导读:本文包含了对角递归神经网络论文开题报告文献综述、选题提纲参考文献，主要关键词:递归,神经网络,算法,粒子,永磁,控制器,负荷。
对角递归神经网络论文文献综述写法
彭熙伟,高瀚林[1]（2019）在《永磁同步电机的改进对角递归神经网络PI控制策略》一文中研究指出针对采用传统PI控制器的永磁同步电机交流伺服系统无法兼顾良好的速度响应性能和抗干扰能力的问题,提出一种将对角递归神经网络(DRNN)与PI控制相结合的控制算法,并引入学习率动态调整的思想对算法进行改进,解决固定学习率DRNN算法无法兼顾系统稳定性和较快学习速率的问题。建立永磁同步电机的仿真实验模型,并对传统PI控制器、固定学习率以及学习率可动态调整的DRNN-PI控制器的实验效果进行综合对比与分析,验证了采用改进后控制器的永磁同步电机交流伺服系统能够实现速度曲线无超调且不受负载转矩突变影响的良好控制效果。(本文来源于《电机与控制学报》期刊2019年04期）
徐建军,杜蔷楠,闫丽梅[2]（2017）在《基于对角递归神经网络的小区用电负荷预测研究》一文中研究指出为了提高小区用电负荷预测的准确度,在研究对角递归神经网络的基础上,分析比较几种优化算法,提出基于粒子群算法的对角递归神经网络预测方法。通过对小区用电负荷影响因素的分析以及对大量历史数据进行训练,最后经Matlab仿真分析,结果表明:该方法预测的准确度较高。(本文来源于《化工自动化及仪表》期刊2017年11期）
杜蔷楠[3]（2017）在《基于对角递归神经网络的智能小区用电负荷预测研究》一文中研究指出负荷分析是实现当地电力规划的前提和基础。在国家发展智能电网的大背景下,智能小区将是未来人们住宅小区呈现的主要形式,因此研究小区的用电负荷变化趋势以及特点具有重要的意义。目前供电企业对智能小区用电负荷的分析以及预测结果的精度在实际应用中并不是非常理想,主要原因是负荷本身会受到多种因素的影响而发生变化,所以不考虑干扰因素的简单预测对预测结果和数据分析来说准确度并不会很高。为了提高精度,基于原有的数据统计信息的采集模式和硬件设备,通过改变处理数据的方式来达到理想的效果。本文在研究了目前主要负荷预测方法的基础上,通过对智能小区用电负荷的影响因素、数据维度进行分析处理并以此作为理论,提出了一种适合智能小区用电负荷预测的分析方法。首先我们分析了与智能小区负荷变化相关的一些影响因素的特点,建立主要影响因素对智能小区用电负荷影响的灰关联分析模型,得到了主要参数与用电负荷的灰关联度,分析比较了用电量与各个影响因素的影响程度及其权重,分析结果表明小区用电量与大部分影响因素存在较强关联性,并且每个影响因素的影响关联度随季节、地域、时间段变化都有着明显的不同;其次,为提升后续负荷预测数据的处理速度,提出基于主成分分析方法的历史数据预处理方法,可以降低数据维度,不仅减少数据量、剔除冗余数据,提高了运算速度,而且避免数据量过少,保证运算精度。在进行负荷预测前,对数据降维处理以及影响因素分析的基础上,本文提出以对角递归神经网络算法为核心的智能小区用电负荷数据处理方法,以季节、常用电器、人口等影响因素为输入量,以小区用电负荷为输出量,通过对大量历史数据进行训练,并用粒子群算法优化了神经网络的权值,从而预测目标时段小区用电量,再与实际统计值进行对比,从而判断该预测模型的预测准确度。经过MATLAB仿真验证表明,本文提出的方法可以对小区的负荷做出准确度较高的预测,有效性得到了证实。(本文来源于《东北石油大学》期刊2017-05-01）
吕科,杨正才,赵宝[4]（2017）在《递归对角神经网络算法在汽车主动悬架控制系统中的研究》一文中研究指出考虑汽车主动悬架的控制效果,应用汽车系统动力学理论建立七自由度整车悬架模型;采用电磁阀式减振器技术方案,对主动悬架控制系统进行了总体方案设计;在递归对角神经网络算法的基础上构建了主动悬架控制器,利用遗传算法进行神经网络权值训练。Simulink和d SPACE实时硬件在环联合仿真结果表明:在间歇颠簸路面激励作用下,对车身垂向加速度、轮胎动行程所进行的仿真分析,以及对车辆座椅进行的振动分析,都说明该算法对主动悬架具有较明显的控制效果,较好地提高了行驶平顺性和操纵稳定性。(本文来源于《燕山大学学报》期刊2017年01期）
宋怡霖,陈新楚,郑松[5]（2016）在《基于对角递归神经网络的控制系统》一文中研究指出针对角递归神经网络具有结构简单、收敛速度快,可广泛用于非线性系统的辨识与控制的特点.基于工业自动化通用技术平台(IAP),采用图形化控制策略组态技术开发了一套基于对角递归神经网络的控制系统,该系统具有基于参考模型跟踪的控制结构,可快速自适应地调整控制器参数.仿真实验结果表明,基于对角递归神经网络的控制系统控制精度高、稳定性好,可成为处理复杂工业过程,尤其是解决不确定和非线性领域问题的有效工具.(本文来源于《福州大学学报(自然科学版)》期刊2016年06期）
宋怡霖,陈新楚,郑松[6]（2016）在《对角递归神经网络在控制系统中的应用现状分析》一文中研究指出工业过程控制系统中的控制对象往往具有多变量强耦合、不确定、非线性等特征,解决这类控制问题的有效方法是采用先进控制技术,或在常规控制的基础上迭加先进控制的补偿分量。以对角递归神经网络控制器为研究对象,分析了该控制器的结构特点和学习算法,探讨对角递归神经网络技术的应用现状与工程实现中的相关问题,并提出了先进控制与常规控制同构组态的解决方法。(本文来源于《电气自动化》期刊2016年02期）
丁惜瀛,王春强,李琳[7]（2015）在《基于对角递归神经网络的汽车主动悬架控制》一文中研究指出为了提高电动汽车行驶平顺性及操纵稳定性,针对电动汽车悬架进行振动分析,建立了七自由度汽车电动主动悬架模型,设计四轮全驱电动汽车电动主动悬架结构及其控制系统.重点针对电动汽车主动悬架特点设计对角递归神经网络(DRNN)控制器,选取车身垂向加速度、悬架动行程和轮胎动行程作为神经网络控制器输入,采用梯度下降法对神经网络权值进行在线调整.仿真结果表明,具有DRNN控制器的电动主动悬架控制效果较PID控制主动悬架和被动悬架有显着提高,有效改善了汽车行驶平顺性及操纵稳定性,也说明所设计的控制策略在电动汽车电动主动悬架控制方面的有效性.(本文来源于《沈阳工业大学学报》期刊2015年01期）
陶平,肖超[8]（2013）在《基于对角递归神经网络的在线自整定解耦控制算法(英文)》一文中研究指出为了解决控制系统中一个回路参数变化导致其他回路的运行参数改变,提出了一种基于DRNN的在线自整定解耦控制算法。以某被控对象温湿度控制为例构建了数学模型,分析了系统变量之间的耦合关系,设计了解耦网络。将存在耦合关系的多变量控制系统变换为独立的单变量控制系统,以消除相关控制通道之间的影响。基于所提出的对角递归神经网络解耦算法进行了系统仿真实验。系统仿真响应显示:经过解耦后的温湿控制2个通道相互之间影响很小,实现了耦合变量的解耦。仿真研究结果表明:提出的解耦控制算法是可行与合理的。(本文来源于《机床与液压》期刊2013年12期）
李占英,王科俊,徐亮,姚丽君[9]（2012）在《混沌对角递归神经网络的船舶横摇预报方法》一文中研究指出船舶运动在一定条件下会出现混沌特性,因此可以利用混沌神经网络对其进行预报.对传统的混沌对角递归神经网络模型各权值的训练进行优化,给出了基于Lyapunov函数的各层权所通用的学习速率调整算法的收敛定理并加以证明.仿真结果表明,采用优化采样时刻可提高各权值的精确度,使收敛性得到改善,能有效提高预报精度和延长预报时间.与前向神经网络BP预测相对比,优化后的模型具有很好的预测效果.(本文来源于《控制与决策》期刊2012年11期）
龚文杰,段晓燕,张智晟[10]（2012）在《基于分布估计算法的对角递归神经网络短期负荷预测模型研究》一文中研究指出针对传统的BP算法易陷入局部极小点,收敛速度慢,编程复杂等缺点,本文提出基于分布估计算法的对角递归神经网络的短期负荷预测模型。该模型采用分布估计算法对对角递归神经网络进行优化,仿真结果表明,该预测模型平均绝对误差降低1.097%,最大相对误差降低2.55%,该模型获得较满意的预测精度,具有较高的预测稳定性和较好的适应能力。(本文来源于《青岛大学学报(工程技术版)》期刊2012年02期）
对角递归神经网络论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了提高小区用电负荷预测的准确度,在研究对角递归神经网络的基础上,分析比较几种优化算法,提出基于粒子群算法的对角递归神经网络预测方法。通过对小区用电负荷影响因素的分析以及对大量历史数据进行训练,最后经Matlab仿真分析,结果表明:该方法预测的准确度较高。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
对角递归神经网络论文参考文献
[1].彭熙伟,高瀚林.永磁同步电机的改进对角递归神经网络PI控制策略[J].电机与控制学报.2019
[2].徐建军,杜蔷楠,闫丽梅.基于对角递归神经网络的小区用电负荷预测研究[J].化工自动化及仪表.2017
[3].杜蔷楠.基于对角递归神经网络的智能小区用电负荷预测研究[D].东北石油大学.2017
[4].吕科,杨正才,赵宝.递归对角神经网络算法在汽车主动悬架控制系统中的研究[J].燕山大学学报.2017
[5].宋怡霖,陈新楚,郑松.基于对角递归神经网络的控制系统[J].福州大学学报(自然科学版).2016
[6].宋怡霖,陈新楚,郑松.对角递归神经网络在控制系统中的应用现状分析[J].电气自动化.2016
[7].丁惜瀛,王春强,李琳.基于对角递归神经网络的汽车主动悬架控制[J].沈阳工业大学学报.2015
[8].陶平,肖超.基于对角递归神经网络的在线自整定解耦控制算法(英文)[J].机床与液压.2013
[9].李占英,王科俊,徐亮,姚丽君.混沌对角递归神经网络的船舶横摇预报方法[J].控制与决策.2012
[10].龚文杰,段晓燕,张智晟.基于分布估计算法的对角递归神经网络短期负荷预测模型研究[J].青岛大学学报(工程技术版).2012