摘要：在复杂机电系统多故障并发情形下,面向单一故障的诊断方法难以辅助维修人员决策,容易产生误诊和漏诊的问题。本文提出一种面向复杂机电系统多故障并发下的故障诊断方法,引入损失函数,用elman网络对故障类型进行初判,改良结合纠错输出码与支持向量机(ECOC-SVM)的分类器设计,对elman网络识别的故障类型进行筛选,实现可能故障原因在线推送。本文收集来自某船用发动机公司售后维修部的真实数据,针对某类型的船用发动机,以其故障诊断过程为例进行实验,验证本文提出的方法有显著优势,结果表明:本文提出的分类算法,在提高复杂机电系统并发故障的诊断效率和诊断质量方面,性能优于常用机器学习分类方法。

摘要：稳像平台速度环的性能直接影响成像质量,本文提出了一种基于elman网络和PD复合控制的自适应逆控制算法。通过对elman网络模型和控制对象的分析,设计了独立的指令跟踪回路和干扰抑制回路,并将逆控制和PD复合控制思想应用在干扰抑制回路中,实现了elman网络在线学习和对被控对象的在线辨识。仿真实验结果表明,该方法能有效克服系统慢时变、干扰等非线性因素的影响,增强系统的鲁棒性。

摘要：针对用于快速传递对准的Kalman滤波器阶数高,计算量大,滤波更新率低,鲁棒性差及对准精度不高等问题,采用联合强跟踪Kalman滤波器进行快速传递对准。提出一种基于模糊加权系数的误差方差阵估计方法,以提高传统强跟踪Kalman滤波算法的精度。在此基础上,设计了联合强跟踪Kalman滤波器的结构和算法。基于提高无故障子滤波器的鲁棒性来提高联合滤波器的快速重构能力考虑,同时兼顾子滤波器的精度和计算稳定性,提出利用改进的elman网络进行信息分配系数的自适应调节,以实现融合信息在各子系统中的自适应分配。仿真结果表明,该滤波器不仅提高了解算速度,而且提高了系统对准精度、故障鲁棒性和快速重构能力。

摘要：针对一类单输入单输出高阶非线性控制系统,提出一种基于滑模思想和elman网络的操作条件反射(OCR)学习控制方法.该方法采用elman网络构造滑模面-行为对的评价函数,通过滑模面的变化设计奖赏函数,根据奖赏信号更新评价函数,实现行为选择概率的更新.通过每轮次熵的定义,定量分析了所学知识的变化量.针对行走倒立摆系统的仿真实验结果表明,采用该仿生的OCR学习控制方法,可实现行走倒立摆的平衡控制.

摘要：目前采用传统故障诊断方法对复杂系统进行故障诊断时,还存在许多缺点,尤其在多故障同时发生的情况下,传统故障诊断方法难以准确定位故障点。为此,基于elman神经网络,结合故障字典法,设计了一种基于elman网络的综合故障诊断方法。为验证该方法的准确性,以某型飞机自动驾驶仪飞控盒的几种主要故障为诊断源,仿真研究了所设计的综合故障诊断方法。仿真结果表明,与传统故障诊断方法相比,所设计的基于elman网络的综合故障诊断方法在进行多故障诊断中对故障的准确定位是有效的和快速的。

摘要：针对多管火箭炮发射时恶劣的负载特性,如不平衡力矩的大范围变化以及强大的燃气流冲击,设计了一种基于改进elman网络的自适应位置控制器。在原elman网络中增加输出层关联单元,并把自反馈增益系数当作连接权值投入到网络的训练中,利用改进elman网络根据火箭炮跟踪发射过程中的负载特性实时调整PID控制参数,以减小系统参数变化和外部扰动对火箭炮发射性能的影响。仿真及实验结果表明该方法可有效提高火箭炮位置伺服系统的稳定性和抗干扰能力。

摘要：简要介绍了BP网络与elman网络，建立了燃气负荷模型，并利用Matlab软件采用两种神经网络分别对燃气小时负荷进行预测，仿真结果表明在采样点较少，不考虑外部干扰时，在精度上elman网络明显优于BP网络。

摘要：本文在线性最优励磁控制的基础上,将线性最优控制理论与改进elman神经网络有机结合,设计了一种新型的基于改进elman网络(Modified elman Neural Network)的最优励磁控制器。由于elman网络具有特殊结构层,形成有“记忆”能力的神经网络的特点,并在原有结构上将高斯径向基函数引入elman网络隐含层,因此可以更好地映射系统的非线性和动态特性。对单机无穷大系统进行仿真研究的结果表明,所设计的控制方式能精确地反映系统动态变化过程并提供良好的电压调节性能。

摘要：为了快速和实时地从具有强噪声的较低信噪比的原始信号中检测出有用信息,设计了一种混沌相空间重构理论和elman神经网络的信号检测方法;首先,描述了采用混沌相空间重构理论对原始信号进行重构的原理和方法,在获取重构的时间序列的基础上,采用elman网络来近似表示用于检测信号的函数型,然后,设计了elman网络中各层之间连接权值的计算方式,并提出了采用elman网络进行信号检测的具体过程,最后给出了采用混沌相空间重构理论和elman网络的信号检测模型;对Lorenz混沌系统模型进行仿真实验,结果证明了文章方法能有效地对瞬时信号和周期性信息进行检测,在具有高斯白噪声的情况下,仍然具有降噪效果好的优点,是一种用于信号检测的可行性方法。

摘要：针对锅炉燃烧系统非线性、多变量、大延时、强耦合等特点,将预测控制和改进型elman神经网络相结合,提出了一种基于改进型elman网络的预测控制算法。该算法可以克服传统PID控制方法对多变量对象控制效果差、抗干扰能力弱等缺点。选取链条炉燃烧系统作为研究对象,仿真结果表明:该算法具良好的控制效果和较强的抗干扰能力。