期刊导航
期刊开放获取
重庆大学
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于指数加权-核在线序列极限学习机的混沌系统动态重构研究
被引量：
3
1
作者
李军
后新燕
《物理学报》
SCIE
EI
CAS
CSCD
北大核心
2019年第10期27-39,共13页
利用指数加权在线核序列极限学习机(exponential weighted online sequential extreme learning machine with kernel, EW-KOSELM)辨识算法,开展了针对混沌动力学系统的动态重构研究. EW-KOSELM算法将核递归最小二乘(kernel recursive l...
利用指数加权在线核序列极限学习机(exponential weighted online sequential extreme learning machine with kernel, EW-KOSELM)辨识算法,开展了针对混沌动力学系统的动态重构研究. EW-KOSELM算法将核递归最小二乘(kernel recursive least squares, KRLS)算法直接延伸至在线ELM (extreme learning machine)框架中,通过引入遗忘因子削弱了旧数据的影响,并基于"固定预算(fixed-budget, FB)"内存技术,应对在线核学习算法所固有的规模不断增长的计算困难.将所提辨识算法应用于Duffing-Ueda振子的混沌动力学系统数值仿真实例中,对基于FB-EW-KOSELM的辨识模型与原系统的动态性能进行了定性与定量的分析校验,定性校验准则是基于对比辨识模型与原系统吸引子(轨迹嵌入)、庞加莱映射、分岔图、极限环完成的,定量校验准则包括对比辨识模型与原系统的李雅普诺夫指数与关联维.进一步将其分别应用于来自测量蔡氏电路产生双涡卷吸引子与螺旋吸引子的实测数据实验及某一实际混沌电路所产生的时间序列中,对于具有低信噪比的实测电压或电流数据还需进行了小波降噪预处理.通过分析辨识模型重构吸引子,实验结果表明,FB-EW-KOSELM算法具有良好的动态重构性能,能精确地再生出展示混沌动态行为的过程非线性模型,且具有与原混沌系统非常接近的动态不变性指标.
展开更多
关键词
动态重构
混沌系统
核
方法
指数加权
在线
序列
极限
学习
机
下载PDF
职称材料
基于在线滚动序列核极限学习机的涡轴发动机非线性模型预测控制
被引量：
2
2
作者
王宁
潘慕绚
黄金泉
《航空发动机》
北大核心
2018年第5期44-50,共7页
针对涡轴发动机控制系统设计,提出了1种基于在线滚动序列核极限学习机的非线性模型预测控制方法。综合考虑直升机旋翼扭矩、燃气涡轮转速、动力涡轮转速、涡轮级间温度和压气机喘振裕度等信息,设计具有较好实时性、精度和泛化能力的多...
针对涡轴发动机控制系统设计,提出了1种基于在线滚动序列核极限学习机的非线性模型预测控制方法。综合考虑直升机旋翼扭矩、燃气涡轮转速、动力涡轮转速、涡轮级间温度和压气机喘振裕度等信息,设计具有较好实时性、精度和泛化能力的多输出在线滚动序列核极限学习机作为预测模型,引入预测模型输出与发动机输出的误差进行反馈校正,利用序列二次规化算法在线求解包含限制约束的预测控制问题。在某型直升机/涡轴发动机综合平台的仿真环境中进行了直升机大幅度机动飞行仿真验证,结果表明:该模型预测控制器相比于传统串级控制具有更好的控制品质,可显著降低动力涡轮转速超调/下垂量。
展开更多
关键词
控制系统
核
极限
学习
机
在线
滚动
序列
非线性模型预测控制
涡轴发动
机
下载PDF
职称材料
基于极限学习机的在线参数更新方法及工业应用
被引量：
2
3
作者
王再辰
程辉
赵亮
《现代电子技术》
2023年第22期126-130,共5页
针对乙烯裂解炉结焦导致裂解炉机理改变,从而引起的模型预测不准确问题,提出一种带有遗忘因子的在线序列简化核极限学习机算法(FOS-RKELM)。该算法基于在线序列的简化核极限学习机,数据可以在线实时添加到网络中,从而提高模型的适应度;...
针对乙烯裂解炉结焦导致裂解炉机理改变,从而引起的模型预测不准确问题,提出一种带有遗忘因子的在线序列简化核极限学习机算法(FOS-RKELM)。该算法基于在线序列的简化核极限学习机,数据可以在线实时添加到网络中,从而提高模型的适应度;通过引入遗忘因子提高最近学习数据对模型的贡献,增强模型在线学习的能力;引入聚类算法优化、简化核极限学习机(RKELM),提高算法的稳定性。结果表明:所提算法在Mackey-Glass时滞混沌序列上取得了较好的预测效果;在乙烯产物收率预测问题上,与在线序列简化核极限学习机(OS-RKELM)、简化核极限学习机(RKELM)、BP神经网络和径向基学习机(RBF)算法相比,该算法平均绝对误差显著减小,证明了该算法的有效性。
展开更多
关键词
在线
序列
简化
核
极限
学习
机
(
os-rkelm
)
简化
核
极限
学习
机
(RKELM)
遗忘因子
在线
序列
参数更新
乙烯裂解炉
下载PDF
职称材料
题名
基于指数加权-核在线序列极限学习机的混沌系统动态重构研究
被引量：
3
1
作者
李军
后新燕
机构
兰州交通大学自动化与电气工程学院
出处
《物理学报》
SCIE
EI
CAS
CSCD
北大核心
2019年第10期27-39,共13页
基金
国家自然科学基金(批准号:51467008)
光电技术与智能控制教育部重点实验室(兰州交通大学)开放课题(批准号:KFKT2016-3)资助的课题~~
文摘
利用指数加权在线核序列极限学习机(exponential weighted online sequential extreme learning machine with kernel, EW-KOSELM)辨识算法,开展了针对混沌动力学系统的动态重构研究. EW-KOSELM算法将核递归最小二乘(kernel recursive least squares, KRLS)算法直接延伸至在线ELM (extreme learning machine)框架中,通过引入遗忘因子削弱了旧数据的影响,并基于"固定预算(fixed-budget, FB)"内存技术,应对在线核学习算法所固有的规模不断增长的计算困难.将所提辨识算法应用于Duffing-Ueda振子的混沌动力学系统数值仿真实例中,对基于FB-EW-KOSELM的辨识模型与原系统的动态性能进行了定性与定量的分析校验,定性校验准则是基于对比辨识模型与原系统吸引子(轨迹嵌入)、庞加莱映射、分岔图、极限环完成的,定量校验准则包括对比辨识模型与原系统的李雅普诺夫指数与关联维.进一步将其分别应用于来自测量蔡氏电路产生双涡卷吸引子与螺旋吸引子的实测数据实验及某一实际混沌电路所产生的时间序列中,对于具有低信噪比的实测电压或电流数据还需进行了小波降噪预处理.通过分析辨识模型重构吸引子,实验结果表明,FB-EW-KOSELM算法具有良好的动态重构性能,能精确地再生出展示混沌动态行为的过程非线性模型,且具有与原混沌系统非常接近的动态不变性指标.
关键词
动态重构
混沌系统
核
方法
指数加权
在线
序列
极限
学习
机
Keywords
dynamic reconstruction
chaotic system
kernel method
exponential weighted online sequential extreme learning machine
分类号
O415.5 [理学—理论物理]
TP18 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于在线滚动序列核极限学习机的涡轴发动机非线性模型预测控制
被引量：
2
2
作者
王宁
潘慕绚
黄金泉
机构
南京航空航天大学能源与动力学院
出处
《航空发动机》
北大核心
2018年第5期44-50,共7页
基金
南京航空航天大学研究生创新基地(实验室)开放基金(No.kfjj20160211)资助
文摘
针对涡轴发动机控制系统设计,提出了1种基于在线滚动序列核极限学习机的非线性模型预测控制方法。综合考虑直升机旋翼扭矩、燃气涡轮转速、动力涡轮转速、涡轮级间温度和压气机喘振裕度等信息,设计具有较好实时性、精度和泛化能力的多输出在线滚动序列核极限学习机作为预测模型,引入预测模型输出与发动机输出的误差进行反馈校正,利用序列二次规化算法在线求解包含限制约束的预测控制问题。在某型直升机/涡轴发动机综合平台的仿真环境中进行了直升机大幅度机动飞行仿真验证,结果表明:该模型预测控制器相比于传统串级控制具有更好的控制品质,可显著降低动力涡轮转速超调/下垂量。
关键词
控制系统
核
极限
学习
机
在线
滚动
序列
非线性模型预测控制
涡轴发动
机
Keywords
control system
KELM
online sliding sequence
NMPC
turbo-shaft engine
分类号
V233.7 [航空宇航科学与技术—航空宇航推进理论与工程]
下载PDF
职称材料
题名
基于极限学习机的在线参数更新方法及工业应用
被引量：
2
3
作者
王再辰
程辉
赵亮
机构
华东理工大学能源化工过程智能制造教育部重点实验室
出处
《现代电子技术》
2023年第22期126-130,共5页
基金
国家自然科学基金面上项目:化学过程生命周期评价与多目标鲁棒优化方法及其应用(22178103)。
文摘
针对乙烯裂解炉结焦导致裂解炉机理改变,从而引起的模型预测不准确问题,提出一种带有遗忘因子的在线序列简化核极限学习机算法(FOS-RKELM)。该算法基于在线序列的简化核极限学习机,数据可以在线实时添加到网络中,从而提高模型的适应度;通过引入遗忘因子提高最近学习数据对模型的贡献,增强模型在线学习的能力;引入聚类算法优化、简化核极限学习机(RKELM),提高算法的稳定性。结果表明:所提算法在Mackey-Glass时滞混沌序列上取得了较好的预测效果;在乙烯产物收率预测问题上,与在线序列简化核极限学习机(OS-RKELM)、简化核极限学习机(RKELM)、BP神经网络和径向基学习机(RBF)算法相比,该算法平均绝对误差显著减小,证明了该算法的有效性。
关键词
在线
序列
简化
核
极限
学习
机
(
os-rkelm
)
简化
核
极限
学习
机
(RKELM)
遗忘因子
在线
序列
参数更新
乙烯裂解炉
Keywords
online sequence simplified kernel extreme learning machine
reduced kernel extreme learning machine
forgetting factor
online sequence
parameter updates
ethylene cracking furnace
分类号
TN911.23-34 [电子电信—通信与信息系统]
TP273 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于指数加权-核在线序列极限学习机的混沌系统动态重构研究
李军
后新燕
《物理学报》
SCIE
EI
CAS
CSCD
北大核心
2019
3
下载PDF
职称材料
2
基于在线滚动序列核极限学习机的涡轴发动机非线性模型预测控制
王宁
潘慕绚
黄金泉
《航空发动机》
北大核心
2018
2
下载PDF
职称材料
3
基于极限学习机的在线参数更新方法及工业应用
王再辰
程辉
赵亮
《现代电子技术》
2023
2
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
