文献

J-GLOBAL ID：201702228176221169   整理番号：17A1349015

ニューラルネットワークを用いた電気油圧サーボ加振台のグレイボックス加速モデリング【Powered by NICT】

Gray-box acceleration modeling of an electro hydraulic servo shaking table with neural network

著者 (4件)： Righettini Paolo (Department of Engineering and Applied science Universit degli studi di Bergamo, Italy) ,  Strada Roberto (Department of Engineering and Applied science Universit degli studi di Bergamo, Italy) ,  Valilou Shirin (Department of Engineering and Applied science Universit degli studi di Bergamo, Italy) ,  Khademolama Ehsan (Department of Engineering and Applied science Universit degli studi di Bergamo, Italy)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： AIM  ページ： 1388-1392  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 多数システムの試験のための効果的な方法は,単一および多軸振動台を使用することである。可能な応用の中で,土木分野は構造物の試験,あるいはそれらの一部であり,高い自然動的力において顕著であった。しかし,油圧システムの非線形性と構造化および非構造化不確実性のために,正弦入力に関してこれらのシステムの加速度信号は歪んだ。本論文では,異なる周波数と振幅をもつ正弦波入力信号に関して単軸サーボ油圧振動台のグレーボックス加速モデルの同定に焦点を当てた。最初の,サーボ油圧システムの全システムモデルは流体力学的表現と定常状態摩擦に基づいて開発した。第二に,各入力周波数システムの摩擦,体積弾性率と漏れの未知パラメータは非線形最小二乗法に基づいて同定した。,同定されたパラメータは,動的フィードフォワードニューラルネットワークモデルを開発した。グレーボックスモデルは,入力信号の高調波と振幅を識別するためにオンライン短い高速Fourier変換高調波同定法を用いて,ニューラルネットワークモデルは,システムのパラメータを生成する。最後に,加速度信号とシミュレーションの実験結果の間の比較は,モデルの精度を実証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 構造物 ,  高速Fourier変換 ,  不確実性 ,  *モデリング ,  油圧システム ,  *ニューラルネットワーク ,  加速度 ,  高調波 ,  非線形性 ,  *油圧 ,  周波数 ,  システムモデル ,  構造形成
準シソーラス用語： 神経回路網モデル ,  入力信号 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： ニューラルネットワーク ,  油圧サーボ ,  加振台 ,  グレイ ,  ボックス ,  加速 ,  モデリング