常晓恒
- 作品数：61 被引量：280H指数：9
- 供职机构：渤海大学更多>>
- 发文基金：国家自然科学基金辽宁省教育厅高等学校科学研究项目国家教育部博士点基金更多>>
- 相关领域：自动化与计算机技术电子电信电气工程交通运输工程更多>>
- 基于Elman神经网络的传感器故障诊断研究被引量：42
- 2014年
- 针对传统的传感器故障诊断技术的不足,提出一种基于Elman神经网络的故障诊断方法,建立了Elman网络故障诊断模型,利用小波包分解方法获取用于训练神经网络的特征能量谱,对所建立的模型进行训练。为了检验模型的实际诊断能力,以某动力系统管路流量传感器的4种典型故障诊断为例进行仿真实验,并和标准BP神经网络的诊断结果进行对比。仿真结果表明:基于Elman神经网络的故障诊断速度更快、准确率更高、泛化能力更强,验证了所提出方法的实用性和有效性。
- 丁硕常晓恒巫庆辉杨友林胡庆功
- 关键词：ELMAN神经网络BP神经网络流量传感器收敛速度泛化能力
- 容错控制系统鲁棒H_∞和自适应补偿设计被引量：29
- 2013年
- 通过设计动态输出反馈控制策略研究线性时不变系统执行器故障下的鲁棒自适应容错H∞控制问题.结合自适应技术和线性矩阵不等式(Linear matrix inequalities,LMI)技术,设计一个控制策略同时实现系统的故障补偿控制和性能优化控制.在设计中,提出由自适应律在线调节控制增益方程补偿未知执行器故障和摄动;并设计一个基于模式依赖李亚普诺夫方程的LMI条件解出控制参数及次优H∞性能.所设计的动态输出反馈控制器可以处理一般执行器卡死故障,并得到更少保守性的H∞性能指标.此外,一个更具挑战性的问题,即通过自适应机构补偿故障致使系统多少性能退化得到论证.所提方法的有效性由一个解耦线性化动态飞行器系统仿真验证.
- 金小峥杨光红常晓恒车伟伟
- 关键词：容错控制鲁棒H∞控制直接自适应控制线性矩阵不等式动态输出反馈
- 基于双神经网络的离心式水泵系统的建模方法
- 一种基于双神经网络的离心式水泵系统的建模方法，可解决传统建模方法依赖于精确的泵特性方程与管道特性方程问题，其步骤如下：建立以泵调速比K、泵流量Q为输入变量，泵扬程H、泵的轴功率Pin为输出变量的数学模型，建立以调速比K与...
- 巫庆辉王长忠刘继行李鸿一常晓恒杨友林丁硕杨祯山尹作友
- 三相感应电动机的星角起动装置及起动方法
- 一种三相感应电动机的星角起动控制方法及装置，包括电流与电压检测单元、单片机控制单元、人机交互单元、基于固态继电器与交流接触器的角接投切装置、基于固态继电器的星接投切装置、主电路交流接触器及热继电器装置，电流与电压检测单元...
- 巫庆辉丁硕常晓恒李鸿一李宏亮张彬马胜蕾
- 基于自组织特征映射神经网络的聚类分析被引量：10
- 2014年
- 在深入研究自组织特征映射(Self-organizing Feature Mapping,SOFM)神经网络的结构和聚类算法的基础上,阐述了SOFM网络的建立方法。以随机二维向量的聚类为例,利用所建立的SOFM网络模型对输入的随机二维向量进行聚类,并着重研究了输出层神经元拓扑结构、训练步数对聚类结果的影响以及在相同拓扑结构条件下,SOFM网络模型的权值向量的调整过程。仿真结果表明:在输出层神经元节点形式为六边型条件下,输出层神经元的个数越多,SOFM网络模型的聚类结果就越准确;在相同的拓扑结构条件下,训练步数越大,SOFM网络聚类结果越准确,但过大的训练步数对于聚类结果的影响甚微。
- 丁硕常晓恒巫庆辉
- 关键词：自组织特征映射人工神经网络聚类拓扑结构
- GRNN与RBFNN的二元函数逼近性能对比研究被引量：3
- 2014年
- 为了研究GRNN和RBFNN对于二元非线性函数的逼近能力,本文编程建立GRNN和RBFNN,并以具体的二元非线性函数为例,分别用2种神经网络对其进行逼近。仿真结果表明,相对于RBFNN而言,GRNN对于二元非线性函数的逼近精度更高、收敛速度更快,具有很好的逼近能力,为解决二元非线性函数的逼近问题提供了良好的解决手段。
- 丁硕常晓恒巫庆辉
- 关键词：广义回归神经网络径向基函数神经网络二元函数仿真
- T-S模糊系统H∞跟踪控制设计被引量：8
- 2008年
- 提出一种新的控制方法,以使T-S模糊控制系统达到H∞跟踪性能指标.首先提出一个新的H∞跟踪性能指标,该指标考虑了受控输出变量中控制系数不为零的情况,比以往的性能指标更具一般性;然后给出了H∞跟踪控制器增益存在的充分条件,该条件可表示为线性矩阵不等式问题;最后通过一个仿真实例说明了所提出算法的有效性.
- 常晓恒井元伟高曦莹刘晓平
- 关键词：T-S模糊系统H∞跟踪控制线性矩阵不等式
- 以电压源作为输入的六相不控整流系统的建模方法
- 一种以电压源作为输入的六相不控整流系统的建模方法，包括如下步骤：以电压源作为输入单独运行模式的六相(双三相)不控整流系统构建；构建两个数据组A＝[Ua，Ub，Uc]、B＝[Ux，Uy，Uz]；将MaxU_1‑MinU_1...
- 常晓恒巫庆辉侯宝明周建壮
- 文献传递
- 启发式改进BPNN在模式分类领域内的对比研究被引量：2
- 2014年
- 采用附加动量BP算法、自适应最速下降BP算法、自适应动量BP算法、弹性BP算法4种启发式改进方法分别对标准BP算法进行改进,并构建了相应的BP神经网络分类模型,将构建的4种分类模型应用于二维向量模式的分类,并进行了泛化能力测试,将4种BP网络分类模型的分类结果进行对比。仿真结果表明,对于中小规模的网络而言,弹性BP算法改进的BP网络的分类结果最为精确,收敛速度最快,分类性能最优;附加动量BP算法改进的BP网络的分类结果误差最大,收敛速度最慢,分类性能最差;自适应学习速率BP算法改进的BP网络的分类结果的误差值、收敛速度及分类性能介于上述两种算法之间。
- 丁硕常晓恒巫庆辉杨友林
- 关键词：BP神经网络泛化能力
- Elman和BP神经网络在模式分类领域内的对比研究被引量：9
- 2014年
- 为了研究Elman神经网络和标准BPNN中何种网络类型更适合于解决模式分类问题,分别构建了基于Elman神经网络的分类模型和基于标准BPNN的分类模型。以平面上二维向量模式的分类为例,对2种分类模型进行训练和泛化能力测试。仿真结果表明,在训练样本数量相等且中小规模网络的条件下,Elman网络模型比BP网络模型具有更高的分类精度,更快的收敛速度,更适合于解决模式分类问题。
- 丁硕常晓恒巫庆辉杨友林胡庆功
- 关键词：ELMAN神经网络BP神经网络收敛速度泛化能力
