Regressive model with e Xogenous inputs)模型的非线性模型预测控制(NMPC:Nonlinear Model Predict Control)... 针对SI(Spark Ignition)发动机空燃比(AFR:Air-Fuel Ratio)控制精度低、无法自适应等问题,提出了基于NARX(Nonlinear Auto Regressive model with e Xogenous inputs)模型的非线性模型预测控制(NMPC:Nonlinear Model Predict Control)方法。利用渐消记忆递推最小二乘(RLS:Recursive Least Squares)算法对NARX模型进行辨识,基于NARX模型对SI发动机的AFR进行非线性模型预测控制。该方法辨识精度高,可通过NARX模型数学结构直接计算最优控制序列,从而提高系统的控制精度。同时,采用Matlab对均值发动机模型(MVEM:Mean Value Engine Model)进行仿真实验,并与采用Volterra模型的PI(Proportional Integral)控制器算法进行对比。仿真结果证明,该算法控制效果比基于Volterra模型和传统的PI控制器的控制效果超调量小,调节时间短,更加具有工程实际应用性。 展开更多
关键词 narx模型 模型辨识 非线性模型预测控制 空燃比
在线阅读 下载PDF
变风量空调系统用非线性模型预测控制方法研究 被引量:12
4
作者 陈炯德 王子轩 +3 位作者 姚晔 王绍凡 冯静梅 赵鹏生 《制冷学报》 CAS CSCD 北大核心 2019年第6期62-69,共8页
在工业HVAC系统中,为了提高在大扰量下的控制精度,模型预测控制(MPC)被广泛应用。本文提出一种用于变风量(VAV)系统的非线性MPC。该非线性MPC采用具有外部输入的非线性自回归网络(NARX)和粒子群优化算法(PSO)。NARX模型旨在预测VAV系统... 在工业HVAC系统中,为了提高在大扰量下的控制精度,模型预测控制(MPC)被广泛应用。本文提出一种用于变风量(VAV)系统的非线性MPC。该非线性MPC采用具有外部输入的非线性自回归网络(NARX)和粒子群优化算法(PSO)。NARX模型旨在预测VAV系统的受控参数(室温),PSO作为优化器,来获得VAV系统的最优控制变量。通过为成本函数的目标分配不同的权值,本文提出的非线性MPC能权衡VAV系统的控制精度和节能需求,以达到不同的控制效果。不同权值的两种方案在实验室的VAV系统中得到了验证,其中方案1仅考虑控制精度,方案2同时考虑了控制精度和节能性。分别将实验得到的两种方案的MPC的控制效果与基于PI控制器的定静压方法进行对比,实验结果表明:基于MPC的方案1可以实现室温稳定在设定值±0.5℃的控制精度范围;基于MPC的方案2显示出更好的节能特性,与定静压方法对比,节能率达到23.7%。 展开更多
关键词 非线性模型预测控制 变风量系统 神经网络模型 粒子群优化
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部