学位论文 > 优秀研究生学位论文题录展示
基于CIPSO-ENN耦合算法的瓦斯涌出量预测
作 者: 乔德浩
导 师: 付华
学 校: 辽宁工程技术大学
专 业: 检测技术与自动化装置
关键词: 粒子群算法 非线性系统 瓦斯涌出量 预测控制 CIPSO-ENN耦合算法
分类号: O242.1
类 型: 硕士论文
年 份: 2011年
下 载: 46次
引 用: 0次
阅 读: 论文下载
内容摘要
针对瓦斯涌出量预测系统的时变性,非线性,复杂性,不确定性等特点,提出了混沌免疫粒子群算法(CIPSO)与Elman神经网络的耦合算法(CIPSO-ENN),用于非线性动态模型参数辨识及瓦斯涌出量预测控制。论文首先提出利用Elman神经网络进行瓦斯涌出量预测,经过对Elman神经网络分析,对于该神经网络收敛速度慢,易于早熟的缺点,提出利用粒子群算法对其进行改进。接下来分析了标准粒子群优化算法(SPSO)运行机理,针对SPSO在求解多峰、高维、非线性优化问题时,容易陷入早熟和局部优化的缺陷,论文引入了混沌理论和克隆选择理论,对SPSO进行改进,提出了混沌克隆粒子群算法(CIPSO)。该算法在粒子群种群进化过程中,对粒子进行克隆、混沌变异、选择以提高其收敛速度、搜索精度、全局搜索能力。数值仿真实验表明,相对于SPSO,该算法的收敛速度和精度以及稳定性都有明显改善。之后,将CIPSO算法与Elman反馈神经网络融合,提出CIPSO-ENN耦合算法。该耦合算法利用CIPSO对Elman网络的权值与阈值进行寻优,然后基于该耦合算法,采用预测智能控制思想,建立基于CIPSO-ENN耦合算法的瓦斯涌出量预测系统模型,并利用矿井实际监测到的各项历史数据进行仿真,结果表明该模型和BP、Elman等神经网络预测模型相比,其辨识收敛速度提高了8倍,辨识精度提高了接近2个数量级,预测精度提高了3倍,具有收敛速度快、收敛精度高、鲁棒性强的特点。从数据本身出发,利用CIPSO-ENN耦合算法建立预测控制模型,是一种很有效的方法,可以推广到其他领域。
|
全文目录
致谢 5-6 摘要 6-7 Abstract 7-11 1 绪论 11-17 1.1 课题研究意义 11 1.2 瓦斯涌出量预测研究现状 11-13 1.3 智能算法研究现状 13-15 1.4 论文主要内容 15 1.5 本文主要工作 15-17 2 用于瓦斯涌出量系统辨识的Elman 神经网络 17-26 2.1 引言 17 2.2 Elman 神经网络算法的原理 17-25 2.2.1 神经网络拓扑结构 17-18 2.2.2 Elman 神经网络拓扑结构 18-19 2.2.3 Elman 神经网络算法数学描述 19-21 2.2.4 Elman 神经网络阈值与权值修正量计算 21-25 2.3 Elman 神经网络性能分析 25 2.4 小结 25-26 3 标准粒子群优化算法及收敛性分析 26-33 3.1 引言 26-27 3.2 粒子群算法的数学机理 27-28 3.3 搜索算子对算法的影响分析 28-29 3.4 参数对算法的影响分析 29-30 3.5 惯性权重w 的影响分析 30-31 3.6 标准PSO 算法流程 31 3.7 粒子群算法面临的一些问题 31-32 3.8 小结 32-33 4 混沌克隆粒子群算法及仿真分析 33-44 4.1 引言 33 4.2 标准粒子群算法改进——混沌免疫粒子群优化算法(CIPSO) 33-38 4.2.1 混沌克隆选择粒子群算法原理 34-36 4.2.2 CIPSO 算法局部收敛性论证 36-37 4.2.3 CIPSO 算法全局收敛性论证 37 4.2.4 CIPSO 算法步流程 37-38 4.3 CIPSO 数值仿真实验及分析 38-43 4.3.1 测试函数分析 40-41 4.3.2 评价标准 41 4.3.3 仿真实验及分析 41-43 4.4 小结 43-44 5 CIPSO-ENN 耦合算法及性能仿真分析 44-49 5.1 引言 44 5.2 Elman 神经网络改进——CIPSO-ENN 耦合算法 44-48 5.2.1 CIPSO-ENN 耦合算法原理 45-46 5.2.2 CIPSO-ENN 算法流程 46 5.2.3 CIPSO-ENN 耦合算法的数值仿真实验 46-48 5.3 小结 48-49 6 基于CIPSO-ENN 耦合算法的瓦斯涌出量预测控制 49-62 6.1 引言 49 6.2 瓦斯涌出量的影响因素 49-50 6.2.1 瓦斯涌出量定义 49 6.2.2 瓦斯涌出量主要影响因素 49-50 6.3 瓦斯涌出量辨识系统 50-52 6.3.1 瓦斯涌出量辨识系统结构模型 50 6.3.2 瓦斯涌出量辨识系统数学描述 50-52 6.4 瓦斯涌出量预测控制系统 52-55 6.4.1 瓦斯涌出量预测控制结构模型 52-54 6.4.2 预测控制步骤流程 54-55 6.5 瓦斯涌出量预测仿真及分析 55-61 6.5.1 CIPSO-ENNPM 结构参数及结构模型 55 6.5.2 Elman 神经网络结构参数 55 6.5.3 CIPSO 算法的初始参数选取 55 6.5.4 瓦斯涌出量监测样本的组成及数据处理 55-57 6.5.5 数据的归一化及反归一化处理 57 6.5.6 瓦斯涌出量预测仿真结果及分析 57-61 6.6 小结 61-62 7 总结与展望 62-65 7.1 全文总结 62-63 7.2 展望 63-65 参考文献 65-67 作者简历 67-68 学位论文数据集 68-69
|
相似论文
- 卫星姿态的磁控制方法研究,V448.222
- 高精度激光跟踪装置闭环控制若干关键问题研究,TN249
- 非线性变结构导引规律的研究,TJ765
- 离散非线性系统输入到状态稳定性研究,TP13
- 有源电力滤波器及其在配电网中的应用,TN713.8
- 基于粒子群的分子对接算法,R91
- 煤与瓦斯突出后瓦斯动态涌出规律研究,TD713
- 宏远煤矿瓦斯涌出预测及防治研究,TD712
- 大窑沟矿瓦斯地质特征研究,TD712
- 铁法煤田小青矿瓦斯赋存特征及危险性预测,TD712
- 基于P2P网络信任机制研究,TP393.08
- 金桥煤矿薄煤层工作面瓦斯涌出规律与防突技术研究,TD712
- 放射非线性系统的自适应模糊控制,TP273.4
- 基于观测器的故障诊断方法及应用研究,TP212
- 一类多项式系统的稳定性分析和控制器综合,O231
- 仿射型非线性系统智能故障诊断与容错控制研究,TP13
- 结构型随机变分不等式的准蒙特卡洛方法,O22
- 硫酸串酸模糊控制系统的设计与开发,TP273.4
- 基于改进PSO和参数优化的LSSVM的风力发电机齿轮箱故障诊断,TM315
- 抑制OFDM信号峰均比的PTS方法研究,TN919.3
中图分类: > 数理科学和化学 > 数学 > 计算数学 > 数学模拟、近似计算 > 数学模拟
© 2012 www.xueweilunwen.com
|