文献

J-GLOBAL ID：201802243178846285   整理番号：18A1458242

RBFニューラルネットワーク理論のディーゼルエンジン制御への応用【JST・京大機械翻訳】

An application of RBF neural network theory in diesel engine control

著者 (6件)： Song Enzhe (哈爾浜工程大学動力与能源工程学院,黒竜江哈爾浜,150001) ,  Wang Yuyuan (哈爾浜工程大学動力与能源工程学院,黒竜江哈爾浜,150001) ,  Ding Shunliang (哈爾浜工程大学動力与能源工程学院,黒竜江哈爾浜,150001) ,  Yao Chong (哈爾浜工程大学動力与能源工程学院,黒竜江哈爾浜,150001) ,  Liu Jiangang (哈爾浜工程大学動力与能源工程学院,黒竜江哈爾浜,150001) ,  Ma Xiuzhen (哈爾浜工程大学動力与能源工程学院,黒竜江哈爾浜,150001)
資料名： Harbin Gongcheng Daxue Xuebao  (Harbin Gongcheng Daxue Xuebao)
巻： 39  号： 5  ページ： 908-914  発行年： 2018年 
JST資料番号： W1512A  ISSN： 1006-7043  CODEN： HGHPF2  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： 船舶用発電所のエンジン速度調整効果の問題を解決するために,RBFニューラルネットワーク理論に基づいて,ディーゼルエンジンのRBF-PID速度制御アルゴリズムを提案した。速度ループ制御装置の制御パラメータをリアルタイムに最適化し,RBFニューラルネットワークに及ぼす初期重みの影響は小さかった。突然の負荷の下で異なる初期重みに対して一連のシミュレーション計算を行い、D6114ディーゼル発電機で実験検証を行い、シミュレーション結果と実験結果と一致した。結果は,RBF-PID制御アルゴリズムに及ぼす初期重みの効果はBP-PID制御アルゴリズムのものより小さく,アルゴリズムのロバスト性はより強いことを示した。RBF-PID制御アルゴリズムは,従来のPIDより良い速度調整効果を得るのに使用できる。環境変化の際、その影響は更に小さいため、多くの時間を費やすことなく、ニューラルネットワークの訓練学習を行う必要がなく、二次発電所の精度指標を満たす。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 船舶 ,  最適化 ,  制御装置 ,  速度制御 ,  発電所 ,  アルゴリズム ,  シミュレーション ,  *ディーゼル機関 ,  学習 ,  *ニューラルネットワーク ,  ロバスト性
準シソーラス用語： ディーゼル発電機 ,  実時間 ,  制御アルゴリズム ,  *動径基底関数ニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (8件)： diesel engine ,  neural network ,  rotation speed ,  control ,  electronic governor ,  BP neural network ,  radial basis function ,  power station

分類 (2件)： システム設計・解析  (IA02030D) ,  その他の船舶  (QJ05030H)

タイトルに関連する用語 (4件)： RBFニューラルネットワーク ,  理論 ,  ディーゼルエンジン ,  応用