文献

J-GLOBAL ID：201802242725777298   整理番号：18A0889629

改良PSO-RBFニューラルネットワークの結合アルカリへの適用【JST・京大機械翻訳】

Application of improved PSO-RBF neural network in the synthetic ammonia decarbonization

著者 (4件)： Li Yongwei (河北科技大学電气工程学院,河北石家庄,050018) ,  Li Yuman (河北科技大学電气工程学院,河北石家庄,050018) ,  Wang Hongfei (河北科技大学電气工程学院,河北石家庄,050018) ,  Li Liming (河北科技大学党政弁公室,河北石家庄,050018)
資料名： Hebei Keji Daxue Xuebao  (Hebei Keji Daxue Xuebao)
巻： 38  号： 6  ページ： 578-584  発行年： 2017年 
JST資料番号： C3220A  ISSN： 1008-1542  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 連成アルカリプロセスは典型的な複雑な工業プロセスであり、時変、非線形、不確定性などの特徴があり、オンライン制御モデルは確立しにくい。複雑な産業プロセスの制御精度が低く,ロバスト性が悪いという問題に照準を定め,改良PSO-RBFニューラルネットワーク制御アルゴリズムを提案した。粒子群最適化(PSO)と動径基底関数ニューラルネットワーク(RBFNN)を組み合わせて,RBFニューラルネットワークの隠れ層基底関数の中心,幅,および出力層の結合重みづけを改良PSOアルゴリズムによって最適化し,RBFニューラルネットワークモデルを改良PSOアルゴリズムによって最適化した。改良PSO-RBFニューラルネットワーク制御モデルを,結合アルカリ化のキー工程の炭化プロセスに適用し,そして,以前のファジィニューラルネットワーク制御モデルと比較して,改良PSO-RBFニューラルネットワーク制御アルゴリズムを,シミュレーション研究を通して,検証した。そして,結果は,改良PSO-RBFニューラルネットワーク制御アルゴリズムが,より効率的であったことを示した。。・・・..改良PSO-RBFニューラル・ネットワーク制御モデルの利用は,改良PSO-RBFニューラル・ネットワーク制御モデルの利用を例証する。..改良PSO-RBFニューラル・ネットワーク制御モデルの利用は,改良PSO-RBFニューラルネットワーク制御モデルの使用によって,改良PSO-RBFニューラルネットワーク制御モデルの結果である。制御精度とシステムのロバスト性は効果的に改善され,複雑な産業プロセスのモデリングと最適化制御の研究のための有効な技術アプローチを提供する。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： ロバスト性 ,  最適制御 ,  モデリング ,  不確実性 ,  重みづけ ,  ファジィニューラルネットワーク ,  基底関数 ,  最適化 ,  *ニューラルネットワーク ,  シミュレーション
準シソーラス用語： 制御モデル ,  ニューラルネットワーク制御 ,  動径基底関数ニューラルネットワーク ,  粒子群最適化 ,  制御アルゴリズム , 【Automatic Indexing@JST】

著者キーワード (5件)： automated technology applications ,  the synthetic ammonia decarbonization ,  PSO ,  RBF neural network ,  optimal control

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (1件)： アルカリ