能源短缺和环境问题已成为本世纪全球面临的最重要课题，作为一种新的能源形式，固体氧化物燃料电池（SOFC）技术日益受到重视。由于现有的SOFC模型过于复杂，难以满足工程上对SOFC系统实时控制的需求，提出利用粒子群算法（PSO）优化径向基函数（RBF）神经网络，从而实现对SOFC的建模。PSO对RBF神经网络的中心值和连接权值进行优化，提高了网络的泛化性能，使其非线性逼近能力更强，从而达到精确模型的目的。仿真实验验证了粒子群算法在SOFC建模的有效性。
2022-02-16 14:14:37
871KB
1
ELM神经网络结构优化与辨识，李晓理 ，李晓理 ，本文通过针对钢厂矿渣微粉比表面积与选粉机转速之间关系的辨识优化,以及单容水箱水位的辨识优化两个实例来具体探索ELM神经网络隐��
2021-12-26 10:02:22
919KB
1
应用流体力学原理对三容水箱液位系统进行分析，并在不同的工作点对水箱系统建立机理模型。基于不同的模型结构：线性模型、BP神经网络模型、非线性Hammerstein ARMAX模型，利用测量到的输入输出数据辨识对象的模型参数，对水箱系统建立数学模型，并通过仿真检验模型的有效性。不同的模型结构和相应参数及其辨识方法将对控制系统的设计具有很强的指导意义。
2021-06-17 13:14:22
205KB
1
基于BP神经网络对带有噪声的二阶系统的辨识预测，采用典型的三层网络拓扑结构即输入层、隐含层和输出层，利用最小均方误差和梯度下降法，通过误差的反向传播来不断调整系统的权值阈值，使网络输出不断地逼近实际系统的输出，仿真结果表明BP网络达到了预期辨识的精度效果，实现了非线性系统的辨识预测。
2019-12-21 22:08:04
64KB
1