文献

J-GLOBAL ID：202002271379069950   整理番号：20A0814858

長期短期記憶ニューラルネットワークに基づくスクロール膨張機のモデリング【JST・京大機械翻訳】

Modeling of Scroll Expander Based on Long Short-Term Memory Neural Network

著者 (5件)： Zheng Tianyou (Shandong University,School of Control Science and Engineering,Jinan,China,250061) ,  Li Ke (Shandong University,School of Control Science and Engineering,Jinan,China,250061) ,  Ma Xin (Shandong University,School of Control Science and Engineering,Jinan,China,250061) ,  Qu Chao (Shandong University,School of Control Science and Engineering,Jinan,China,250061) ,  Zhang Chenghui (Shandong University,School of Control Science and Engineering,Jinan,China,250061)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： CAC  ページ： 732-736  発行年： 2019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： 適切なモデリングは,スクロール膨張機の最適制御の前提と基礎である。本論文は,深い学習に基づくスクロール膨張機のモデリング方法を提案した。本方法は,モデル入力としてスクロール膨張機の入口圧力,回転速度および入口温度を選択し,出力トルクおよび出口体積流量を出力として選択した。Butterworthフィルタによるデータにおける総誤差の処理;最後に,長い短期記憶(LSTM)ニューラルネットワークを用いて,スクロール拡張器ニューラルネットワークモデルを得るためのデータを訓練した。LSTMニューラルネットワークは,再帰ニューラルネットワークにおける消失勾配問題を効果的に克服する。したがって,予測値とモデル出力の測定値の間の誤差は小さく,それは工学制御要求を満たす。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 回転数 ,  流量 ,  最適制御 ,  *ニューラルネットワーク ,  Butterworthフィルタ
準シソーラス用語： 神経回路網モデル ,  *膨張機 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 長期 ,  短期記憶 ,  ニューラルネットワーク ,  スクロール ,  膨張機 ,  モデリング